Sistem pengecaman wajah

Daripada Wikipedia, ensiklopedia bebas.
Sistem pengawasan Eropah Swiss: Sistem pengecaman wajah dan jenis kenderaan, warna dan pengecam nombor plat kereta.
Pandangan sisi.
Pandangan dekat penyilau infra. Cahaya ini tidak kelihatan pada mata manusia tetapi ia mencipta persekitaran cerah seperti siang bagi kamera pengawas.

Sistem pengecaman wajah ialah aplikasi komputer yang mengenal pasti atau mengesahkan identiti seseorang dari komponen gambar digital atau bingkai video dari sumber video. Salah satu caranya adalah dengan membandingkan ciri-ciri wajah dipilih dari gambar dan sistem pengurusan pangkalan wajah.

Ia biasanya digunakan dalam sistem keselamatan dan boleh dibandingkan dengan biometrik lain seperti cap jari atau sistem pengecaman iras mata.[1]

Teknik[sunting | sunting sumber]

Kaedah lama[sunting | sunting sumber]

Sesetengah algoritma pengecaman wajah mengenal pasti wajah dengan mengambil tanda muka, atau ciri, dari wajah subjek. Sebagai contoh, algoritma mungkin menganalisa kedudukan perbandingan, saiz, dan/atau bentuk mata, hidung, tulang pipi, dan rahang. Ciri-ciri ini kemudiannya digunakan bagi mencari gambar lain dengan ciri yang serupa.[2] Algoritma lain menormalkan Other algorithms menormalkan galeri gambar wajah dan memampatkan data wajah, hanya menyimpan data dalam gambar yang berguna bagi pengecaman wajah. Gambar prob kemudian dibandingkan dengan data wajah.[3] Salah satu sistem yang paling awal berjaya[4] berasaskan teknik membanding templat[5] digunakan pada set ciri-ciri wajah menonjol lalu memberikan sejenis perwakilan wajah yang dimampatkan.

Algoritma pengecaman boleh dibahagi kepada dua pendekatan utama, geometrik, yang melihat kepada ciri menonjol, atau fotometrik, iaitu pendekatan statistik yang memurnikan gambar kepada nilai dan membandingkan nilai dengan templat bagi menyingkirkan kelainan.

Algoritma pengecaman popular termasuk "Principal Component Analysis" dengan eigenface, analisa beza layan linear, "Elastic Bunch Graph Matching fisherface", model Markov Tersembunyi, dan padanan pautan dinamik berpendorong neuron ("neuronal motivated").}}

Pengecaman tiga dimensi[sunting | sunting sumber]

Trend yang baru muncul didakwa mencapai ketepatan yang belum pernah dicapai sebelum ini, ia itu pengecaman wajah tiga dimensi. Teknik ini menggunakan penderia bagi menangkap maklumat mengenai bentuk wajah. Maklumat ini digunakan bagi mengenal-pasti ciri-ciri menonjol mengenai bentuk wajah. Maklumat ini kemudiannya digunakan bagi mengenal-pasti ciri-ciri menonjol pada permukaan muka, seperti kontor soket mata, hidung, dan dagu.[6]

Satu kelebihan pengecaman wajah 3-D adalah ia tidak terjejas oleh perubahan cahaya seperti teknik lain. Ia juga mampu mengecam wajah dari julat sudut penglihatan berlainan, termasuk pandangan sisi.[7][8]]]}}

Teknik pemadanan 3D yang sempurna juga boleh menjadi sensitif bagi raut wajah. Untuk mencapat matlamat itu sekumpulan di Technion menggunakan peralatan dari geometri metrik bagi menangani gambaran sebagai isometri[9]

Analisa tekstur kulit[sunting | sunting sumber]

Satu lagi tren yang muncul menggunakan perincian englihatan pada kulit, sebagaimana ditangkap pada gambar digital piwaian atau diimbas. Teknik ini dikenali sebagai analisa tekstur kulit, menukar garis unik, pola, dan tmpok kelihatan pada kulit seseorang kepada ruang mathematik.[2]

Ujian menunjukkan bahawa dengan tambahan analisa tekstur kulit, prestasi bagi mengecam wajah boleh ditingkatkan antara 20 hingga 25 peratus.[2][6]

