مجله خبری و آموزشی هوش مصنوعی

چگونه هوش مصنوعی می‌تواند افراد و چهره‌ها را تشخیص دهد؟ تحلیل عمیق

توسط آرش خیری
منتشر شده: آخرین بروز رسانی در تاریخ ۰ اظهار نظر
AI Analyzes Peoples Face

مبانی تشخیص چهره با هوش مصنوعی

چگونه هوش مصنوعی چهره ها را تشخیص می دهد

سیستم‌های هوش مصنوعی با الگوریتم‌هایی شروع می‌شوند که چهره‌ها را در تصاویر یا فریم‌های ویدیویی شناسایی می‌کنند. این سیستم ها از تشخیص الگو برای تعیین مکان ویژگی های متمایز مانند چشم ها، بینی یا شکل فک استفاده می کنند.

  • نکات کلیدی تشخیص : پل های چشم و بینی ثابت ترین شناسه ها هستند.
  • تشخیص مرزی: الگوریتم‌ها به دنبال تضادها هستند، مانند مرز بین پوست و مو.
  • داده‌های آموزشی : هوش مصنوعی به هزاران تصویر برچسب‌گذاری شده از چهره نیاز دارد تا بفهمد یک «چهره» چگونه به نظر می‌رسد.

یکی از روش های رایج استفاده از شبکه های عصبی کانولوشن (CNN) است . CNN ها داده های بصری را لایه به لایه پردازش می کنند و ویژگی های افزایش پیچیدگی را شناسایی می کنند.

متمایز کردن یک چهره از چهره دیگر

هنگامی که یک چهره شناسایی می شود، جادوی واقعی شروع می شود – و آن را از میلیون ها چهره دیگر متمایز می کند. این شامل رمزگذاری هر چهره در یک نمایش عددی به نام “نمایش صورت” است.

  • اثر صورت مانند اثر انگشت است که به طور منحصر به فرد به یک فرد گره خورده است.
  • معیارها شامل فواصل بین نشانه های چهره (به عنوان مثال، بین چشم ها یا از بینی تا دهان) است.

کاربردهای کلیدی تشخیص چهره

از امنیت گرفته تا شخصی‌سازی، توانایی هوش مصنوعی برای تجزیه و تحلیل و تشخیص چهره‌ها اهداف مختلفی را دنبال می‌کند:

  • احراز هویت : باز کردن قفل دستگاه ها یا اعطای دسترسی.
  • نظارت : در سیستم های ایمنی عمومی استفاده می شود.
  • خرده فروشی : سفارشی کردن تجارب خرید بر اساس پروفایل مشتری.

هوش مصنوعی و تحلیل عاطفی

آیا هوش مصنوعی می تواند ذهن شما را بخواند؟

نه کاملاً – اما می تواند احساس شما را حدس بزند! سیستم های تشخیص احساسات، حالات چهره را برای تشخیص حالاتی مانند شادی، غم و عصبانیت تجزیه و تحلیل می کنند.

  • ریز بیان : این حرکات کوتاه و غیر ارادی صورت احساسات را از بین می برد.
  • واحدهای عمل (AUs) : حرکات ماهیچه ای خاص که توسط سیستم هایی مانند سیستم کدگذاری کنش صورت (FACS) ترسیم شده است.

به عنوان مثال، یک ابروی بلند شده همراه با یک لبخند خفیف ممکن است به عنوان تعجب یا لذت تعبیر شود.

کاربردهای هوش مصنوعی احساسات در دنیای واقعی

تشخیص احساسات فقط در مورد کنجکاوی نیست، بلکه باعث ایجاد تغییرات قابل توجهی در صنایع می شود.

  • خدمات مشتری : هوش مصنوعی به شناسایی مشتریان ناامید در طول تماس ها یا تعاملات ویدیویی کمک می کند.
  • مراقبت های بهداشتی : تشخیص علائم استرس یا افسردگی در بیماران.
  • بازاریابی : سنجش واکنش ها به تبلیغات یا محصولات در زمان واقعی.

