Как работает технология распознавания лиц в смартфоне?

Какие устройства уже умеют распознавать лица?

Давайте перечислим, какая техника сегодня «дружит» с распознаванием лиц:

  • Смартфоны, ноутбуки и планшеты с камерами. Технология распознавания лиц в смартфоне – это новая фишка, которую стремится внедрить в свое детище каждый разработчик. Также, распознавание лица работает в Windows 10 – установите нужное ПО и входите в систему без паролей, через визуальную верификацию;
  • Системы безопасности – в банках, аэропортах, городских департаментах внутренних дел (полиция), в государственных специальных службах. Даже на стадионах и в некоторых крутых ночных клубах технология используется для вычисления людей из «черного» списка – потенциальных буянов и дебоширов;

  • В крупных мировых парках-аттракционах. Например, в аквапарке Юрмалы Līvu Akvaparks пользователи запросто могут получить все фотографии со своим участием. Это и быстро, и неожиданно и очень ново;
  • Банки тоже оптимизируют свою деятельность, внедряя технологию распознавания лиц не только в работу банкоматов, но даже в операционную деятельность. Например, банк Открытие в своем мобильном приложении позволяет совершать перевод не по номеру карты, а по фотографии получателя.
  • Массовое использование опции началось чуть больше двух лет назад, а сегодня уже даже веб-сервисы успешно ее применяют. Например, в Яндекс распознавание лиц задействовано службой Яндекс.Фотки. Этот сервис теперь сам подсказывает кого можно отметить на фотографии. Прямо с именем, фамилией и ссылкой на профиль человека!
  • А вы можете продолжить список, какие еще устройства для распознавания лиц мы забыли упомянуть? Ок, мы продолжим сами: помимо вышеперечисленного оборудования, система присутствует в видеорегистраторах, камерах видеонаблюдения, в устройствах по контролю рабочего времени, в терминалах доступа, в домофонах, очках и т.д.

Насколько опасны такие программы?

Несмотря на очевидные плюсы технологии распознавания лиц, огромное количество пользователей интернета выражают серьёзное беспокойство о массовом использовании функции. Дело в том, что искусственный интеллект «собирает» наши личные данные.

Как думаешь, зачем?

С каждым новым сканированием фотографии или видеоролика информация об уникальных метриках сохраняется в базе данных искусственного интеллекта с целью его обучения. Но всегда есть риск, что хакер сможет взломать систему и украсть информацию о миллионах людей.

Приверженцы теорий заговора создают целые форумы, на которых проходит обсуждение гипотез о том, что распознавание лиц нужно для создания тотального контроля за людьми. Чем популярнее становится технология, тем невероятнее и эти теории заговора.

Главный вопрос к программам с функцией распознавания лица – каким образом они обеспечивают сохранность и неприкосновенность собранной информации?

Все очень просто.

Сбор персональных данных без согласия человека является незаконным. Однако, мы всегда нажимаем на кнопку «Я согласен» перед тем, как начать использование ПО или сайта

Никто не читает эти соглашения и не принимает во внимание тот факт, что личные данные передаются добровольно.

Пока на законодательном уровне большинства стран не придумали, как регулировать деятельность приложений для распознавания лица, поэтому остается надеяться только на надежных разработчиков, которые дорожат своей репутацией и никогда не станут продавать информацию о людях заинтересованной стороне.

Если вы опасаетесь незаконного сбора данных, советуем следовать нескольким шагам, которые обезопасят вас:

  • Не используйте никому неизвестные сервисы и старайтесь читать пользовательское соглашение. К примеру, в социальной сети Facebook можно найти человека по фото и такая авторитетная компания с большой вероятностью не станет дискредитировать себя распространением собранной информации. А вот неизвестный софт из магазина приложений без отзывов и с низким рейтингом может быть обычной фишинговой программой;
  • Если вы категорически против использования системы распознавания лица, её всегда можно отключить и поставить запрет на использование камеры. Пользователи смартфонов могут деактивировать функцию в настройках;
  • Нанесите специальный макияж. Сотрудники Яндекса придумали, как обмануть систему распознавания. Достаточно разукрасить лицо хаотичными линиями и точками.

