منوی کناری
سیستم تشخیص چهره
آگوست 9, 2018 0

تکنولوژی‌های بیومتریک: سیستم تشخیص چهره

سیستم‌های تشخیص چهره در سالیان اخیر پیشرفت‌های قابل ملاحظه‌ای داشته‌اند. برای تایید هویت کارکنان زمان ورود به شرکت یا ایجاد دسترسی به بخش‌های مختلف سازمان، یا حتی استفاده از دستگاه‌های دیجیتال و تشخیص متهمان فراری و تحت تعقیب از این نوع سیستم‌ها استفاده می‌شود. در اینجا به معرفی و بررسی یکی از این سیستم‌های تایید هویت پرداخته‌ایم. تکنولوژی تشخیص چهره، به عنوان یک تکنیک نظارتی در همه جا حضور دارد اما هنوز هم یک معمای سیاسی، قانونی و اخلاقی محسوب می‌شود.

تشخیص چهره چیست؟

امروزه تکنولوژی تشخیص چهره گسترش و کاربرد زیادی پیدا کرده است. در حال حاضر این تکنولوژی در فیس‌بوک هم وجود دارد و با کمک آن می‌توانید کاربران دیگر را روی عکس‌ها تگ کنید. گوگل، مایکروسافت و اپل هم این تکنولوژی را در اپلیکیشن‌های مختلف خود ادغام کرده‌اند تا از آن برای تحلیل عکس‌هایی که کاربران با هم می‌گیرند، استفاده کنند.

در فرودگاه‌ها نیز همین تکنولوژی، هویت شما را بررسی و تائید می‌کند و با استفاده از آن می‌توانید گوشی خودتان را قفل کنید. حتی در برخی بانک‌ها برای انجام تراکنش‌های مالی کافیست یک بار به دوربین تشخیص چهره، نگاه کنید!

کاربردهای این تکنولوژی روزبروز بیشتر می‌شود. به عنوان مثال با آپلود کردن تصویر اشخاص روی سیستم دربازکن ویدیویی هر بار کسی پشت در باشد این سیستم هویت او را برای شما مشخص می‌کند. سیستم‌های دیگری هم وجود دارند که از آن‌ها برای پیدا کردن افراد مفقودشده و تشخیص تعداد ساعاتی که افراد در اداره حضور داشته‌اند استفاده می‌شود. حتی بیلبوردهای تبلیغاتی جدیدی طراحی شده‌اند که با استفاده از تکنولوژی تشخیص چهره و برآورد کردن سن، جنسیت و خلق‌وخوی افراد آگهی‌های مناسبی برای آن‌ها پخش می‌کنند.

شاید باورکردنی نباشد اما تمام این موارد واقعیت‌هایی هستند که در دنیای اطراف ما وجود دارند، ما در زندگی روزمره با این واقعیات روبه‌رو هستیم.

آیا این تکنولوژی یک ابزار نظارتی هم هست؟

گاهی اوقات بله! کشور چین از دوربین‌های تشخیص چهره برای ثبت چهره و نظارت و کنترل بر مسلمان‌ها استفاده می‌کند، که برای انجام این کار بارها محکوم شده است. همچنین دوربین‌های نظارتی در دولت چین برای شناسایی و جریمه کردن عابران پیاده‌ای که از مناطق ممنوعه عبور می‌کنند، تائید حضور دانش آموزان در مدرسه، نظارت بر عملکرد آن‌ها سر کلاس و اطمینان از اینکه به درس توجه می‌کنند، استفاده می‌شوند.

کشور روسیه هم از این تکنولوژی استفاده می‌کند. در شهر مسکو دوربین‌ها خیابان‌ها را اسکن می‌کنند تا «افراد تحت نظر» را پیدا کنند. همچنین دولت قصد دارد عینک‌هایی را برای پلیس تهیه کند که مجهز به این سیستم هستند.