محدودیت ها و سوگیری ها

با این حال، هوش مصنوعی در تلاش است تا در سطح جهانی دقیق باشد. عبارات در فرهنگ ها متفاوت است و داده های آموزشی اغلب سوگیری های منطقه ای یا جمعیتی را منعکس می کند. این می تواند منجر به نتایج متناقض برای افرادی از گروه های کم نمایندگی شود.

بحث اخلاقی پیرامون هوش مصنوعی صورت

نگرانی های حفظ حریم خصوصی

تشخیص چهره باعث ایجاد بحث های شدید در مورد حریم خصوصی شخصی شده است. بسیاری نگران استفاده غیرمجاز از داده های چهره هستند .

  • دولت های نظارتی : دولت ها ممکن است از این فناوری برای نظارت انبوه استفاده کنند.
  • مالکیت داده : چه کسی داده های چهره شما را کنترل می کند؟

تعصب الگوریتمی

سوگیری ها در سیستم های هوش مصنوعی می تواند منجر به شناسایی نادرست یا تبعیض شود . به عنوان مثال، سیستم‌های اولیه برای افرادی که رنگ پوست تیره‌تر یا ویژگی‌های صورت غیرغربی داشتند، نرخ خطای بالاتری داشتند.

ایجاد تعادل

سازمان‌ها و سیاست‌گذاران بر چارچوب‌های اخلاقی برای هدایت استفاده مسئولانه از هوش مصنوعی صورت فشار می‌آورند . ابتکارات عبارتند از:

  • تضمین شفافیت در نحوه جمع آوری و استفاده از داده ها.
  • توسعه فناوری که عملکرد عادلانه ای در بین جمعیت شناسی دارد.

چگونه هوش مصنوعی تجربیات انسان محور را افزایش می دهد

تجربیات فناوری شخصی

هوش مصنوعی چهره باعث می‌شود تعامل با فناوری احساس انسانی‌تر شود. با تشخیص چهره‌ها، دستگاه‌ها می‌توانند تجارب را به روش‌هایی که حسی بصری و طبیعی به نظر می‌رسد، تنظیم کنند.

  • تلفن‌های هوشمند : قفل را با یک نگاه باز کنید، نمایه‌ها را تغییر دهید یا اعلان‌ها را سفارشی کنید.
  • خانه‌های هوشمند : دوربین‌های مجهز به هوش مصنوعی تنظیمات نور، موسیقی یا آب و هوا را بر اساس افرادی که وارد اتاق می‌شوند، تنظیم می‌کنند.

برای مثال، برخی از تلویزیون‌های هوشمند نمایش‌هایی را بر اساس نمایه چهره بیننده و ترجیحات گذشته توصیه می‌کنند .

خرده فروشی و تعامل با مشتری

خرده فروشان از تجزیه و تحلیل چهره برای متحول کردن نحوه تعامل آنها با مشتریان در فضاهای فیزیکی استفاده می کنند .

  • تبلیغات شخصی : صفحه‌های دیجیتال آگهی‌های متناسب با سن، جنسیت یا خلق و خوی مشتری را نمایش می‌دهند.
  • آزمایش‌های مجازی : واقعیت افزوده (AR) از تشخیص چهره برای شبیه‌سازی اینکه آرایش، عینک یا اقلام لباس ممکن است بر روی یک فرد به نظر برسد، استفاده می‌کند.

با ترکیب تجزیه و تحلیل هوش مصنوعی با تجارب درون فروشگاهی، کسب و کارها بینشی در مورد رفتار مشتری به دست می آورند که منجر به خدمات بهتر می شود.

سرگرمی و بازی

توانایی هوش مصنوعی در تجزیه و تحلیل و تقلید از چهره انسان، صنعت سرگرمی را متحول کرده است.