Единственное, от чего не скроешься – это системы наружного наблюдения вашего города, которых становиться все больше и больше. Вряд ли кто-то будет ходить каждый день со специальным макияжем, поэтому есть высокая вероятность, что такие камеры отсканируют ваше лицо.

Полезная информация:

Советуем ознакомиться с программой Ivideon Server – это специализированная утилита для создания собственной системы видеонаблюдения. Соединение камер в системе происходит с помощью Интернет-соединения и облачного сервиса (с тем же названием). Однако есть возможность хранить записи локально.

Максимальный уровень безопасности и защита от поддельных идентификаций

Защита от поддельных идентификаций (антиспуфинг) — одна из важнейших задач всех видов биометрических технологий, включая и распознавание лиц. Использование фото или видео с изображением лица – самый простой и популярный способ пройти идентификацию. Чтобы защитить систему от таких ситуаций, нами был создан программный модуль обнаружения «живого» объекта, способный самосовершенствоваться благодаря алгоритмам самообучения. Обучение основывается на изучении различий между реальным человеком и фотографией или видео, таких как освещение, текстура и разрешение.

Система распознавания пользователей в соц сети

Распознавание лиц на загруженном фото

Пользователь загружает фото с любого клиента (с браузера или мобильных приложений iOS, Android), оно попадает на детектор, задача которого найти лица и выровнять их.

После детектора нарезанные и предобработанные лица попадают на нейросетевой распознаватель, который строит характеристический профиль лица пользователя. После этого происходит поиск наиболее похожего профиля в базе. Если степень похожести профилей больше граничного значения, то пользователь автоматически детектируется, и мы отсылаем ему уведомление, что он есть на фото.

Рисунок 1. Распознавание пользователей на фото

Перед тем, как запустить автоматические распознавание, нужно создать профиль каждого пользователя и заполнить базу.

Построение пользовательских профилей

Для работы алгоритмов распознавания лиц, достаточно всего одной фотографии, например аватарки. Но будет ли эта аватарка содержать фото профиля? Пользователи ставят на аватарки фотографии звёзд, а профили изобилуют мемасиками или содержат только групповые фотографии.

Рисунок 2. Трудный профиль

Рассмотрим профиль пользователя, состоящий только из групповых фотографий.
Определить владельца аккаунта (рис. 2) можно если учитывать его пол и возраст, а также друзей, профили которых были построены ранее.

Рисунок 3. Построение пользовательских профилей

Мы строили профиль пользователя следующим образом (Рис. 3):

1) Выбирали наиболее качественные фотографии пользователя

Если фотографий было слишком много, мы использовали не более ста лучших.
Качество фотографий определяли на основе:

  • наличия отметок пользователей на фото (фотопинов) ручным способом;
  • метаинформации фотографии (фото загружено с мобильного телефона, снято на фронтальную камеру, в отпуске, …);
  • фото было на аватарке

2) Искали на этих фотографиях лица

3) Вычисляли характеристический вектор лица

4) Производили кластеризацию векторов

Задача этой кластеризации – определить, какой именно набор векторов принадлежит владельцу аккаунта. Основная проблема – это наличие друзей и родственников на фотографиях. Для кластеризации мы используем алгоритм DBScan.

5) Определяли лидирующий кластер

Для каждого кластера мы считали вес на основании:

  • размера кластера;
  • качества фотографий, по которым построены эмбеддинги в кластере;
  • наличия фотопинов, привязанных к лицам из кластера;
  • соответствия пола и возраста лиц в кластере с информаций из профиля;
  • близость центроида кластера к профилям друзей, вычисленным ранее.

Коэффициенты параметров, участвующих в вычислении веса кластера обучим линейной регрессией. Честный пол и возраст профиля – отдельная сложная задача, об этом расскажем далее.

Чтобы кластер считался лидером, нужно чтобы его вес был больше ближайшего конкурента на константу, рассчитанную на обучающей выборке. Если лидер не найден, мы еще раз переходим к пункту 2, но используем большее число фотографий. Для некоторых пользователей мы сохраняли два кластера. Такое бывает для совместных профилей — некоторые семьи имеют общий профиль.

6) Получали эмбеддинги пользователя по его кластерам

Эмбеддинг пользователя – это центроид отобранного для него (лидирующего) кластера.
Строить центроиды можно множеством разных способов. После многочисленных экспериментов мы вернулись к самому простому из них: усреднение входящих в кластер векторов.