Perisian[sunting | sunting sumber]

  • Perisian pengurus imej digital Picasa Google memiliki sistem pengecaman wajah bina dalam bermula dari versi 3.5 seterusnya. Ia mampu mengaitkan wajah dengan seseorang, dengan itu pertanyaan boleh dilakukan menggunakan gambar untuk mendapat kesemua gambar dengan kumpulan orang khas bersama. Picasaweb.com turut memberikan ciri yang sama kepada penggunanya.
  • Pelayar Pergerakan Gambar Sony ("Picture Motion Browser- PMB") menganalisan gambar, mengaitkan gambar dengan wajah yang dikenal pasti agar ia boleh ditag sewajarnya, dan membezakan antara gambar seseorang, ramai orang dan tiada siapa.
  • Facebook turut memasukkan teknologi pengecaman wajah
  • Windows Live Photo Gallery turut memasukkan pengecaman wajah dalam versi terkininya.

Pengguna terkemuka dan perlaksanaan[sunting | sunting sumber]

London Borough di Newham, di United Kingdom, sebelumnya menguji sistem pengecaman wajah di bina pada sistem CCTV menyeluruh kawasan Borough mereka.

Pasukan Polis Kebangsaan Jerman menggunakan sistem pengecaman wajah bagi membenarkan pelanggan sukarelawan untuk melalui kawalan sempadan automatik sepenuhnya di lapangan terbang antarabangsa Rhein-Main Frankfurt. Pelanggan perlu merupakan warganegara Kesatuan Eropah mahupun dari negara Switzerland.[perlu rujukan] Sejak 2005, Pegawai Polis Jenayah Kebangsaan Jerman menawarkan pengecaman wajah pusat bagi gambar tahanan bagi kesemua agensi polis Jerman. Sistem Pengecaman turut digunakan oleh kasino bagi menangkap pengira kad dan individual yang disenarai hitamkan.

Perkhidmatan Kastam Australia memiliki sistem pemproses sempadan automatik yang dikenali sebagai SmartGate yang menggunakan pengecaman wajah. Sistem ini membandingkan wajah seseorang dengan gambar dalam mikrocip paspot biometrik, mengesahkan bahawa pemegang pasport tersebut adalah pemilik yang sah.

Jaringan Keadilan Pennsylvania mencari gambar tempat kejadian jenayah dan rakaman CCTV dalam gambar tahanan pangkalan data tangkapan sebelumnya. Beberapa kes lama telah diselesaikan sejak sistem beroperasi pada tahun 2005. Lain-lain agensi penguatkuasaan undang-undang di Amerika Syarikat dan di luar negara menggunakan pangkalan data gambar tahanan bagi kerja siasatan forensik mereka.

Jabatan Dalam Negara U.S. mengendali salah satu sistem pengecaman wajah terbesar di dunia dengan lebih 75 juta gambar yang digunakan secara aktif bagi memproses visa.

Spaceship Earth di Epcot menggunakan sistem pengecaman wajah bagi bahagian skrin sentuh perjalanannya.

Pengguna tambahan[sunting | sunting sumber]

Selain kegunaan dalam sistem keselamatan, pihak berkuasa menjumpai kegunaan lain bagi sistem pengecaman wajah. Sungguhpun pos penggunaan 9/11 disiarkan dengan meluas, penggunaan terkini jarang ditulis kerana sifat rahsia mereka.

Semasa Super Bowl XXXV pada Januari 2001, polis di Tampa Bay, Florida, menggunakan perisian pengecaman wajah Identix', FaceIt, bagi menjejak kemungkinan penjenayah dan pengganas yang hadir di acara tersebut.[2] (it found 19 people with pending arrest warrants)[10]

Semasa pilihan raya presiden 2000, kerajaan Mexico menggunakan perisian pengecaman wajah bagi menghalang penipuan pengundi. Sesetengah pengundi telah mendaftar bagi mengundi di bawah ebebrapa nama berlainan, dalam cubaan meletakkan undi berganda. Dengan membandingkan imej wajah dengan yang sudah terdapat dalam pangkalan data pengundi, pihak berkuasa berjaya mengelakkan pendaftaran berganda.[11] Teknologi yang sama juga digunakan di Amerika Syarikat bagi menghalang orang daripada mendapatkan kad pengenalan dan lesen memandu palsu.[12][13]

