Menü

Yüz Tanıma

Yüz Tanıma
Yüz Tanıma

Yüz Tanıma Nedir?

Covid-19 salgını sadece yaşamları değil, aynı zamanda çeşitli teknolojilerin işleyişini de bozdu. Yeni dünya düzeninde şüphesiz en büyük darbeyi temas gerektiren teknolojiler aldı. Temaslı biyometrik teknolojiler sadece enfeksiyonu yaymak için taşıdığı risk göz önüne alındığında gereksiz olmakla kalmaz aynı zamanda ölümcül olabilir.

Temaslı biyometrik teknolojiler , birçok uygulamaya yayılmış, onlarca yıldır yaygın olarak kabul edilen bir biyometri şeklidir. Bu, işyerlerinde personel katılımının belirlenmesi, devlet dairelerinde kimlik kaydı ve çeşitli yerlerde giriş kimlik doğrulamasını içerir. Bu uygulamalar fiziksel teması azaltmak ve Covid-19'un yayılmasını önlemek için daha az tercih edilir olmaktadır.

Her ne kadar temaslı teknolojinin geri planda kalmasına sebep olsa da, AI tabanlı biyometrik teknolojilerin geliştirilmesi ve iyileştirilmesi için fırsatları da tetikledi. Her ne kadar bazı şirketler geçiş için başka çözümler arasa da, şu anda birçok şirket ve hükümet tarafından keşfedilen birincil seçenek yüz tanımadır.

Karantina önlemleri hafifletilmeye başlandığında hijyen endişelerinin zirveye çıkması beklenirken, kamusal kullanım için temas biyometrik cihazlarının sonlandırılması muhtemeldir. Bu, işyerleri gibi kalabalık işyerlerinde ortaya çıkabilecek zorluklar göz önüne alındığında beklenmektedir.

Virüs bulaşan bir çalışan temaslı bir tarayıcı kullanıyorsa, felaketli bir domino etkisi tetikler. Meslektaşları aynı tarayıcıyı kontrol ettiklerinde, dokundukları tüm yüzeyleri enfekte eden virüs taşıyıcıları olacaklardır. Ve koronavirüsün herhangi bir metalik veya plastik yüzeyde birkaç saat hayatta kalabileceği göz önüne alındığında, bu çok hızlı bir şekilde yükselebilir.

Hükümetlerin tüm ofislerde temaslı kimlik doğrulamasını askıya alması şaşırtıcı değil . Ve bu, devletler tarafından talimat verilen birkaç protokolden biri olsa da, bazıları yapay zeka destekli alternatifleri araştırıyor.

 

Yüz Tanıma Uygulaması Nasıl Çalışır?

Yüz tanıma uygulaması, bir insan yüzündeki 80 düğüm noktasını belirler. Düğüm noktaları, bir kişinin yüzündeki burnun uzunluğu veya genişliği, göz yuvalarının derinliği ve elmacık kemiklerinin şekli gibi değişkenleri ölçmek için kullanılan uç noktalardır. Sistem, bireyin yüzünün dijital görüntüsünde düğüm noktaları için veri yakalayarak ve elde edilen verileri bir ön yüz olarak saklayarak çalışır. Ön yüz, daha sonra bir görüntü veya videodaki yüzlerden yakalanan verilerle karşılaştırma için bir temel olarak kullanılır.

Yüz tanıma sistemi sadece 80 düğüm noktası kullansa da, koşullar uygun olduğunda hedef bireyleri hızlı ve doğru bir şekilde tanımlayabilir. Ancak, öznenin yüzü ileriye dönük olmak yerine kısmen gizlenmişse veya yan profilde bulunuyorsa, bu tür durumlar yazılımları etkileyebilir. 