Как и кластеров, эмбеддингов у пользователя может быть несколько.

За время итерации мы обработали восемь миллиардов фото, проитерировали 330 млн профилей и построили эмбеддинги для трехсот миллионов аккаунтов. В среднем, для построения одного профиля мы обрабатывали 26 фотографий. При этом для построения вектора достаточно даже одной фотографии, но чем больше фото, тем больше наша уверенность, что построенный профиль принадлежит именно владельцу аккаунта.

Процесс построения всех профилей на портале мы производили несколько раз, так как наличие информации о друзьях повышает качество выбора кластера.
Объем данных необходимый для хранения векторов ~300 GB.

CyberWave — музыкальная визуализация через LiDAR

Без LiDAR данное приложение не работает. С помощью него же оно может создавать визуализацию музыкальных композиций в окружающем пространстве. Достаточно лишь включить программу и активировать воспроизведение любимых треков. Окружающий мир тут же начнет меняться через экран мобильного устройства.

Главное ограничение приложения: оно работает только с музыкой, которая не оснащена через DRM. Поэтому, увы, Apple Music в пролете.

Скачать CyberWave (бесплатно + покупки)

Используй лидар и держи свой айфон в красивом чехле:

️ Слева пластиковый Guess — 2 990 руб.
️ В центре кевларовый Pitaka — 5 990 руб.
️ Справа силиконовый Apple — 4 990 руб.


iPhones.ru

Полезные приложения для iPhone 12 Pro и iPad Pro, которые используют LiDAR.

Николай Грицаенко

Кандидат наук в рваных джинсах. Пишу докторскую на Mac, не выпускаю из рук iPhone, рассказываю про технологии и жизнь.

За технологией будущее?

Нужные для сканирования лица датчики требуют идеальной установки. Сдвиг на сотые доли миллиметра приведет к тому, что работа функции перестанет быть идеальной — поэтому при производстве смартфона может наблюдаться повышенный выход брака, а это приводит к росту его стоимости. Да и сами датчики стоят весьма дорого, неспроста их использует только компания Apple, хотя никаких патентов на них у неё нет.

Одним словом, пока функцию распознавания лиц производители «андроидов» будут реализовывать посредством фронтальной камеры. Уже сейчас её можно встретить в Samsung Galaxy S8 и Note 8. Но владельцы этих устройств подтвердят вам, что работает она не лучшим образом — легче использовать сканер отпечатков пальцев. Поэтому пока о будущем функции ничего сказать нельзя. Нужно ждать, будет ли Apple внедрять соответствующие датчики в более доступные смартфоны, а также появятся ли они в устройствах на базе Android.

IP-терминал TFR70-210: первый, кто узнает в лицо!

Представляет BEWARDwww.beward.ru

Решаемые задачи

IP-терминал TFR70-210 обеспечивает оперативный контроль доступа с применением технологии распознавания лиц. Благодаря технологии Bi-Scan процесс распознавания происходит исключительно точно с минимальным временем распознавания, даже при работе с большой встроенной базой лиц. Устройство поддерживает распознавание лица на расстоянии до 2 м со скоростью сопоставления менее 0,5 с при размере базы лиц в 24 000 пользователей.

Приоритетные характеристики

  • Технология BEWARD Bi-Scan.
  • Режимы прохода — лицо, карта, карта + лицо.
  • Это контроллер СКУД (имеется релейный выход), для наблюдения в полной темноте предусмотрена встроенная светодиодная подсветка белого цвета.

Хранение пользователей и событий

База пользователей должна храниться в контроллере априори, а без базы событий в устройстве не получится понять, что происходило при разрыве связи с ПО.

Режимы доступа

Различные режимы доступа могут комбинироваться между собой, обеспечивая двухфакторную идентификацию по признаку «карта + лицо». Также можно использовать маску как самостоятельный или дополнительный фактор верификации.

Оптическая и программная защита

Технология BEWARD Bi-Scan исключает возможность прохода по фото (распечатанного или с мобильного устройства). Функционал распознавания лиц работает автономно и не зависит от подключения к локальной сети или доступа в Интернет.