  • فناوری Deepfake : در حالی که بحث برانگیز است، ایجاد محتوای فوق واقعی را برای فیلم ها یا واقعیت مجازی امکان پذیر می کند.
  • ردیابی چهره در بازی : هوش مصنوعی عبارات بازیکن را برای تأثیرگذاری پویا بر شخصیت‌ها یا سناریوهای بازی ضبط می‌کند .

این فناوری شکاف بین دنیای مجازی و فیزیکی را پر می کند و تجربیات تطبیقی ​​و همهجانبه ای ایجاد می کند.

هوش مصنوعی تجربیات انسان محور را افزایش می دهد

آموزش هوش مصنوعی: اهمیت داده های متنوع

چرا تنوع مهم است

برای تجزیه و تحلیل موثر چهره ها، هوش مصنوعی باید بر روی مجموعه داده ای آموزش داده شود که نشان دهنده تمام جمعیت شناسی انسان باشد . این شامل تغییرات در:

  • رنگ های پوست
  • ساختارهای صورت
  • تفاوت های بیان فرهنگی

فقدان تنوع در مجموعه داده‌های آموزشی می‌تواند منجر به سیستم‌هایی شود که افراد را به‌طور دقیق شناسایی نمی‌کنند یا نمی‌توانند به‌طور دقیق شناسایی کنند، به‌ویژه از گروه‌هایی که کمتر به نمایش درآمده‌اند.

غلبه بر تعصب در هوش مصنوعی

چندین استراتژی با هدف به حداقل رساندن سوگیری در سیستم های تشخیص چهره انجام می شود:

  • گسترش مجموعه‌های آموزشی : استفاده از مجموعه داده‌های جهانی که انواع چهره‌ها را در بر می‌گیرد.
  • تست انصاف : سیستم‌های حسابرسی منظم برای اندازه‌گیری دقت در بین جمعیت‌شناسی.
  • طراحی فراگیر : شامل تیم های مختلف در توسعه هوش مصنوعی.

برای مثال، شرکت‌هایی مانند آی‌بی‌ام و مایکروسافت متعهد شده‌اند که مجموعه‌های داده‌های چهره‌ای متنوع را به‌منظور ارتقای فراگیری در آموزش هوش مصنوعی، منبع باز ارائه کنند.

مثال واقعی: استفاده بحث برانگیز Clearview AI از تشخیص چهره

یکی از برجسته ترین موارد هوش مصنوعی صورت در عمل، Clearview AI است ، شرکتی که ابزار قدرتمند تشخیص چهره را توسعه داده است. نرم‌افزار Clearview AI توسط سازمان‌های مجری قانون در سراسر جهان برای شناسایی افراد با مقایسه عکس‌هایشان با پایگاه داده‌ای متشکل از بیش از ۳ میلیارد تصویر خراش‌شده از اینترنت استفاده می‌شود.

چگونه کار می کند

  • تطبیق تصویر : عکسی از یک شخص – که از دوربین مداربسته گرفته شده یا به صورت دستی گرفته شده است – در سیستم Clearview AI آپلود می شود.
  • مقایسه پایگاه داده : سیستم پایگاه داده گسترده خود را اسکن می کند و اغلب از عکس های در دسترس عموم در رسانه های اجتماعی یا وب سایت ها استخراج می شود.
  • Identity Reveal : سپس مطابقت های بالقوه را همراه با نمایه های مرتبط یا سایر داده های آنلاین ارائه می دهد.

مزایا در عمل

  • مجری قانون : هوش مصنوعی Clearview برای کمک به حل جرایم، از جمله شناسایی مظنونان در پرونده های قاچاق انسان یا ردیابی افراد درگیر در جنایات خشونت آمیز، اعتبار دارد.
  • شناسایی سریع : این فناوری زمان مورد نیاز برای شناسایی افراد را در مقایسه با روش های سنتی به میزان قابل توجهی کاهش می دهد.