گزارش‌هایی هم وجود دارد مبنی بر اینکه اسرائیل از تکنولوژی تشخیص چهره برای ردیابی فلسطینی‌ها در کرانه باختری استفاده می‌کند. هم‌زمان در بریتانیا، نیروهای پلیس برخی مناطق به صورت آزمایشی از تکنولوژی تشخیص چهره برای پیدا کردن افراد در بین تماشاچیان راگبی و فوتبال، در خیابان‌های شهر، در بزرگداشت‌ها و جشنواره‌های موسیقی استفاده می‌کنند. حتی تیلور سوئیفت هم از این تکنولوژی برای شناسایی و مقابله با مزاحمان استفاده می‌کند.

فروشگاه‌ها هم از این تکنولوژی برای مقابله با دزدی و دستگیری سارقان استفاده می‌کنند. احتمال می‌رود که سال بعد این تکنولوژی در المپیک توکیو بسیار پرکاربرد خواهد بود.

این تکنولوژی چگونه فراگیر شد؟

پیشرفت‌های اخیر سه حوزه فنی کامپیوترها، نقش مهمی را در این زمینه داشته‌اند. این سه حوزه عبارتند از بیگ دیتا، شبکه‌های عصبی پیچشی عمیق و کارت گرافیک یا جی‌پی‌یوهای پیشرفته.

به لطف وجود فلیکر، اینستاگرام، گوگل و سایر شبکه‌های اجتماعی میلیاردها تصویر از چهره انسان‌ها در اینترنت وجود دارد که در دیتاست‌های تصویری بزرگ تجمیع شده‌اند. از این دیتاست‌ها برای آموزش دادن شبکه‌های عصبی عمیق (که یکی از پایه‌های هوش مصنوعی مدرن است) جهت تشخیص چهره استفاده می‌شود. پردازش و محاسبات لازم برای این کار بیشتر با جی‌پی‌یو انجام می‌شود، تراشه‌های فوق‌العاده پرسرعتی که مخصوص پردازش‌های گرافیکی ساخته شده‌اند. در یک دهه اخیر سیستم‌های تشخیص چهره مختلفی در همه جا نصب شده و داده‌های جمع‌آوری شده از این سیستم‌ها به کمپانی‌ها کمک زیادی کرده است.

این تکنولوژی چگونه کار می‌کند؟

اول از همه کامپیوتر باید آموزش ببیند که چهره چیست. این کار با آموزش دادن یک الگوریتم که معمولاً یک شبکه عصبی با یادگیری عمیق است، با استفاده از تعداد بسیار زیادی از تصاویری که حاوی چهره‌هایی در موقعیت‌های مختلف هستند، انجام می‌شود. هر بار که تصویری به الگوریتم داده می‌شود، الگوریتم محل چهره را در آن تشخیص می‌دهد. در ابتدا این شبکه عملکرد ضعیفی دارد اما اگر این کار چندین بار انجام شود، کم کم بهبود پیدا کرده و در زمینه مکان‌یابی چهره در تصویر مهارت پیدا می‌کند. این مرحله همان مرحله تشخیص چهره است.

مرحله بعدی، مرحله شناسایی است. این کار با روش‌های مختلفی انجام می‌شود اما معمولاً از یک شبکه عصبی دیگر برای انجام آن استفاده می‌شود. یکسری عکس چهره به الگوریتم داده می‌شود و الگوریتم – پس از طی کردن چندین دور – یاد می‌گیرد که چگونه چهره‌ها را شناسایی کند. برخی الگوریتم‌ها صرفاً چهره را نگاشت می‌کنند و فاصله بین چشم‌ها، بینی، دهان و غیره را ارزیابی می‌کنند. سایر الگوریتم‌ها با استفاده از ویژگی‌های انتزاعی، چهره را نگاشت می‌کنند. در هر صورت، این شبکه برای هر چهره یک بردار تولید می‌کند، رشته‌ای از اعداد که هر شخص را به صورت منحصربفرد در مجموعه داده آموزشی مشخص می‌کند.

