تشخیص چهره فناوری نوظهوری است که با استفاده از تکنیک های مختلف هوش مصنوعی، یادگیری عمیق و پردازش تصویر توسعه دادهاند. در فرایند تشخیص چهره، سیستم با تحلیل ویژگی های چهره فرد، او را شناسایی میکند. تشخیص چهره به فرایند تشخیص و شناسایی هویت افراد با توجه به ویژگی های چهره ی آن ها اشاره دارد. در واقع چهره ی هر فردی دارای ویژگی های منحصر به فردی است که از طریق آن ها میتوان هویت فرد را شناسایی کرد. فاصله ی بین دو چشم، فرم صورت و موارد این چنینی از ویژگی هایی هستند که در فرایند تشخیص چهره از آن ها استفاده میشود. رایج ترین مثال از کاربرد تشخیص چهره، که احتمالاً شما نیز آن را دیدهاید، ورود به گوشی های همراه با استفاده از تشخیص چهره است.
فرآیند تشخیص چهره چگونه انجام میشود؟
تشخیص چهره معمولاً مسیری ثابت دارد: اول سیستم چهره را داخل تصویر پیدا میکند، بعد آن را به «بردار عددی/امضای دیجیتال» تبدیل میکند و در نهایت با نمونه های ذخیره شده مقایسه میکند تا تصمیم بگیرد این فرد کیست یا آیا همان فردِ ادعایی هست یا نه. نتیجهی نهایی هم بر اساس امتیاز شباهت و یک آستانه (Threshold) صادر میشود.
- دریافت تصویر/ویدئو (از دوربین، فایل، یا استریم)
- تشخیص چهره (Face Detection): پیدا کردن محل چهره در تصویر
- هم ترازسازی و نرمال سازی (Alignment/Normalization): اصلاح زاویه، نور و برش استاندارد چهره
- استخراج ویژگی و ساخت Embedding: تبدیل چهره به بردار عددی یکتا
- مقایسه با پایگاه داده/نمونه مرجع: محاسبه امتیاز شباهت (Similarity Score)
- تصمیم گیری با Threshold:
- در Verification (1:1) فقط با یک نمونه مقایسه میشود (قبول/رد)
- در Identification (1:N) با چندین نفر مقایسه میشود (پیدا کردن نزدیک ترین)
و در نهایت ثبت نتیجه و کنترل خطا: لاگ برداری، تنظیم آستانه، و در سناریوهای حساس «تأیید انسانی»
تشخیص چهره یا شناسایی چهره؟ هرکدام به چه معناست؟
تشخیص چهره (Face Detection) یعنی سیستم فقط متوجه میشود چهره وجود دارد یا نه و کجای تصویر/ویدئو قرار گرفته (کادر چهره را پیدا میکند). خروجی: «مختصات/باکس چهره» و شاید تعداد چهره ها خروجی: نام یا هویت فرد را نمیگوید. مثال: دوربین میگوید «یک چهره در سمت راست تصویر هست».
شناسایی چهره (Face Recognition / Identification) یعنی سیستم بعد از تشخیص چهره، ویژگی های چهره را استخراج میکند و برای گفتن هویت یا تطبیق با فرد مشخص مقایسه انجام میدهد. دو حالت رایج دارد:
- احراز هویت (Verification – ۱:۱): «آیا این شخص همان علی است؟» (قبول/رد)
- شناسایی (Identification – ۱:N): «این شخص بین افراد پایگاه داده کیست؟» (پیدا کردن نزدیک ترین)
مثال: گوشی میگوید «این صاحب گوشی است» یا سیستم میگوید «این شخص = کاربر شماره X». تشخیص چهره = پیدا کردن چهره شناسایی چهره = فهمیدن اینکه چهره متعلق به کیست/ با کی تطبیق دارد.
تشخیص چهره چقدر دقیق است و «دقت ۹۹٪» یعنی چه؟
دقتِ تشخیص/شناسایی چهره عددی ثابت و همیشگی نیست؛ مثل «سرعت اینترنت» است: به شرایط، تنظیمات و سناریو بستگی دارد. نور، زاویه دوربین، کیفیت تصویر، سن/آرایش/عینک/ماسک، اندازه دیتابیس و مهم تر از همه آستانه تصمیم گیری (Threshold) میتواند نتیجه را از عالی تا ضعیف تغییر دهد.