جنجال های پیرامون هوش مصنوعی Clearview

Clearview AI با واکنش شدیدی نسبت به نگرانی‌های حفظ حریم خصوصی و پیامدهای اخلاقی روش‌های جمع‌آوری داده‌های خود مواجه شده است.

  • مسائل مربوط به خراش دادن داده ها : منتقدان استدلال می کنند که خراش دادن تصاویر از سیستم عامل های اجتماعی بدون رضایت کاربر، حقوق حریم خصوصی را نقض می کند.
  • ادعاهای سوگیری : مانند بسیاری از سیستم‌های هوش مصنوعی صورت، دقت آن در بین جمعیت‌شناسی متفاوت است و نگرانی‌هایی را در مورد تعصبات نژادی و جنسیتی ایجاد می‌کند.
  • بررسی دقیق نظارتی : کشورهایی مانند بریتانیا و استرالیا این شرکت را به دلیل نقض قوانین حریم خصوصی محلی جریمه کرده اند.

درس هایی از Clearview AI

در حالی که هوش مصنوعی Clearview قدرت و پتانسیل فناوری تشخیص چهره را برجسته می کند، همچنین به عنوان یادآوری چالش های اخلاقی پیرامون توسعه و استقرار آن عمل می کند. این مورد بر نیاز به مقررات روشن و پاسخگویی در استفاده از چنین ابزارهای پیشرفته ای تاکید دارد.

این مثال هم تاثیر تحول آفرین هوش مصنوعی صورت و هم اهمیت حصول اطمینان از استفاده مسئولانه از آن را نشان می دهد.

آینده هوش مصنوعی در تحلیل انسانی

تعامل و بازخورد در زمان واقعی

معلمان هوش مصنوعی را تصور کنید که با خلق و خوی شما سازگار هستند، یا دستیاران مجازی که تشخیص می‌دهند چه زمانی خسته هستید و به شما کمک می‌کنند. سیستم های هوش مصنوعی آینده می توانند هوش هیجانی را در زمان واقعی ارائه دهند.

  • در آموزش ، دانش‌آموزانی که تلاش می‌کنند تمرکز خود را حفظ کنند، می‌توانند راهنمایی مناسب دریافت کنند.
  • در مراقبت های بهداشتی ، بیمارانی که علائم پریشانی را نشان می دهند ممکن است مداخله فوری را آغاز کنند.

تجزیه و تحلیل پیش بینی

با پیشرفت در مدل‌سازی پیش‌بینی‌کننده ، هوش مصنوعی می‌تواند فراتر از شناسایی احساسات فعلی و پیش‌بینی رفتارهای آینده باشد.

  • در سلامت محیط کار ، سیستم ها می توانند فرسودگی را قبل از وقوع آن تشخیص دهند.
  • در مجریان قانون ، هوش مصنوعی می تواند خطرات بالقوه را در سناریوهای پر استرس (هر چند بحث برانگیز) تجزیه و تحلیل کند.

آینده در ایجاد هوش مصنوعی نهفته است که فقط چهره ها را تجزیه و تحلیل نمی کند، بلکه تفاوت های ظریف پشت آنها را درک می کند.

چالش ها و فرصت های پیش رو

نوآوری اخلاقی

همانطور که تجزیه و تحلیل چهره قوی تر می شود، متعادل کردن پتانسیل آن با مسئولیت اخلاقی بسیار مهم خواهد بود. صنایع باید برای ایجاد استانداردهای جهانی با یکدیگر همکاری کنند که:

  • از حریم خصوصی شخصی محافظت کنید.
  • جلوگیری از سوء استفاده از داده های چهره
  • اطمینان از برابری در تمام جمعیت‌شناسی.