در پیاده‌سازی‌های زنده و لایو، این نرم‌افزار بصورت بلادرنگ فیلم‌های ویدیویی را بررسی می‌کند. کامپیوتر فریم‌های ویدیو را که معمولاً در نقاط شلوغ و پرجمعیت مثل ورودی استادیوم‌ها ضبط می‌شوند اسکن می‌کند. در ابتدا چهره‌ها در یک فریم، شناسایی شده، سپس برای هر کدام یک بردار تشکیل می‌شود. سپس این بردارها با بردار مربوط به افرادی که در لیست نظارت قرار دارند، مقایسه می‌شوند. هرگونه تطبیقی که حدی مشخص داشته باشد، رتبه‌بندی شده و نمایش داده می‌شود. در آزمایش پلیس بریتانیا این حد آستانه ۶۰ درصد در نظر گرفته شده اما می‌توان برای کاهش تعداد تشخیص‌های مثبت کاذب، آن را به رقم بالاتری تنظیم کرد.

تکنولوژی‌های تشخیص چهره می‌توانند با اندازه‌گیری ده‌ها ویژگی قابل‌تشخیص در چهره، افراد را شناسایی کنند.

مراحل کار سیستم تشخیص چهره:

  1. نرم‌افزار تشخیص چهره، هندسه صورت ضبط شده در یک تصویر یا ویدیو را بررسی می‌کند تا یک کد یا «اثر چهره» منحصربفرد ایجاد کند.
  2. اثر چهره با آنچه در لیست نظارتی ثبت شده، مقایسه می‌شود و کامپیوتر به میزان تطبیق آن‌ها رتبه می‌دهد و بعداً یک اپراتور آن را تائید می‌کند.

پلیس به روش‌های دیگری هم از تکنولوژی تشخیص چهره استفاده می‌کند. اگر یک مظنون، شناسایی و انتخاب شود، پلیس تصویری را که از او در بایگانی دارد آپلود کرده و تصاویر دوربین‌های نظارتی را جستجو می‌کند تا حرکات احتمالی مظنون را دنبال کند و رد احتمالی او را در صحنه جرم پیدا کند.

دقت این تکنولوژی چقدر است؟

برترین سیستم‌های تشخیص چهره، عملکرد فوق‌العاده‌ای دارند. نتایج حاصل از آزمایش‌های مستقل انجام‌شده توسط موسسه ملی استاندارد و تکنولوژی امریکا حاکی از آن است که سیستم‌های تشخیص چهره بین سال‌های ۲۰۱۴ تا ۲۰۱۸ در پیدا کردن تطبیق در دیتابیسی از تصاویر ۱۲ میلی‌متری، حدوداً ۲۰ برابر قوی‌تر شده‌اند. در این دوره، نرخ شکست این سیستم‌ها از ۴ درصد به ۰.۲ درصد کاهش پیدا کرده و این نشان‌دهنده دستاورد فوق‌العاده‌ای است که می‌توان علت اصلی آن را شبکه‌های عصبی با یادگیری عمیق دانست. به گفته این سازمان، شبکه‌های عصبی منجر به ایجاد یک انقلاب صنعتی در حوزه تشخیص چهره شده‌اند.

اما چنین عملکرد فوق‌العاده‌ای نیاز به شرایط ایده آل دارد: شرایطی که در آن یک تصویر واضح و مشخص از یک فرد ناشناس با دیتابیسی از سایر تصاویر با کیفیت مقایسه می‌شود. در دنیای واقعی، امکان محو شدن یا کم نور شدن تصاویر وجود دارد، مردم از دوربین فاصله می‌گیرند یا ممکن است روی چهره‌شان را بپوشانند و یا نسبت به عکس مرجع بسیار مسن‌تر شده باشند. همه این موارد منجر به کاهش دقت می‌شوند.

همچنین طبق آزمایش‌های صورت گرفته این تکنولوژی در تشخیص دوقلوها مشکل دارد و حتی بهترین الگوریتم‌ها هم قادر به تفکیک آن‌ها نیستند.