Интеграционные возможности

Для подключения к контроллерам СКУД имеются стандартные интерфейсы Wiegand-26 и 34 (вход и выход), а также релейный выход. Устройство может быть интегрировано в стороннее ПО СКУД по протоколам HTTP API и MQTT.

Экономическая эффективность

Простая эксплуатация, для работы терминала в небольших объектах вся настройка происходит через веб-интерфейс. Для крупных объектов предусмотрен полнофункциональный протокол интеграции HTTP API.

Появление на рынке Май 2020 г.Ценовой сегмент Средний

Применение «Face-Интеллекта»

В ритейле, ресторанах, барах, клубах

  • Безопасность, сокращение потерь: предупреждение службы безопасности о появлении нарушителей порядка или шоплифтеров.
  • Обслуживание: предупреждение персонала о приходе VIP-клиентов.
  • Маркетинг: подсчет общего количества посетителей и уникальных посетителей, исключая сотрудников. Оценка демографических характеристик аудитории — пола и возраста. Вывод статистических отчетов.
  • Контроль рабочего графика: фиксация входа и выхода сотрудников, построение отчетов учета рабочего времени.

Розыскные мероприятия, расследование инцидентов

Быстрый поиск видеозаписей с лицами, интересующими службу безопасности или правоохранительные органы, по фотографии, фотороботу или видеокадру.

На охраняемых объектах: позволяет выяснить, когда и где появлялся человек, что он делал на охраняемой территории.

В системах «Безопасный город»: позволяет определить места, в которых подозреваемый бывал регулярно, узнать, где он был замечен в последний раз.

Усиление контроля доступа

Человек подносит карту доступа к считывателю на проходной. «Face-Интеллект» сравнивает его лицо, захваченное камерой, с фотографией из базы данных СКУД. Доступ предоставляется автоматически (при заданной степени сходства), или решение принимает оператор (при низкой степени сходства). Один оператор может обслуживать несколько проходных.

Виды распознавания лиц

Предлагаем вам немного углубиться в техническую сторону вопроса. Какие на сегодняшний день существуют виды распознавания:

  • 2д-распознавание. В основе анализа биометрических данных лежат двумерные изображения – эта база данных в настоящий момент самая крупная. Однако, трехмерная идентификация ее уверенно догоняет.
  • 3д-распознавание. Этот подход предполагает конструирование для каждого образа трехмерной маски. Процесс более трудоемкий, но он превосходит предыдущий в точности анализа. Правда, на близняшках может споткнуться и выдать ошибку;

  • Метод анализа текстуры кожи. Способ предполагает использование снимков очень высокого разрешения, на которых отчетливо видна текстура человеческой кожи, вплоть до каждой линии или поры. Эта технология позволяет различать даже близнецов, но стоит она очень дорого;
  • В перспективе планируется запуск анализирования на основе тепловизионного очерка. Ожидается, что технология позволит распознавать лица в темноте, с сильным макияжем, накладными элементами.

Пароль

Здесь все просто. Ты создаешь пароль для входа и его надо будет вводить каждый раз. Может работать в связке с датчиком отпечатка пальца или распознаванием по лицу. Вводить пароль через клавиатуру на телефоне, не всегда удобно. Безопасность зависит от того, какая температура у паяльника, который сейчас торчит у тебя из задницы.

Так какой же способ наиболее безопасен? Хуй его знает. Однозначно могу сказать только то, что пин код или графический ключ лучше пароля. Отпечаток пальца лучше, чем распознавание по лицу. Сканер отпечатка сетчатки глаза — сразу нахуй. Только если ты не Джеймс Бонд, конечно.

На это я все. Пис.

Сканер сетчатки глаза

Сканер сетчатки глаза не очень распространенная технология. На момент написания статьи, ею пользовалась только корпорация Samsung и то, только в премиальных телефонах Galaxy S8, Note 8, S9, Note 9. Скорость срабатывания через этот датчик — говно. Чтобы хоть как-то ускорить это, в моделях Galaxy S9 и выше помимо сетчатки глаза, распознавалось еще одновременно и лицо. Но по факту, скорость осталась той же. Из плюсов нужно отметить, что датчик хорошо срабатывает в темноте, но там надо под каким-то хитровыебанным углом поставить свое лицо, чтобы попасть аккурат на датчик, а также высокую безопасность датчика. Так что это все спорно. Samsung, скорее всего, скоро откажется от него.