نقش هوش مصنوعی در جامعه

هوش مصنوعی چهره این پتانسیل را دارد که زندگی را به روش‌های باورنکردنی بهبود بخشد، اما همچنین سؤالات سختی در مورد چگونگی تعریف و محافظت از حقوق فردی ایجاد می‌کند. نکته کلیدی این است که اطمینان حاصل شود که استفاده از آن با شفافیت، انصاف و احترام برای هر فرد هدایت می شود.

نتیجه: چهره ها به عنوان کلید آینده

توانایی هوش مصنوعی برای تجزیه و تحلیل چهره‌ها، نوآوری‌ها را در سراسر صنایع باز می‌کند. با پرداختن مسئولانه به چالش‌های آن، می‌توانیم از پتانسیل آن برای تقویت ارتباط و درک انسانی به روش‌هایی که تازه تصور می‌کنیم استفاده کنیم.

 

سوالات متداول

هوش مصنوعی چقدر در تشخیص چهره ها دقیق است؟
سیستم‌های تشخیص چهره هوش مصنوعی به دقت چشمگیری دست می‌یابند که اغلب در شرایط کنترل‌شده از ۹۹ درصد فراتر می‌رود. با این حال، در تنظیمات دنیای واقعی با نور ضعیف یا چهره های زاویه دار، عملکرد می تواند به میزان قابل توجهی کاهش یابد. به عنوان مثال، سیستم‌های امنیتی فرودگاه مانند سیستم‌های امنیتی فرودگاه هارتسفیلد-جکسون آتلانتا از محیط‌های با نور مناسب و زوایای دوربین بهینه‌شده برای حفظ دقت بالا استفاده می‌کنند. از سوی دیگر، شبکه‌های نظارتی در سطح شهر اغلب با چالش‌هایی با جمعیت در حال حرکت و شرایط متفاوت مواجه هستند.

 

آیا هوش مصنوعی می تواند احساسات را به طور قابل اعتماد تشخیص دهد؟
هوش مصنوعی می تواند احساسات اساسی مانند شادی، خشم یا غم را تشخیص دهد، اما با احساسات پیچیده یا ظریفی مانند کنایه یا سردرگمی مبارزه می کند. به عنوان مثال، هوش مصنوعی احساسی در کلاس‌های درس است، جایی که سیستم‌ها نشانه‌های چهره دانش‌آموزان را برای اندازه‌گیری سطح تعامل کنترل می‌کنند. اگرچه این ابزارها مفید هستند، اما ممکن است تفاوت های فرهنگی در بیان یا حالت های استراحت طبیعی صورت را به اشتباه تفسیر کنند.

 