Terdapat juga pengguna berkemungkinan bagi pengecaman wajah yang sedang dibangunkan. Sebagai contoh, teknologi boleh dibangunkan sebagai langkah keselamatan di ATM; menggantikan kad bank atau nombor pengenalan peribadi, ATM akan menangkap gambar wajah anda, dan membandingkan dengan gambar anda dalam pangkalan data bank bagi mengesahkan id anda. Konsep yang sama juga boleh digunakan bagi komputer; dengan menggunakan webcam bagi menangkap imej digital diri anda, muka anda boleh menggantikan kata laluan sebagai cara log masuk.[2]

Sebagai sebahagian dari penyiasatan mengenai kes kehilangan Madeleine McCann oleh pihak polis British, pelancong yang pernah ke resort Ocean Club, Praia da Luz di Portugis atau kawasan sekeliling dalam tempoh dua minggu sehingga kehilangan kanak-kanakbtersebut pada Khamis 3 May 2007 diminta memberikan salinan gambar sebarang orang yang diambil semasa mereka di sana, sebagai cara untuk mengenal pasti penculik dengan menggunakan penggunaan pengecaman wajah.[14][15]

Juga, tambahan kepada penggunaan biometrik, kamera digital moden sering menggabungkan sistem pengesanan muka yang membolehkan kamera untuk mefokus dan mengukur pendedahan di muka subjek ini, dengan itu menjamin potret tumpuan orang diambil gambar. Sesetengah kamera, di samping itu, memasukkan pengatup senyuman, atau mengambil gambar kedua secara automatik jika seseorang menutup mata mereka semasa pendedahan.

Kajian perbandingan[sunting | sunting sumber]

Antara perbezaan teknik biometrik, pengecaman wajah bukanlah yang paling boleh diharapkan atau berkesan. Bagaimanapun, satu kelebihan utama adalah ia tidak memerlukan bantuan atau kebenaran dari subjek ujian. Sistem yang direka dengan baik yang dipasang di lapangan terbang, multiplexes, dan tempat awam lain boleh mengecam seseorang dikalangan ramai. Biometrik lain seperti cap jari, pengimbas iris, dan pengecaman suara tidak mampu melaksanakan pengecaman pukal ini. Bagaimanapun, persoalah telah ditimbulkan mengenai keberkesanan perisian pengecaman wajah dalam kes keselamatan kereta api dan lapangan terbang

Kritikan[sunting | sunting sumber]

Kelemahan[sunting | sunting sumber]

Pengecaman wajah tidak sempurna dan dibeban bagi berfungsi di bawah keadaan tertentu. Ralph Gross, seorang penyelidik di Institusi Robot Carnegie Mellon, menggambarkan satu halangan berkait dengan sudut pendangan wajah: "Pengecaman wajah menjadi semakin baik dari sudut hadapan, tetapi sebaik anda pergi kearah profil, terdapat masalah."[6]

Keadaan lain di mana pengecaman wajah tidak begitu bagus termasuk cahaya malap, cermin mata gelap, rambut panjang, atau sebarang objek yang separa menutup muka subjek, dan gambar resolusi rendah.[2]

Satu lagi kelemahan serius adalah kebanyakan sistem kurang berkesan sekiranya raut muka berbeza. Malah senyuman lebar mampu mengurangkan keberkesanan sistem. Sebagai contoh: Kanada kini hanya membenarkan raut muka biasa dalam gambar pasport.[16]

Keberkesanan[sunting | sunting sumber]

Pengkritik teknologi ini mengadu bahawa skim "London Borough of Newham", sehingga 2004, gagal mengecam seorang penjenayah, sungguhpun terdapat beberapa penjenayah dalam pengkalan data yang tinggal di Borough dan sistem itu telah beroperasi selama beberapa tahun. "Tidak sekalipun, sepanjang yang diketahui polis, sistem pengecaman wajah automatik Newham mengesan sasaran hidup."[17][18] Maklumat ini kelihatannya berlawanan dengan dakwaan bahawa sistem itu dikreditkan dengan pengurangan jenayah 34% (dengan itu mengapa ia dilaksanakan juga ke Birmingham)[19]. Bagaimanapun ia boleh dijelaskan dengan pandangan bahawa sekiranya orang awam diberitahu secara tetap bahawa mereka sentiasa dipantau berterusan dengan teknologi pengecaman wajah, kebimbangan ini sudah cukup bagi mengurangkan kadar jenayah, tanpa mengira samaada teknik sistem pengecaman wajah benar-benar berfungsi atau tidak. Ini telah menjadi asas sistem keselamatan berasaskan pengecaman wajah yang lain, di mana teknologi itu sendiri tidak berfungsi cukup bagus tetapi persepsi pengguna mengenai teknologi adalah ia cukup baik.