Mobil cihazlardaki yüksek kaliteli kameralar, yüz tanımayı kimlik doğrulama ve kimlik doğrulama için uygun bir seçenek haline getirmiştir. Örneğin, Apple'ın iPhone X ve X'leri, kullanıcıların telefonlarının telefonunun kamerasıyla eşleştirilmiş bir ön yüzle telefonlarının kilidini açmasını sağlayan Face ID teknolojisini içeriyor. Telefonun,  fotoğraflar veya maskeler tarafından sahtekarlığa karşı direnmek için 3 boyutlu modelleme ile tasarlanmış olan yazılım,  30.000'den fazla değişkeni yakalar ve karşılaştırır. Face ID, Apple Pay ile ve iTunes Store, App Store ve iBooks Store'da satın alımların kimliğini doğrulamak için kullanılabilir. Apple faceprint verilerini bulutta şifreler ve saklar, ancak kimlik doğrulama doğrudan cihazda gerçekleşir. 

Havaalanlarındaki akıllı reklamlar artık yoldan geçenlerin cinsiyetini, etnik kökenini ve yaklaşık yaşını belirleyebilir ve reklamı kişinin demografisine hedefleyebilir.

Facebook, fotoğraflardaki kişileri etiketlemek için yüz tanıma yazılımı kullanır. Bir kişi bir fotoğrafta her etiketlendiğinde, yazılım o kişinin yüz özellikleriyle ilgili harita bilgilerini saklar. Yeterli veri toplandıktan sonra, yazılım bu bilgileri yeni bir fotoğrafta göründüğünde belirli bir kişinin yüzünü tanımlamak için kullanabilir. İnsanların gizliliğini korumak için, Fotoğraf İnceleme adlı bir özellik, tanımlanmış olan Facebook üyesini bilgilendirir. 

Diğer yüz tanıma örnekleri arasında genellikle selfie ödeme olarak adlandırılan yüz tanıma ödeme yöntemlerini uygulayan Amazon, MasterCard ve Alibaba sayılabilir  . Google Arts & Culture uygulaması, gerçek bir kişinin yüzünü bir portre yüzüyle eşleştirerek müze doppelgangerlarını tanımlamak için yüz tanıma özelliğini kullanır.

Geliştiriciler, bir uygulamaya yüz tanıma ve analiz özellikleri eklemek için Amazon AI paketinin bir parçası olan bir görüntü analiz hizmeti olan Amazon Rekognition'ı kullanabilirler. Google, Google Cloud Vision API'sı ile benzer bir özellik sunar. Yüzleri algılamak, eşleştirmek ve tanımlamak için makine öğrenimini kullanan teknoloji, eğlence ve pazarlama da dahil olmak üzere çok çeşitli şekillerde kullanılmaktadır. Kinect  hareket oyun  sistemi, örneğin, oyuncular arasında ayrım yapmak için yüz tanıma özelliğini kullanır.

 

Yüz Tanıma Sisteminin Teknik Özellikleri Nelerdir?

Yüz Tanıma, tam otomatik sistem veya yarı otomatik sistem olarak uygulanabilir. İlkinde, insan müdahalesi gerekmez, ancak ikincisinde, bir dereceye kadar zorunludur. Bir Yüz Tanıma cihazı dağıtılırken kullanılacak tercih edilen yöntem budur.

Bu modalite, yüzün bu belirgin özelliklerinin mesafelerini merkezi bir noktadan (yüzün herhangi bir yerinde olabilen) ölçer ve çıkarır.

  1. Kaşlar arasındaki sırtlar

  2. Elmacık kemikleri arasındaki mesafeler

  3. Ağzın kenarları

  4. Gözler arasındaki mesafeler

  5. Burnun uzunluğu ve genişliği

  6. Kontur ve çene çizgisinin profili

  7. Çenenin uzunluğu ve genişliği.

Ham görüntü toplama işlemini başlatmak için, kişinin yüzünün birden fazla görüntüsünün yakalanması için önce Yüz Tanıma kamerasının önünde durması gerekir. Bunlar daha sonra benzersiz özelliklerin çıkarıldığı bir ana görüntüde derlenir.