تشخیص چهره در خرده فروشی برای چیست؟
خرده فروشان از تشخیص چهره برای شخصی سازی تجربیات مشتری و بهبود عملکرد استفاده می کنند. کاربردهای رایج عبارتند از: تبلیغات هدفمند: نمایش می دهد که محتوا را بر اساس جمعیت شناسی مشتری تغییر می دهد. امنیت: شناسایی سارقان شناخته شده مغازه قبل از وقوع حوادث. خرید ساده: سیستم‌هایی مانند Amazon Go که در آن مشتریان بدون تعامل با صندوقدار خرید می‌کنند و پرداخت می‌کنند، برای ردیابی کاربران به تشخیص چهره متکی هستند.
آیا فناوری تشخیص چهره مغرضانه است؟
فناوری تشخیص چهره تعصباتی را نشان داده است، به ویژه در برابر گروه هایی که کمتر از آنها استفاده می شود. این مسائل به دلیل عدم تنوع در داده های آموزشی ایجاد می شود که منجر به عدم دقت می شود. به عنوان مثال، مطالعات اولیه MIT نشان داد که سیستم‌های خاصی افراد با پوست تیره‌تر را با نرخ‌های بالاتری نسبت به افراد با پوست روشن‌تر طبقه‌بندی می‌کنند. شرکت‌های پیشرو اکنون از طریق مجموعه داده‌های متنوع و ممیزی‌های عادلانه به این موضوع می‌پردازند.
چه اتفاقی برای داده های مورد استفاده در تشخیص چهره می افتد؟
سیستم های تشخیص چهره برای مقایسه، تصاویر را به صورت رمزگذاری شده تبدیل می کنند. در حالی که این امر تا حدی داده ها را ایمن می کند، نگرانی در مورد نقض و سوء استفاده همچنان معتبر است. یک حادثه معروف مربوط به هک هوش مصنوعی Clearview بود که آسیب‌پذیری‌ها را در پایگاه داده عظیم این شرکت از تصاویر چهره‌ای که از وب حذف شده بود، آشکار کرد. این مورد بر اهمیت پروتکل‌های امنیتی قوی و سیاست‌های شفاف استفاده از داده تأکید می‌کند.
آیا هوش مصنوعی می تواند دوقلوهای همسان را تشخیص دهد؟
شناسایی دوقلوهای همسان یک چالش مهم برای اکثر سیستم‌های تشخیص چهره است زیرا دوقلوها تقریباً ویژگی‌های صورت یکسان دارند. با این حال، الگوریتم‌های پیشرفته می‌توانند از تفاوت‌های ظریف مانند بافت پوست یا زخم‌ها برای تمایز بین آنها استفاده کنند. به عنوان مثال، Face ID اپل با دوقلوهای همسان دست و پنجه نرم می کند، در حالی که سیستم های تشخیص چهره پزشکی قانونی، که چندین ویژگی را ترکیب می کنند، می توانند تمایز بهتری داشته باشند.
آیا تشخیص چهره در همه جا مجاز است؟
نه، مقررات تشخیص چهره در سراسر جهان متفاوت است. برخی از کشورها از آن استقبال می کنند، در حالی که برخی دیگر به دلیل نگرانی های مربوط به حفظ حریم خصوصی، کنترل های شدید یا ممنوعیت های کامل را اعمال می کنند. در چین، این فناوری به شدت برای امنیت عمومی و نظارت اجتماعی استفاده می شود. در مقابل، مکان هایی مانند سانفرانسیسکو استفاده از آن توسط سازمان های دولتی محلی را به دلیل نگرانی های اخلاقی ممنوع کرده اند. اتحادیه اروپا در حال کار بر روی قوانینی است تا استفاده از آن را تنظیم کند و در عین حال از حقوق شهروندی تحت GDPR محافظت کند.
آیا تشخیص چهره با ماسک یا عینک آفتابی کار می کند؟
تشخیص چهره با انسدادهایی مانند ماسک یا عینک آفتابی دست و پنجه نرم می‌کند، اما پیشرفت‌های هوش مصنوعی توانایی آن را در تشخیص چهره‌های تا حدی مبهم بهبود می‌بخشد. به عنوان مثال، در طول همه‌گیری COVID-19، شرکت‌هایی مانند SenseTime الگوریتم‌هایی را برای تشخیص ویژگی‌های صورت قابل مشاهده در بالای ماسک‌ها توسعه دادند و برای شناسایی روی چشم‌ها و پیشانی تمرکز کردند.