Ujian oleh jabatan polis tempatan di Tampa, Florida, mendapat hasil yang turut mengecewakan.[20]

"Teknologi kamera direka bagi mengecam ancaman pengganas melalui ciri-ciri wajah di lapangan terbang gagal ujian utamanya di Lapangan Terbang Boston"[21]

Kebimbangan privasi[sunting | sunting sumber]

Kebanyakan rakyat menyuarakan kebimbangan bahawa privasi mereka akan dicerobohi. Sesetengah pula bimbang bahawa ia akan mendorong kepada “masyarakat dipantau sepenuhnya,” dengan kerajaan dan pihak berkuasa lain memiliki keupayaan untuk mengetahui di mana anda berada, sepanjang masa. Ini bukanlah konsep diperbesarkan kerana sejarah telah membuktikan bahawa negeri biasa menyalah guna capaian sebegitu sebelum ini.[22]

Peningkatan terkini[sunting | sunting sumber]

Pada tahun 2006, keputusan prestasi algoritma pengecaman wajah terbaru dinilai dalam Cabaran Pengecaman Wajah Agung ("Face Recognition Grand Challenge - FRGC"). Imej wajah resolusi tinggi, imbasan wajah 3-D, dan imej iris telah digunakan dalam ujian. Keputusan menunjukkan bahawa algoritma baru yang 10 kali lebih tepat berbanding algoritma pengecaman wajah tahun 2002 dan 100 kali lebih tepat berbanding dengan tahun 1995. Beberapa algoritma dapat mengatasi peserta manusia dalam pengecaman wajah dan dapat mengenal pasti kembar seiras yang unik. [6]

Gambar wajah beresolusi rendah boleh dipertingkatkan dengan menggunakan khayalan muka. Penambahbaikan lain dalam resolusi tinggi, kamera megapiksel dalam beberapa tahun kebelakangan ini telah membantu untuk menyelesaikan isu resolusi tidak mencukupi.

Pembangunan awal[sunting | sunting sumber]

Pengecaman Wajah Automatik mula dibangunkan oleh Woody Bledsoe, Helen Chan Wolf dan Charles Bisson.

Pada tahun 1964 dan 1965, Bledsoe, bersama-sama dengan Helen Chan dan Charles Bisson, bekerja menggunakan komputer untuk mengenali wajah manusia (Bledsoe 1966a, 1966b; Bledsoe dan Chan 1965). Beliau bangga dengan kerja ini, tetapi kerana pembiayaan oleh agensi perisikan yang tidak dinamakan tidak membenarkan banyak publisiti, sedikit kerja itu diterbitkan. Memandangkan pangkalan data imej yang besar (sebenarnya, buku gambar tahanan) dan gambar, masalahnya ialah untuk memilih dari pangkalan data set kecil yang salah satu rekod imej dipadankan dengangambar. Kejayaan kaedah itu boleh diukur dari segi nisbah senarai jawapan berbanding bilangan rekod dalam pangkalan data. Bledsoe (1966a) menyifatkan masalah berikut:

Masalah pengecaman ini dijadikan sukar oleh kepelbagaian pada putaran kepala dan sengetan, kecerahan cahaya dan sudut, riak muka, usia, dan sebagainya. Cubaan lain bagi pengecaman wajah oleh mesin hanya membenarkan seditit atau tiada kepelbagaian pada kuantiti ini. Namun kaedah korelasi (atau pola yang hampir sama) bagi data optik yang belum diproses, yang sering digunakan oleh beberapa penyelidik, pasti gagal bagi kes-kes di mana kepelbagaian yang besar. Khususnya, korelasi adalah sangat rendah di antara dua gambar orang yang sama dengan dua putaran kepala yang berbeza.

