شناسایی چهره برای مدیریت هویت و دسترسی (IAM) داغ، داغ، داغ است! دولتها و شرکتها منابع عظیمی را اختصاص میدهند و کارشناسان پیشبینی میکنند که این بازار تا $7.0 میلیارد تا سال 2024 ارزش خواهد داشت. چرا؟ زیرا بسیار دقیق، آسان برای پیادهسازی و اجرا، بدون اصطکاک برای کاربر و نتایج سریعی را ارائه میدهد.
چه فناوری شناسایی چهره (FRT) برای شناسایی یک فرد در جمعیت استفاده شود و چه برای احراز هویت یک کاربر برای دسترسی به شبکه، فرآیند اصلی همیشه یکسان است. ابتدا، یک الگوی دیجیتال از یک چهره از یک تصویر زنده با اندازهگیری ویژگیهای خاصی مانند فاصله بین چشمها و عرض بینی ایجاد میشود. این در یک پایگاه داده ذخیره میشود.
برای شناسایی یا احراز هویت، اولین کار به سادگی تشخیص یک چهره از یک عکس یا ویدیو زنده است. دوم، تنظیماتی برای نور، موقعیت و سایر متغیرها انجام میشود. سوم، الگوریتمها بهطور ریاضی همان اندازهگیریهایی را که برای ایجاد الگو استفاده شده استخراج میکنند. در نهایت، برنامه به دنبال تطبیق یا تأیید چهره در برابر تصاویر موجود در پایگاه داده است.
چالشهای فناوری شناسایی چهره
حس مشترک میگوید که سخت است چهرهتان را جعل کنید، اما سیستمهای FRT میتوانند با استفاده از یک ماسک چهره چاپ شده سهبعدی یا حتی آرایش شدید فریب داده شوند. به عنوان مثال، درخشش بینایی کامپیوتری (CV) یک استراتژی است برای تلاش برای فریب FRT با استفاده از آرایش و الگوهای پیچیده مو که بخشهایی از چهره را میپوشاند تا تصاویر کامپیوتری غیرقابل شناسایی ایجاد کند. همچنین ممکن است برای FRT چالشبرانگیز باشد که به اثرات پیری، رنگهای پوست تیرهتر یا شرایط نوری ضعیف سازگار شود. همچنین مهم است که مسائل غیر فنی مانند استدلالهای قانونی علیه فناوری که حریم خصوصی و رضایت را نقض میکند، شناسایی شود در حالی که برخی دیگر خواستار افزایش مقررات و نظارت بیشتر هستند. علاوه بر این، برخی افراد فقط احساس میکنند که این فناوری ترسناک و نگرانکننده است.
سرمایهگذاری در فناوری شناسایی چهره در حال رشد است
با وجود موانع، بازار FRT به شدت در حال رشد است و بهواسطه پذیرش در تقریباً تمام بخشهای صنعت و دولت به اوج خود رسیده است. فقط یک نمونه: سرمایهگذاری از سوی نیروهای انتظامی فدرال، ایالتی و محلی ایالات متحده انتظار میرود از $136.9 میلیون در سال 2018 به $375 میلیون تا سال 2025 افزایش یابد. سازمانهای بهداشتی به طور فزایندهای از FRT برای شناسایی کارکنان و بیماران، پیگیری دقیق استفاده بیماران از دارو و حمایت از مدیریت درد استفاده میکنند. خردهفروشان از این فناوری برای شناسایی دزدان مغازه شناخته شده و تحلیل الگوهای خرید مشتریان استفاده میکنند. فرودگاهها در حال تعویض بلیطهای سوار شدن با بیومتریکهای چهرهای هستند. و این فهرست ادامه دارد.
پیشرفتهای جدید در فناوری شناسایی چهره دقت بیشتری را به ارمغان میآورد
بیشتر پیشرفتهای FRT با بهبود عملکرد دوربینهای HD و سایر فناوریهای نوظهور ترکیب شدهاند:
- دوربینهای جدید با عمق وسیع و وضوح بالا، ضد جعل قویتری را فراهم کرده و نظارت بر مسافتهای طولانی را بهبود میبخشند
- دوربینهای تصویربرداری 3D چندین تصویر را از زوایای مختلف جمعآوری کرده، الگوهای نور ساختاری را پروژه کرده یا از طول موجهای حرارتی مادون قرمز برای تولید تصویر صورت استفاده میکنند
- Face ID اپل یک دوربین مادون قرمز و یک پروژکتور نقطهای را ترکیب میکند که شبکهای از 30,000 نقطه مادون قرمز نامرئی را ارسال میکند
- ابزار DeepFace فیسبوک از یادگیری عمیق با استفاده از یک شبکه عصبی عمیق نه لایهای با بیش از 120 میلیون متغیر برای تعیین اینکه آیا دو عکس از یک شخص هستند یا نه با دقت 97.25% استفاده میکند. در سال 2015، یک سال پس از DeepFace، FaceNet گوگل دقت 99.63% را به دست آورد.
FRT در حال پیشرفت است و چشمانداز IAM را تغییر میدهد و آن را به گزینهای قابل قبولتر تبدیل میکند. اگر از این مقاله لذت بردید، این وبلاگ را بخوانید که در آن درباره تست زندهبودن غیرفعال با استفاده از بیومتریکهای صورت به عنوان بخشی از فرآیند ورود دیجیتال برای بانکها صحبت میکنیم. و فراموش نکنید که به وبلاگ IAM HID مشترک شوید.