Ancak, bu yapılmadan önce, ana görüntü daha ayrıntılı bir şekilde hizalanmalı veya daha fazla normalleştirilmelidir.

Bu işlemde yer alan tekniklerden bazıları, yüzün ana görüntünün ortasında olacak şekilde ayarlanmasını veya söz konusu yüzün boyutunun ve açısının daha da ince ayarlanmasını içerir. Bunların hepsi özel matematik algoritmaları kullanılarak yapılır.

Son bölümde tartışıldığı gibi bazı engelleri telafi etmeye yardımcı olmak için 3-B Görüntüleme olarak bilinen bir yöntem kullanılmaktadır. Bununla, halihazırda mevcut olan 2 boyutlu bir görüntüden yüzün bir şekli oluşturulur. Buradan sonuç, herhangi bir 3-B düzlemine uygulanabilen bir yüz modelidir.

Yüz tanıma sistemlerine olan yaygın güvenilmezlik dereceleri nedeniyle, Uluslararası Bilgi Teknolojisi Komitesi (INCITS) sistemin güvenirliğini garanti etmek için bazı oldukça katı gereklilikler ortaya koymuştur. Bu şartlar şu şekildedir:

  1. Yüzün ham görüntüleri kafanın tüm bir bileşimini içermeli ve bireyin tam bir saç kafasına sahip olması gerekir. Ayrıca, yakalanan ham görüntüler aynı zamanda boyun ve omuz profillerini de içermelidir.

  2. Ham görüntülerin yuvarlanması, eğimi ve sapması, en az artı veya eksi 5 derece dönüş varyansına sahip olmalıdır.

  3. Yüzün ham görüntülerini yakalamak için sadece düz ve dağınık aydınlatma kullanılmalıdır.

  4. Ham görüntülerde bulunan her türlü gölge, benzersiz özelliklerin çıkarılması için önce kırpılmalıdır.

3 boyutlu görüntüleme kullanılıyorsa, aşağıdaki özelliklere kesinlikle uyulmalıdır

  1. Stereo görüntüleme en az iki farklı kamera seti kullanmalı ve sabit bir mesafeye monte edilmelidir.

  2. Yapısal aydınlatma kullanılıyorsa, yüz tanıma sistemi kişinin yüzüne iyi tanımlanmış, ışık demeti yakmalıdır. Bu, yüzün benzersiz özelliklerinin çeşitli derinlik seviyelerinin hesaplanmasına yardımcı olacaktır.

  3. Lazer tarayıcılar en sağlam algılama şekline sahip olsalar da, yalnızca gerektiği şekilde kullanılmalıdır. Bunun nedenleri, uygulanması çok maliyetli olmaları ve aynı zamanda yüzün ham görüntülerini yakalamak ve işlemek için çok yavaş olmalarıdır. Örneğin, bu işlemin tamamlanması 30 saniye kadar sürebilir.

  4. Mümkün olan en iyi ham görüntüleri yakalamak için farklı kombinasyonlarda hem stereo görüntüleme hem de yapılandırılmış aydınlatma kullanabildiğinden, hibrit sensörler lazer tarayıcılar kullanılarak tercih edilmelidir.

Ayrıca, tüm yüz tanıma sürecinin, yüzün belirli bir çerçevedeki konumu ile başlaması zorunludur. Cihazı başlatmak için, cilt renginin algılanması ve kafanın dönüşü ve şekli gibi çeşitli ipuçları ve tetikleyiciler uygulanabilir.

Bu gereksinimler, Yüz Tanıma'nın diğer Biyometrik yöntemlerle aynı güvenilirlik düzeyinde olabilmesi için uygulanmış olsa da, bu yaklaşımlarla ilgili bazı ciddi sınırlamalar vardır.

 

Yüz Tanıma Teknikleri

Yüz görüntüsünün sadece bir çerçevede tespit edilebildiği bir ortamı teşvik etmek için çeşitli teknikler geliştirilmiştir ve iki kategoriye ayrılabilir.