—Woody Bledsoe, 1966

Projek ini telah dilabel manusia-mesin kerana manusia mengambil koordinat satu set ciri-ciri dari gambar, yang kemudiannya digunakan oleh komputer untuk mendapatkan pengecaman. Menggunakan jadual grafik (GRAFACON atau RAND TABLET), pengendali akan mengambil koordinat ciri-ciri seperti pusat anak mata, sudut dalam mata, sudut luar mata, titik puncak bukaan, dan sebagainya. Dari koordinat ini, senarai 20 jarak, seperti lebar mulut dan lebar mata, anak mata dengan anak mata, telah dikira. Pengendali dapat memproses kira-kira 40 gambar sejam. Apabila membangun pangkalan data, nama orang dalam gambar itu dikaitkan dengan senarai jarak dikira dan disimpan dalam komputer. Dalam fasa pengiktirafan, set jarak telah dibandingkan dengan jarak yang sama untuk setiap gambar, menghasilkan jarak antara gambar dengan rekod pangkalan data. Rekod paling hampir dikembalikan.

Penerangan ringkas adalah ringkasan melampaui batas yang gagal secara umum kerana ia adalah mustahil bagi mana-mana dua gambar mampu sama dari segi putaran kepala, condong, sengetkan, dan skala (jarak dari kamera). Oleh itu, setiap set jarak dinormalkan untuk mewakili muka dari sudut orientasi depan. Untuk mencapai pemulihan ini, program yang pertama cuba untuk menentukan kecondongan, condongan, dan putaran. Kemudian, dengan menggunakan sudut ini, komputer merombak kesan daripada perubahan bagi jarak dikira. Untuk mengira sudut ini, komputer mesti tahu geometri kepala tiga dimensi. Oleh kerana ketiadaan kepala sebenar, Bledsoe (1964) menggunakan kepala piwaian yang berasal dari ukuran dari tujuh kepala.

Selepas Bledsoe meninggalkan PRI pada tahun 1966, usaha ini telah diteruskan di Institut Penyelidikan Stanford, terutamanya oleh Peter Hart. Dalam ujian yang telah dilaksanakan pada pangkalan data melebihi 2,000 gambar, komputer secara kekal mengatasi manusia apabila deberikan dengan tugas pengecaman yang sama (Bledsoe 1968). Peter Hart (1996) teringat bersemangat dengan projek dengan seruan, "Ia benar-benar berhasil!"

Sekitar tahun 1997, sistem yang dibangunkan oleh Christoph von der Malsburg dan pelajar lepasan dari University of Bochum di Jerman dan Universiti Southern California di Amerika Syarikat mengungguli kebanyakan sistem dengan sistem daripada Institut Teknologi Massachusetts dan Universiti Maryland dinilai berikutnya. Sistem Bochum telah dibangunkan menerusi pembiayaan oleh Makmal Penyelidikan Tentera Darat Amerika Syarikat. perisian ini telah dijual sebagai Zn-Face dan digunakan oleh pelanggan seperti Bank Deutsche dan pengendali lapangan terbang dan lain-lain lokasi yang sibuk. Perisian ini "cukup kuat untuk membuat pengenalan dari pandangan wajah yang kurang sempurna. Ia boleh juga sering melihat melalui halangan bagi pengenalan sebagai misai, berjanggut, gaya rambut berubah dan cermin mata-walaupun cermin mata hitam".[23]

Pada bulan Januari 2007, carian imej adalah "berdasarkan teks yang mengelilingi gambar," sebagai contoh, jika teks berdekatan menyebut kandungan imej. Teknologi Kutub Rose mampu meneka dari gambar, kira-kira dalam tempoh 1.5 saat, bagaimana mana-mana individu mungkin kelihatan dalam tiga dimensi, dan sungguhpun begitu mereka "akan meminta pengguna untuk memasukkan nama-nama orang yang mereka kenal dalam gambar online" untuk membantu membina pangkalan data.[perlu rujukan]

Rujukan[sunting | sunting sumber]