(دقت ۹۹٪) یعنی چه؟
عبارت «۹۹٪ دقت» اگر دقیق توضیح داده نشود، بیشتر شبیه شعار تبلیغاتی است. چون ممکن است منظور یکی از اینها باشد:
- ۹۹٪ یعنی «۹۹٪ مواقع درست قبول میکند» (True Accept Rate) مثلاً در احراز هویت ۱:۱ (Verification) یعنی وقتی خودِ کاربر واقعی جلوی دوربین است، ۹۹٪ مواقع قبول میشود. اما این عدد هیچ چیزی درباره خطرِ قبول کردن افراد اشتباه نمیگوید!
- ۹۹٪ یعنی «۱٪ خطا»، ولی کدام خطا؟ در سیستم های چهره معمولاً دو خطا مهم داریم: پذیرش اشتباه (False Accept): یک فرد غیرمجاز اشتباهی قبول شود. رد اشتباه (False Reject): فرد مجاز اشتباهی رد شود. خیلی ها “۹۹٪” را میگویند ولی مشخص نمیکنند درباره کدام خطا حرف میزنند؛ در حالی که از نظر امنیتی، پذیرش اشتباه حساس تر است.
- ۹۹٪ روی یک تست خاص و شرایط ایدهآل گاهی ۹۹٪ یعنی روی دیتاست آزمایشگاهی با نور خوب و تصویر واضح به این عدد رسیده اند؛ ولی در دنیای واقعی (دوربین ارزان، نور کم، حرکت، زاویه بد) همان مدل ممکن است کاهش محسوسی داشته باشد.
چرا «۹۹٪» میتواند گمراه کننده باشد؟ (مثال ساده)
فرض کنید سیستمی در ظاهر عالی باشد، اما فقط ۰٫۱٪ پذیرش اشتباه داشته باشد. اگر در مجموعه ای شلوغ روزانه ۵۰,۰۰۰ بار تلاش نامعتبر/نامشخص رخ دهد، همین ۰٫۱٪ یعنی حدود ۵۰ مورد پذیرش اشتباه در روز. پس “عدد بزرگ” بدون دانستن نوع خطا، میتواند حس امنیت کاذب بسازد.
نقل قول از nacdl:
For example, a confidence score of 99% accompanying the defendant’s photo does not mean there is a 99% chance the defendant is the subject. برای مثال، اگر کنار عکسِ فرد “امتیاز اطمینان ۹۹٪” نمایش داده شود، به این معنا نیست که ۹۹٪ احتمال دارد آن فرد همان سوژه باشد.
فناوری تشخیص چهره برای ما خطرناکه؟
فناوری تشخیص چهره میتواند در برخی سناریوها برای افراد و جامعه ریسک زا باشد؛ اما میزان خطر، به «نحوه استفاده»، «محل پردازش و نگهداری داده»، «دامنه پوشش» و «میزان نظارت و شفافیت» وابسته است. بنابراین نمیتوان گفت ذاتاً همیشه خطرناک است یا همیشه بی خطر.
مهم ترین ریسک ها
- ریسک حریم خصوصی و نظارت
در صورت استفاده در فضاهای عمومی یا اتصال دوربین ها به پایگاه های داده، امکان شناسایی و ردیابی افراد بدون اطلاع یا رضایت مؤثر افزایش مییابد. این موضوع میتواند پیامدهای اجتماعی و حقوقی داشته باشد. - ریسک امنیت داده های بیومتریک
اطلاعات چهره (یا الگوی استخراج شده از چهره) ماهیتاً حساس است؛ زیرا برخلاف رمز عبور قابل تغییر نیست. در صورت نشت یا سوء استفاده از پایگاه داده، ریسک های بلندمدت برای کاربران ایجاد میشود. - ریسک خطا و پیامدهای ناشی از بدشناسایی
هیچ سامانه ای بدون خطا نیست. خطا میتواند به رد اشتباه فرد مجاز یا پذیرش/شناسایی اشتباه فرد غیرمجاز منجر شود. در کاربردهای حساس (امنیتی، مالی، دسترسی به خدمات) حتی درصدهای کوچک خطا نیز میتواند اثرات جدی داشته باشد. - ریسک استفاده خارج از هدف
(Function Creep) ممکن است داده یا سامانه ای که ابتدا برای هدفی محدود (مثلاً کنترل ورود) راه اندازی شده، بعداً بدون رضایت واقعی کاربران برای اهداف گسترده تر (تحلیل رفتار، نظارت، یا کاربردهای ثانویه) به کار گرفته شود.