Поиск человека по фото с телефона

Вы довольно часто используете телефон, для фото или общения? Тогда вам пригодятся приложения, которые помогут в кротчайшие сроки найти похожий предмет и человека. Сейчас будет рассказано, как осуществить поиск человека по фото с телефона. Сколько способов поисков существует? Достаточно много начиная от простого использования гугл и заканчивая установкой приложения, для быстрого распознавания и проверки похожих фотографий. Далее следует список.

Alice помощник – это робот написанный компанией яндекс, который умеет распознавать речь человека, и более того, этот бот неплохо отличает изображения полученные из интернета.

Чтобы им воспользоваться и начать поиск, сделайте следующие действия:

Сделайте снимок предмета или человека, с мобильного устройства. Если у вас уже есть подготовленное изображение, выберите его из памяти, щёлкнув на соответствующую иконку внизу экрана. Второй способ проще активировать Алису и сказать “Алиса, сделай фото”. Робот сделает снимок и сможет определить, распознать объект и даже найти его в поисковой системе.

CamFind – простая программа, после установки автоматически активируется, если это не произошло, нажмите на “Capture” внизу экрана. Дальше жмём кнопку захват, после этого картинка отправится на сервер данного приложения с последующей обработкой. Когда она завершится, высветятся результаты поиска:

  • Google Lens – возможно устанавливается не на всех устройствах, поэтому чтобы проверить, поддерживает ли версия андроид это приложение, перейдите Google Assistant и посмотрите, появилась ли иконка “Гугл Ленс” слева от камеры. В некоторых моделях программа доступна через приложения камеры, там так же есть специальная иконка. При нажатии Google Lens, будет готов искать рисунки. Теперь главное, как работает. В отличие от всех остальных похожих сервисов, он ищет сразу, как только вы сделаете снимок и определяет, какой предмет попал в кадр. Есть несколько дополнительных фишек, например, вы сфоткали текст, то его сразу можно скопировать, если email, то отправить по нему письмо.
  • Image Search – более удобный сервис, особенными качествами не наделён, просто сравнивает и отображает похожие изображения в специальной секции.

Воспользуйтесь им и найдите то, что нужно.

iOS-приложение Reversee – ищет фото в поисковиках. Умеет искать в трёх направлениях:

  • Веб-страницы
  • Профиль в соц. Сетях
  • Показать улучшенную копию изображения

Возможности у приложения шире.

  • Фоторедактор –поворачивает, а также может обрезать картинку
  • Использует, только стандартно, ПС, но можно настроить под Bing и Яндекс.
  • Настраиваются параметры – формат и размер по которому нужно сделать поиск.
  • Постинг в соц. сетях, и отправка на email.
  • Результат может быть сохранён на айфон.

В статье были перечислены, все известные способы нахождения людей. Надеюсь материал был полезен. Предлагаю подписаться на рассылку блога и посмотреть видео где автор круто применяет технологию поиска в чат рулетке на своем канале.

Реализация

Переходим к практике.

В реализации мы будем использовать Keras и Tensorflow. Кроме того, мы используем два файла утилиты из репозитория deeplayning.ai, чтобы абстрагироваться от взаимодействий с сетью FaceNet.

  • fr_utils.py содержит функции для подачи изображений в сеть и получения кодирования изображений;
  • inception_blocks_v2.py содержит функции для подготовки и компиляции сети FaceNet.

Компиляция сети FaceNet

Первое, что нам нужно сделать, это собрать сеть FaceNet для нашей системы распознавания лиц.

import os
import glob
import numpy as np
import cv2
import tensorflow as tf
from fr_utils import *
from inception_blocks_v2 import *
from keras import backend as K
K.set_image_data_format('channels_first')
FRmodel = (input_shape=(3, 96, 96))
def triplet_loss(y_true, y_pred, alpha = 0.3):
    anchor, positive, negative = y_pred, y_pred, y_pred

    pos_dist = tf.reduce_sum(tf.square(tf.subtract(anchor,
               positive)), axis=-1)
    neg_dist = tf.reduce_sum(tf.square(tf.subtract(anchor, 
               negative)), axis=-1)
    basic_loss = tf.add(tf.subtract(pos_dist, neg_dist), alpha)
    loss = tf.reduce_sum(tf.maximum(basic_loss, 0.0))
   
    return loss
FRmodel.compile(optimizer = 'adam', loss = triplet_loss, metrics = )
load_weights_from_FaceNet(FRmodel)

Мы начнем инициализпцию нашей сети со входа размерности (3, 96, 96). Это означает, что картинка передается в виде трех каналов RGB и размерности 96×96 пикселей.