  1. Görünüşe Dayalı Yüz Tanıma Teknikleri

  2. Model Tabanlı Yüz Tanıma Teknikleri

 

Görünüşe Dayalı Yüz Tanıma Teknikleri

Bu teknikle, bir yüz, yalnızca tek bir görüntüye dayandırılabilen birkaç farklı nesne görünümünde temsil edilebilir ve burada hiçbir 3D modeli kullanılmaz. Bu kategoride kullanılan iki yöntem PCA ve Doğrusal Diskriminant Analizini (LDA) içerir.

 

PCA

Bu, Yüz Tanıma'nın ilk geliştiği 1988'e kadar uzanan doğrusal bir tekniktir. “Özyüzler” kavramı burada kullanılmaktadır. Bunlar sadece gri tonlama özelliklerinden oluşan 2 boyutlu spektral yüz görüntüleridir. Yüz Tanıma sisteminin veritabanına girebilen yüzlerce Özyüz vardır.

Yüzün ham görüntüleri toplandığında, bu Özyüzler kütüphanesi üstlerine bindirilir. Bu noktada, Özyüzler ve ham görüntüler arasındaki varyansların seviyesi hesaplanır ve ortalaması alınır. Daha sonra farklı istatistiksel ağırlıklar atanır.

Bu işlemin sonucu, Yüz Tanıma sistemi tarafından daha fazla işlenen yüzün 1 Boyutlu bir görüntüsüdür. Matematiksel olarak, PCA sadece yüzün ham görüntülerinin geometrik bir koordinat sistemine dönüştürüldüğü doğrusal bir dönüşümdür. Bunu göstermek için bir çeyrek sistem hayal edin.

En büyük istatistiksel varyansa sahip veri seti, çeyrek sistemin ilk koordinatında (buna “birinci PCA” olarak da adlandırılır) yatmaktadır, ikinci en büyük istatistiksel varyansa sahip bir sonraki veri seti daha sonra ikinci koordinata düşer. Bu işlem daha sonra yüzün 1 boyutlu görüntüsü oluşturulana kadar azalan şekilde devam eder.

PCA metodolojisi ile ilgili en büyük dezavantaj, yüzün tam bir ön görüntüsünü gerektirmesidir. Bu nedenle, bireyin genel yüz yapısında (kilo kaybı veya kilo alımı gibi) herhangi bir değişiklik varsa, Özyüzlerin tam bir yeniden hesaplanması gerekir.

 

Doğrusal Ayırım Analizi (LDA)

Bu metodoloji ile yüzün görüntüsü bir vektör uzayına yansıtılır. Bunun temel amacı, yakalanması gereken toplam yüz özelliği sayısını önemli ölçüde azaltarak Doğrulama ve / veya Tanımlama işleminin işlem sürelerini hızlandırmaktır.

LDA metodolojisinin arkasındaki matematik, tek bir ham veri noktası ile tek bir ham veri kaydı arasında meydana gelen varyasyonların seviyesini hesaplamaktır. Bu spesifik hesaplamalara dayanarak, doğrusal ilişkiler daha sonra tahmin edilir ve formüle edilir. Şimdiye kadar, bu metodolojiyi kullanmanın en büyük avantajı, dış ortamdan aydınlatma farklılıklarını dikkate alabilmesidir.

Bu doğrusal ilişkiler belirlendikten sonra, karşılık gelen piksel değerleri yakalanır ve istatistiksel olarak çizilir. Bunun sonucu, “Balıkçı Yüzü” olarak da adlandırılan yüzün hesaplanmış ham bir görüntüsüdür. Bunları barındırmak için, dezavantaj olabilecek son derece büyük bir veritabanı gereklidir.