چگونه از تشخیص چهره در مراقبت های بهداشتی استفاده می شود؟
تشخیص چهره با بهبود مراقبت از بیمار و کارایی اداری انقلابی در مراقبت های بهداشتی ایجاد می کند. شناسایی بیمار: بیمارستان ها از آن برای تطبیق بیماران با سوابق پزشکی آنها استفاده می کنند و خطاها را کاهش می دهند. تشخیص بیماری: سیستم‌ها ویژگی‌های صورت را برای تشخیص بیماری‌هایی مانند اختلالات ژنتیکی یا سکته تجزیه و تحلیل می‌کنند. به عنوان مثال، اپلیکیشن Face2Gene به شناسایی سندرم های ژنتیکی نادر بر اساس الگوهای صورت کمک می کند. نظارت بر سلامت روان: هوش مصنوعی می‌تواند ریز بیان‌ها را برای ارزیابی بهزیستی عاطفی یا تشخیص افسردگی ردیابی کند.
چگونه تشخیص چهره پیری را کنترل می کند؟
سیستم‌های تشخیص چهره با تمرکز بر ویژگی‌های ثابت صورت، مانند ساختار استخوان، که در طول زمان به حداقل می‌رسد، باعث افزایش سن می‌شوند. با این حال، پیری سریع یا شدید می تواند دقت را کاهش دهد. برخی از سیستم‌ها، مانند سیستم‌هایی که در نظارت طولانی‌مدت استفاده می‌شوند، از مدل‌های یادگیری ماشینی استفاده می‌کنند که با تجزیه و تحلیل تصاویر اخیر افراد، الگوهای پیری را به‌روزرسانی می‌کنند و با آنها سازگار می‌شوند.
آیا تشخیص چهره را می توان جعل کرد؟
بله، تشخیص چهره را می توان با ابزارهایی مانند عکس، فیلم یا ماسک جعل کرد. برای مقابله با این، اغلب از تشخیص زنده بودن استفاده می شود. اسکن‌های مادون قرمز: سیستم‌ها گرما یا عمق را بررسی می‌کنند و مطمئن می‌شوند که سوژه یک شخص زنده است. چشمک زدن یا تشخیص حرکت: کاربران ممکن است نیاز داشته باشند پلک بزنند یا سر خود را حرکت دهند تا ثابت کنند واقعی هستند. برای مثال، Face ID در آیفون‌ها حسگر عمق و تشخیص حرکت را ترکیب می‌کند تا از جعل با تصاویر مسطح جلوگیری کند.
تشخیص چهره چقدر امن است؟
تشخیص چهره عموماً ایمن است اما بی‌خطر نیست. خطرات شامل نقض داده ها و سوء استفاده از چاپ چهره ذخیره شده است. در سال ۲۰۲۱، یک تخلف در یک شرکت ارائه دهنده خدمات تشخیص چهره به سازمان های مجری قانون، داده های حساس را در معرض دید قرار داد و نیاز به رمزگذاری قوی و اقدامات امنیتی بهتر را برجسته کرد.
آیا در سفر از تشخیص چهره استفاده می شود؟
بله، تشخیص چهره با سریع‌تر و کارآمدتر کردن فرآیندها، صنعت سفر را متحول می‌کند. بررسی‌های فرودگاهی: سیستم‌هایی مانند سیستم‌هایی که در فرودگاه چانگی سنگاپور وجود دارد به مسافران این امکان را می‌دهد تا بدون نمایش مدارک، به لطف اسکن چهره، پروازها را چک کنند و سوار شوند. کنترل مرزی: بسیاری از کشورها، از جمله بریتانیا، از گیت‌های الکترونیکی خودکار برای کنترل گذرنامه استفاده می‌کنند که برای تأیید هویت به تشخیص چهره تکیه می‌کنند.
آیا تشخیص چهره می تواند افراد را در جمعیت زیاد شناسایی کند؟
بله، سیستم های تشخیص چهره می توانند چهره ها را در فضاهای شلوغ با استفاده از نظارت لحظه ای و دوربین های با وضوح بالا تجزیه و تحلیل کنند. با این حال، دقت می تواند تحت تأثیر حرکت، انسداد یا نور ضعیف باشد. به عنوان مثال، در طول کارناوال ناتینگ هیل ۲۰۱۹ در لندن، پلیس تشخیص چهره را برای نظارت بر جمعیت و شناسایی مجرمان شناخته شده آزمایش کرد. در حالی که در برخی موارد موثر بود، به نگرانی هایی در مورد موارد مثبت کاذب و نقض حریم خصوصی نیز منجر شد.

منبع

این مطالب هم پیشنهاد می‌شود

پیام بگذارید