Теперь давайте определим Triplet Loss функцию. Функция в сниппете кода выше удовлетворяет уравнению Triplet Loss, которое мы определили в предыдущей секции.

Если вы не знакомы с фреймворком TensorFlow, ознакомьтесь с документацией.

Сразу после того, как мы определили функцию потерь, мы можем скомпилировать нашу систему распознавания лиц с помощью Keras. Мы будем использовать для минимизации потерь, подсчитанных с помощью функции Triplet Loss.

Подготовка базы данных

Теперь когда мы скомпилировали FaceNet, нужно подготовить базу данных личностей, которых сеть будет распознавать. Мы будем использовать все изображения, которые лежат в директории images.

Замечание: мы будем использовать по одному изображения на человека в нашей реализации.  FaceNet достаточно мощна, чтобы распознать человека по одной фотографии.

def prepare_database():
    database = {}
    for file in glob.glob("images/*"):
        identity = os.path.splitext(os.path.basename(file))
        database = (file, FRmodel)
    return database

Для каждого изображения мы преобразуем данные изображения в 128 float чисел. Этим занимается функция img_path_to_encoding. Функция принимает на вход путь до изображения и «скармливает» изображение нашей распознающей сети, после чего возвращают результаты работы сети.

Как только мы получили закодированное изображения в базе данных, сеть наконец готова приступить к распознаванию!

Распознавание лиц

Как уже обсуждалось ранее, FaceNet пытается минимизировать расстояние между схожими изображениями и максимизировать между разными. Наша реализация использует данную информацию для того, чтобы определить, кем является человек на новой картинке.

def who_is_it(image, database, model):
    encoding = (image, model)
    
    min_dist = 100
    identity = None
    
    # Loop over the database dictionary's names and encodings.
    for (name, db_enc) in database.items():
        dist = np.linalg.norm(db_enc - encoding)
        print('distance for %s is %s' %(name, dist))
        if dist < min_dist:
            min_dist = dist
            identity = name
    
    if min_dist > 0.52:
        return None
    else:
        return identity

Загружаем новое изображение в функцию img_to_encoding. Функция обрабатывает изображения, используя FaceNet и возвращает закодированное изображение. Теперь мы можем сделать предположение о наиболее вероятной личности этого человека.

Для этого подсчитываем расстояние между полученным новым изображением и каждым человеком в нашей базе данных. Наименьшая дистанция укажет на наиболее вероятную личность человека.

Наконец, мы должны определить действительно ли совпадают личности на картинке и в базе. Следующий кусок кода как раз для этого:

 if min_dist > 0.52: 
     return None 
 else:
     return identity

Магическое число 0.52 получено методом проб и ошибок. Для вас это число может отличатся, в зависимости от реализации и данных. Попробуйте настроить самостоятельно.

На GitHub есть демо работы полученной сети, с входом от простой вебкамеры.

Как работает разблокировка по лицу в современном телефоне на примере Pixel 4?

Инфракрасная камера не видит привычный человеческому глазу свет, поэтому любые источники света для такой камеры не существуют. Свет для такой камеры исходит от специального мини-прожектора Flood Illuminator. Возле него в противоположных углах устройства располагаются две инфракрасные камеры. Рядом с ними располагается проектор точек, он проецирует точки на лицо пользователя.

Чтобы оценить работу проектора точек, автор видеоролика взял iPhone жены, так как Pixel 4 в момент съемки не может использовать разблокировку.

iPhone проецирует на лицо человека 30 тысяч точек. Сразу и не скажешь, однако можно заметить, что они спроцесировались даже на стену сзади, что говорит о широкой области действия такого проектора, что позволит разблокировать устройство на большом расстоянии и под большим углом.