جانب‌دارانه شدن نتایج

بحث bias یا جانب‌دارانه شدن نتایج، مدت‌هاست که الگوریتم‌های تشخیص چهره را دچار مشکل کرده است. این مشکل وقتی ایجاد می‌شود که شبکه‌های عصبی روی تعدادی چهره از گروه‌های مختلف آموزش می‌بینند؛ بنابراین اگر این الگوریتم با تصویر یک میلیون مرد آموزش ببیند اما تعداد زن‌ها کمتر باشد، بعداً در تشخیص چهره زنان دقت کمتری خواهد داشت. دقت کمتر به معنای تشخیص اشتباه خواهد بود و در نتیجه عده بیشتری متوقف شده و مورد بازجویی قرار می‌گیرند.

سال گذشته اتحادیه آزادی‌های شهروندی آمریکا (ACLU) متوجه شد که نرم‌افزار تشخیص چهره شرکت آمازون به اشتباه ۲۸ نفر از اعضای کنگره را به عنوان افرادی شناسایی کرده که قبلاً بازداشت شده‌اند. همچنین این نرم‌افزار یک‌سری از افراد آفریقایی – آمریکایی و لاتین تبار را به اشتباه شناسایی کرده بود. آمازون در دفاع از خود اعلام کرد که ACLU از تنظیمات نادرستی استفاده کرده است.

آزمایش‌های بعدی پلیس هم وجود نواقصی در تکنولوژی تشخیص چهره را مشخص کرد. بررسی دانشگاه Cardiff از آزمایش‌های South Wales به این نتیجه رسید که سیستم NEC NeoFace هنگام رویارویی با صفحه‌ای که پر از چهره‌های مختلف باشد، قفل کرده و دچار تأخیر و کرش می‌شود و در روزهای مه‌آلود و هوای تاریک هم عملکرد ضعیفی دارد زیرا نور نامناسب باعث ایجاد نویز و اختلال در تصاویر می‌شود.

طی زمان استقرار و آزمایش ۵۵ ساعته، این سیستم ۲۹۰۰ تطبیق پیدا کرده بود که ۲۷۵۵ مورد از آن‌ها مثبت کاذب بودند. پلیس با استفاده از این سیستم ۱۸ مورد بازداشت انجام داد اما در گزارش Cardiff مشخص نشده که آیا این افراد جریمه هم شدند یا خیر.

آزمایش Welsh یک چالش دیگر هم برای سیستم‌های تشخیص چهره شناسایی کرد و آن هم افرادی هستند که شبیه افراد زیادی به نظر می‌رسند. در هنگام اسکن جمعیت در مسابقات راگبی Welsh، سیستم NeoFace یک زن از لیست نظارت پلیس را ۱۰ بار شناسایی کرد که هیچ‌کدام از افراد شناسایی شده خود او نبودند.

این تکنولوژی در اختیار چه کسانی است؟

شرکت‌های تکنولوژیکی در سراسر دنیا سیستم‌های تشخیص چهره مختلفی را پیاده‌سازی کرده‌اند اما امریکا، روسیه، چین، ژاپن، اسرائیل و اتحادیه اروپا در این زمینه پیشرو هستند. برخی کشورها راحت‌تر از بقیه، این تکنولوژی را مورد پذیرش و استفاده قرار داده‌اند.

در چین میلیون‌ها دوربین به نرم‌افزار تشخیص چهره متصل شده و روسیه هم اعلام کرده که امیدوار است شبکه‌های نظارتی خودش را گسترش دهد. در اروپا هم مثل دیگر نقاط جهان تکنولوژی تشخیص چهره به فروشگاه‌ها راه پیدا کرده تا سارقین را شناسایی کند و در کسب‌وکارها از آن برای نظارت بر کارمندان و مشتریان استفاده می‌شود اما تکنولوژی تشخیص چهره بصورت زنده و بلادرنگ در مکان‌های عمومی بیشتر در مرحله آزمایش قرار دارد.