 

Model Tabanlı Yüz Tanıma Teknikleri

Elastik Demet Grafik Eşleme (EBGM)

Bu teknikle, kullanılan birincil yöntem Elastik Demet Grafik Eşleştirme yöntemidir (EBGM). Bu, dış ortamdaki aydınlatma farklılıkları gibi değişkenlerin yanı sıra bireyin yüz ifadeleri ve pozlarındaki farklılıkları içeren yüzün doğrusal olmayan matematiksel ilişkilerini inceler.

İşlemi başlatmak için önce bir yüz haritası oluşturulur. Bu haritada oluşturulan görüntü, yüzün önemli özelliklerinde bulunan çeşitli düğümlerle birlikte, sadece bir grafik dizisidir. Bunlar gözleri, dudakların kenarlarını, burnun uçlarını, vb. İçerir. Bu ilgili özellikler daha sonra 2-D mesafeye dayalı vektörler haline gelir ve Gabor matematiği daha sonra yüz görüntüsünde her vektörün varyanslarını ölçmek ve hesaplamak için kullanılır.

Sonunda, beşe kadar uzamsal frekans ve sekiz adede kadar farklı yüz yönü formüle edilebilir. EBGM metodolojisini kullanmanın ana avantajlarından biri, tam bir yüz görüntüsü gerektirmemesidir, ancak yüz haritasının büyük bir hassasiyetle oluşturulması gerekir.

 

Yüz Tanıma Teknolojisinin Kullanım Alanları

Yüz tanıma, güvenlikten reklamlara kadar çok sayıda uygulama için kullanılabilir. Bazı örnek kullanım örnekleri şunları içerir:

  • Apple gibi cep telefonu üreticileri tüketici güvenliği için.

  • Hükümet vizelerini geçebilecek kişileri belirlemek için İç Güvenlik Bakanlığı aracılığıyla havaalanlarında.

  • Yerel, eyalet ve federal kaynaklardan gelen veritabanlarıyla karşılaştırmak için

  • Fotoğraflarda bireyleri etiketlemek için Facebook gibi (sosyal medya).

  • İşletmeler, binalarına girmek için yüz tanıma işlevini kullanabildiklerinden (iş güvenliği).

  • Pazarlamacıların belirli kitleleri hedeflemek için yaş, cinsiyet ve etnik köken belirlemek için.

 

Yüz Tanıma Teknolojisinin Yararları

Yüz tanıma kullanımı ile birlikte, aşağıdakileri içeren bir dizi potansiyel fayda sağlar:

  • Bir kişinin elinde kir varsa düzgün çalışmayabilecek olan parmak izi tarayıcıları gibi diğer temas tabanlı biyometrik kimlik doğrulama tekniklerine kıyasla kimlik doğrulama için bir cihazla fiziksel olarak iletişim kurmaya gerek yoktur.

  • Geliştirilmiş güvenlik seviyesi.

  • Diğer biyometrik kimlik doğrulama tekniklerine kıyasla daha az işlem gerektirir.

  • Mevcut güvenlik özellikleriyle entegrasyonu kolaydır.

  • Okumaların doğruluğu zamanla artmıştır.

  • Kimlik doğrulamanın otomatikleştirilmesine yardımcı olmak için kullanılabilir.

Güvenlik ve gizlilikle ilgili endişeler

Şu anda, bir bireyin biyometrik verilerini özel olarak koruyan hiçbir yasa yoktur. Yüz tanıma sistemleri şu anda havaalanı güvenliği için incelenmekte veya kullanılmaktadır ve dünya nüfusunun yarısından fazlasının zaten ön yüzünün yakalandığı tahmin edilmektedir. Bir yüz tanıma sisteminden alınan veriler yakalanabilir ve saklanabilir, ancak ilgili kişiler bunu bilmeyebilir. Bu bilgilere daha sonra bir bilgisayar korsanı ve bireyin bilgisi hiç bilmeden yayılabilir. Bu veriler Devlet kurumları veya reklam verenler tarafından bireyleri izlemek için de kullanılabilir.


 

    Sunduğumuz Ürün ve Hizmetler

Detaylı Bilgi ve Fiyat Teklifi İçin Sizi Arayalım