В iPhone используется обычная разблокировка, в Pixel 4 речь идёт о 3D-разблокировке именно благодаря наличию двух инфракрасных камер. За счёт разницы в расстоянии между ними устройство может создавать карту глубины, что делает разблокировку по лицу точнее.

Именно поэтому в Pixel 4 верхняя рамка расположилась на всю ширину экрана — им нужно было добиться максимальной точности в распознавании за счёт более точной карты глубины, а чем камеры дальше друг от друга, тем более точной и объемной окажется карта глубины.

Забавно, но инфракрасная камера не способна видеть краски картины. А вот с современными кухонными плитами всё иначе:

Вот так выглядит современная индукционная плитка, снятая на IR-камеру

Оценить, как видят привычные объекты инфракрасные камеры, можно в этом видео:

Самым интересным может показаться красное вино, которое в инфракрасной камере выглядит как вода.

Почему же именно IR-камеры? Дело в том, что они способны работать при любом видимом человеку освещении. Видимый свет не может ослепить такую камеру, а отсутствие света ей не помеха при наличии собственного невидимого человеческому глазу источника света. Простыми словами, IR-камеры могут видеть в полной темноте. IR-проектор в смартфонах излучает инфракрасный свет определённой длины волны. Чтобы он не был заметен человеческому глазу, используют длины волн 850 нм и 940 нм.

Вот так работает FaceID в iPhone. Принцип работы полностью схож с тем, как работает разблокировка лица в Pixel 4.

PicTriev — онлайн сервис поможет найти человека по фото

Фото загружается на сервис PicTriev в виде файла либо URL-ссылки. В итогах поиска показаны процент принадлежности к мужскому либо женскому типу лица, а также предполагаемый возраст. Результаты могут сильно не совпадать.

Данный сервис интересен тем, что показывает, насколько человек похож на знаменитостей, список которых находится чуть ниже. Точность результата зависит от качества изображения и ракурса изображенного на ней лица. Различные фото 1-го и того же человека могут дать абсолютно разные результаты. Требования к изображениям на сервисе PicTriev расположены внизу. Там же находится и выбор языка из нескольких доступных.

Пример 5. Интернет-банкинг и банкоматы

Еще одной нишей, в которой обосновалось распознавание лиц, является банковская сфера. Здесь внедрение новых технологий проходит интенсивно, поскольку финансовый сектор больше других заинтересован в достоверности и сохранности персонифицированной информации.

Сегодня биометрия постепенно начинает, если не вытеснять привычные и устоявшиеся «бумажные» документы, то идти с ними вровень. При этом существенно повышается степень защиты при проведении платежей: для подтверждения транзакции достаточно посмотреть в камеру своего смартфона. При этом сами биометрические данные никуда не передаются, соответственно, перехватить их невозможно.

С появлением высокопроизводительных графических процессоров (GPU) и сверхкомпактных аппаратных платформ на их базе – таким как NVIDIA Jetson – распознавание лиц начало внедряться в банкоматы. Теперь снять наличные или провести операции по счету может только владелец карты, например, через банкоматы Тинькофф-банка. А PIN-код скоро может уйти на пенсию.

Материалы по теме:

Заключение

Обнаружение лиц — это мощный функционал, а ML Kit делает его доступным и позволяет разработчикам выполнять с его помощью более сложные функции, такие как распознавание лиц, что выходит за рамки простого обнаружения: важно не только обнаружить лицо, но и определить, чьё оно. Скоро в Ml Kit планируют добавить новую функцию — распознавание контура лица

С её помощью можно будет обнаруживать более 100 точек вокруг лица и быстро обрабатывать их. Это потенциально может быть полезно в приложениях с использованием объектов дополненной реальности или виртуальных стикеров (таких как Snapchat). Вместе функционалом обнаружения лиц можно будет создать много интересных приложений

Скоро в Ml Kit планируют добавить новую функцию — распознавание контура лица. С её помощью можно будет обнаруживать более 100 точек вокруг лица и быстро обрабатывать их. Это потенциально может быть полезно в приложениях с использованием объектов дополненной реальности или виртуальных стикеров (таких как Snapchat). Вместе функционалом обнаружения лиц можно будет создать много интересных приложений.

Оцените статью
Рейтинг автора
5
Материал подготовил
Андрей Измаилов
Наш эксперт
Написано статей
116
Добавить комментарий