معمولاً در امریکا پلیس از تکنولوژی تشخیص چهره بیشتر برای جستجوی مظنونین در تصاویر ضبط شده استفاده می‌کند تا تصاویر زنده؛ اما کم کم این تکنولوژی فراگیرتر می‌شود. گزارش سال ۲۰۱۶ مرکز فناوری و حریم خصوصی Georgetown Law به این نتیجه رسید که تصویر نیمی از آمریکایی‌ها در دیتابیس‌های تشخیص چهره امریکا وجود دارد این یعنی الگوریتم‌ها مظنونین را از بین ۱۱۷ میلیون شهروندی که اکثراً تابع قانون هستند، شناسایی می‌کنند.

دیدگاه قانون درباره این موضوع چیست؟

در بریتانیا هیچ قانون خاصی وجود ندارد که اختیار استفاده از تشخیص چهره را به پلیس بدهد و هیچ سیاست دولتی درباره استفاده از آن وجود ندارد. این شرایط به گفته Paul Wiles یکی از مدیران Biometrics منجر به هرج‌ومرج و آشفتگی شده و حالا خود پلیس تصمیم می‌گیرد که کجا و چه موقع از تکنولوژی تشخیص چهره استفاده کند و با تصاویر ضبط‌شده توسط دوربین‌ها چه کاری انجام دهد.

کمپین Liberty هم خواستار ممنوعیت کامل استفاده از سیستم‌های تشخیص چهره زنده در مکان‌های عمومی شده و بر این باور است که این تکنولوژی منجر به تهدید حریم خصوصی شده و انسان‌ها را مجبور به تغییر رفتار می‌کند. این گروه خواستار پیگیری قضایی استفاده پلیس South Wales از این تکنولوژی شده است. در بررسی مستقلی که دانشگاه Essex درباره استفاده پلیس Metropolitan از تکنولوژی‌های تشخیص چهره انجام داد، نگرانی‌های مشابهی مطرح شده است. مشخص شده که برخی از افراد به اشتباه متوقف شده و به آن‌ها هشدار داده شده و افرادی که تحت تعقیب دادگاه نبوده‌اند به اشتباه ردیابی شده‌اند. طبق نتیجه‌گیری این گزارش، تشخیص چهره بصورت زنده و بلادرنگ نقض قوانین حقوق بشر محسوب می‌شود.

یکی دیگر از موضوعات مورد بحث، لیست‌های نظارتی هستند. علیرغم اینکه در سال ۲۰۱۲ یک دادگاه عالی حکم داد که نگه‌داشتن تصویر افراد بی‌گناه غیرقانونی است، پلیس دیتابیسی از ۲۰ میلیون نفر را در اختیار دارد که بسیاری از آن‌ها هرگز مرتکب جرمی نشده‌اند. با این وجود تصاویر این دیتابیس و سایر تصاویر جمع آوری شده از طریق شبکه‌های اجتماعی برای ایجاد لیست‌های نظارتی جهت استفاده در سیستم‌های تشخیص چهره جمع‌آوری می‌شوند. در بخش خصوصی هم شرایط بدتر است و فروشگاه‌ها و کسب‌وکارها خودشان تصمیم می‌گیرند چه کسی وارد لیست نظارتی مخفی آن‌ها شود و این تصاویر را با دیگر شرکت‌ها به اشتراک می‌گذارند.

در امریکا اوضاع بدتر است. فقط در پنج ایالت درباره استفاده از تشخیص چهره، یکسری قوانین وجود دارد؛ بنابراین هرچند نیروهای پلیس سیاتل و سانفرانسیسکو از به کار بردن تکنولوژی تشخیص چهره زنده منع شده‌اند اما دفتر کلانتر شهرستان مریکوپا در آریزونا تصویر گواهینامه رانندگی تمام ساکنین هندوراسی را در لیست نظارتی خود آپلود کرده است.

وضعیت سایر ویژگی‌های بیومتریک

در حالیکه تکنولوژی تشخیص چهره توجه زیادی را به خود جلب کرده است، پلیس و سایر سازمان‌ها با دقت به دنبال ویژگی‌های بیومتریک دیگری غیر از اثرانگشت و DNA هستند. یکی از این روش‌ها، تحلیل بافت پوست است که گفته می‌شود با تحلیل فاصله بین منافذ پوست می‌توان بر مشکلات و چالش‌های تشخیص چهره غلبه کرد. این تکنولوژی به صورت گسترده‌ای مورد بررسی و آزمایش قرار نگرفته اما توسعه‌دهندگان آن ادعا می‌کنند که می‌تواند بین دوقلوها تمایز قائل شد.