  1. ^ "Facial Recognition Applications". Animetrics. Diarkibkan daripada yang asal pada 2008-07-13. Dicapai pada 2008-06-04.
  2. ^ a b c d e f Bonsor, K. "How Facial Recognition Systems Work". Dicapai pada 2 Jun 2008. Ralat petik: Tag <ref> tidak sah, nama "Bonsor" digunakan secara berulang dengan kandungan yang berbeza
  3. ^ Smith, Kelly. "Face Recognition" (PDF). Dicapai pada 4 Jun 2008.
  4. ^ Brunelli, R.; Poggio, T. (1993). "Face Recognition: Features versus Templates". 15 (10). IEEE Trans. on PAMI: 1042–1052. Cite journal requires |journal= (bantuan)
  5. ^ Brunelli, R. (2009). Template Matching Techniques in Computer Vision: Theory and Practice. Wiley. ISBN 978-0-470-51706-2.
  6. ^ a b c d Williams, Mark. "Better Face-Recognition Software". Dicapai pada 2 Jun 2008.
  7. ^ Ralat petik: Tag <ref> tidak sah; teks bagi rujukan Mohd FARID Khuzzairy tidak disediakan
  8. ^ Ralat petik: Tag <ref> tidak sah; teks bagi rujukan B.Jack88 tidak disediakan
  9. ^ Kimmel, Ron. "Three-dimensional face recognition" (PDF). Dicapai pada 1 Januari 2005.
  10. ^ McNealy, Scott. "Privacy is (Virtually) Dead". Dicapai pada 2006-12-24.
  11. ^ "Mexican Government Adopts FaceIt Face Recognition Technology to Eliminate Duplicate Voter Registrations in Upcoming Presidential Election". Business Wire. 11 Mei 2000. Diarkibkan daripada yang asal pada 2012-07-08. Dicapai pada 2 Jun 2008.
  12. ^ House, David. "Facial recognition at DMV". Jabatan Pengangkutan Oregon. Diarkibkan daripada yang asal pada 2007-02-05. Dicapai pada 17 September 2007. Oregon DMV is going to start using “facial recognition” software, a new tool in the prevention of fraud, required by a new state law. The law is designed to prevent someone from obtaining a driver license or ID card under a false name.
  13. ^ Schultz, Zac. "Facial Recognition Technology Helps DMV Prevent Identity Theft". WMTV News, Gray Television. Diarkibkan daripada yang asal pada 2012-09-04. Dicapai pada 17 September 2007. Madison: ...The Department of Motor Vehicles is using... facial recognition technology [to prevent ID theft]
  14. ^ "Help find Madeleine McCann". Child Exploitation and Online Protection Centre. 21 Mei 2007. Diarkibkan daripada yang asal pada 2007-05-23. Dicapai pada 21 Mei 2007.
  15. ^ Brown, David (23 Mei 2007). "We will travel anywhere to find Madeleine, say parents". London: The Times. Dicapai pada 2 Jun 2008.
  16. ^ "Passport Canada - Photos". passportcanada.gc.ca. Diarkibkan daripada yang asal pada 2009-03-01. Dicapai pada 2011-06-25.
  17. ^ Meek, James (13 Jun 2002). "Robo cop". The Guardian. London.
  18. ^ Krause, Mike (14 Januari 2002). "Is face recognition just high-tech snake oil?". Enter Stage Right.
  19. ^ "Birmingham City Centre CCTV Installs Visionics' FaceIt". Business Wire. 2 Jun 2008.
  20. ^ Krause, Mike (2008-06-02). "Is face recognition just high-tech snake oil?". Enter Stage Right.
  21. ^ Willing, Richard (2003-09-02). "Airport anti-terror systems flub tests; Face-recognition technology fails to flag 'suspects'" (Abstract). USA Today. Dicapai pada 2007-09-17.
  22. ^ "Civil Liberties & Facial Recognition Software". About.com. The New York Times Company. m/s. 2'. Diarkibkan daripada yang asal pada 2006-03-01. Dicapai pada 17 September 2007. A few examples which have already arisen from surveillance video are: using license plates to blackmail gay married people, stalking women, tracking estranged spouses...
  23. ^ "Mugspot Can Find A Face In The Crowd -- Face-Recognition Software Prepares To Go To Work In The Streets". ScienceDaily. 12 November 1997. Dicapai pada 2007-11-06.

Pautan luar[sunting | sunting sumber]