یکی دیگر از خصوصیاتی که به دلیل عدم نیاز به همکاری فرد مورد نظر مورد توجه پلیس قرار گرفته تحلیل نحوه راه رفتن است. همان‌طور که از اسم این تکنولوژی پیداست، الگوریتم‌های آن با تحلیل سبک منحصربفرد قدم زدن افراد تفاوت آناتومی، ژنتیک، پیش‌زمینه اجتماعی، عادات و شخصیت افراد را منعکس می‌کنند.

در تشخیص هویت از طریق رگ، اسکنرهای نوری رگ‌های خونی دست، انگشت یا چشم را نقشه‌برداری می‌کنند. از آنجایی که رگ‌های ما زیر پوست قرار گرفته‌اند فریب دادن این اسکنرها کار سختی خواهد بود. سیستم PalmSecure شرکت فوجیتسو از نقشه‌برداری رگ‌ها برای نظارت بر کارمندان در مشاغل مختلف استفاده می‌کند.

سازمان HMRC و بانک‌ها هم از تشخیص بلندگویی برای تائید هویت افراد استفاده می‌کنند و کاربرد آن رو به گسترش است. برخلاف تشخیص صدا که صدا را به کلمات تبدیل می‌کند، تشخیص بلندگویی الگوهای صوتی منحصربفرد ایجاد شده توسط گفتار فرد را شناسایی می‌کند.

گام بعدی چیست؟

احتمالاً گام بعدی فراگیر شدن این تکنولوژی است. شرکت آمریکایی Vuzix با یک شرکت اماراتی به نام NNTC شروع به همکاری کرده تا عینک هوشمند تشخیص چهره را تولید کنند. این عینک‌ها مجهز به یک دوربین ظریف ۸ مگاپیکسلی هستند که چهره رهگذران را اسکن می‌کنند و در صورت وجود تطبیق با دیتابیسی متشکل از یک میلیون انسان، به فردی که آن را پوشیده هشدار می‌دهند. در بریتانیا Wireless CCTV در حال کار روی دوربین‌های پلیسی است که همین کار را انجام می‌دهند. گواهی ثبت اختراعی که به تازگی در امریکا ثبت شده یک دوربین بدنی را توصیف می‌کند که هنگام شناسایی چهره یک مظنون شروع به ضبط تصاویر می‌کند.

در عین حال شرکت‌های فعال در حوزه تکنولوژی در حال کار روی سیستم‌های خودشان هستند تا با سرعت بیشتری، چهره‌های بیشتری را در تصاویر چالشی‌تر شناسایی کنند از جمله تصاویری که در نور نامناسب گرفته شده‌اند یا در آن‌ها افراد چهره خود را پوشانده‌اند. هر چند این تلاش‌ها در مراحل ابتدایی قرار دارند اما الگوریتم‌هایی در حالت توسعه هستند که می‌توانند افرادی را که نقاب بر چهره دارند شناسایی کنند. همچنین برای افزایش کارایی سیستم‌های تشخیص، ویژگی‌های بیومتریک چهره با خصوصیات دیگری مثل صدا و نحوه راه رفتن افراد ترکیب خواهد شد. جای تعجب نیست که محققین دانشگاه Carnegie Mellon در پیتسبرگ عینک‌های آفتابی خاصی ساخته‌اند که سیستم‌های تشخیص چهره را فریب می‌دهند، یکی از محققینی که چنین عینکی را به چشم زده بود به عنوان میلا جوویچ شناسایی شد.

حال باید دید که این تکنولوژی در راستای حفظ امنیت اجتماعی به کار برده خواهد یا تحت تاثیر قرار دادن آزادی‌های اجتماعی و یا حتی نقض صریح حریم خصوصی افراد در جامعه؟

پیام بگذارید