چه زمانی کم ریسک تر است؟
- وقتی پردازش تا حد امکان روی دستگاه (On-device) انجام میشود و داده به سرورهای بیرونی ارسال نمیشود.
- وقتی جمع آوری داده بر اساس اطلاع رسانی شفاف و رضایت معتبر است و کاربر امکان انصراف و حذف داده دارد.
- وقتی نگهداری داده حداقلی و زمان مند است و کنترل های امنیتی قوی (رمزنگاری، کنترل دسترسی، لاگ و ممیزی) اعمال میشود.
چه زمانی پرریسک تر است؟
- استفاده در فضای عمومی یا در مقیاس گسترده، به ویژه بدون شفافیت کافی.
- ایجاد یا تجمیع پایگاه داده بزرگ چهره ها و نگهداری طولانی مدت.
- کاربردهایی که خروجی سامانه به صورت مستقیم به تصمیم های حساس (امنیت، خدمات مالی، استخدام، محدودسازی خدمات) منتهی میشود، خصوصاً اگر نظارت انسانی وجود نداشته باشد.
تشخیص چهره زمانی میتواند خطرناک تلقی شود که به نظارت گسترده، ذخیره سازی مرکزی داده های حساس، یا تصمیم گیری های پرریسک منجر شود. در مقابل، در کاربردهای محدود، شفاف و با مدیریت صحیح داده ها، ریسک ها قابل کنترل تر است.
مزایای استفاده از تشخیص چهره در سازمان ها و کسبوکارها
تشخیص چهره مزایای زیادی دارد که در ادامه به تعدادی از آن ها اشاره میکنیم.
- افزایش قطعیت
سیستم های تشخیص چهره میتوانند، کار تشخیص هویت افراد را با دقت بالایی انجام دهند. حتی اگر شرایط تصویری فرد مناسب نباشد، مثلا در زاویه ی خوبی قرار نگرفته باشد، این سیستم ها میتوانند کار تشخیص چهره را به درستی انجام دهند.این سیستم ها ویژگی ها جزئی تری از چهره را بررسی میکنند که میتوانند از چشم های ما انسان ها مشخص نباشد. - امنیت
یکی دیگر از مزایای تشخیص چهره فراهم آوری امنیت برای شرکت ها و سازمان هاست. شرکت ها همواره میتوانند از روش های دیگر مانند کارت یا رمز عبور برای دسترسی به منابع مهم استفاده کنند.اما استفاده از تشخیص چهره، فرایند را سریع تر و امن تر میکند. زیرا رمز عبور و کارت قابل به اشتراک گذاری هستند. درحالی که در فرآیند تشخیص چهره فرد باید حضور داشته باشد و امکان جعل و تقلب وجود ندارد. - کاهش تعداد نقاط تماس
در شرایطی که امکان تماس فیزیکی به منظور احراز هویت وجود نداشته باشد میتوان از تشخیص چهره استفاده کرد. روش های سنتی احراز هویت از روش هایی مانند کارت و اثر انگشت استفاده میکنند. در چنین شرایطی فرد باید کارت خود را وارد دستگاه کند و یا اثر انگشت خود را روی پنل ثبت کند. اما استفاده از تشخیص چهره نیازی به تماس فیزیکی ندارد. هویت فرد به محض قرارگیری در مقابل دوربین مشخص میگردد. به طور مثال در دوران کرونا که تماس فیزیکی باعث انتشار هرچه بیشتر ویروس میشد استفاده از تشخیص چهره میتوانست بسیار مفید واقع شود. - افزایش سرعت
وقتی که از دستگاه یا نرم افزار تشخیص چهره استفاده میشود، نیاز به چک کردن مدارک نیست. مثالی را در نظر بگیرید که افراد در ادارات برای زدن کارت یا ثبت اثر انگشت منتظر میمانند تا نوبتشان برسد. یا در فرودگاه افراد باید با تحویل مدارک و بررسی دستی مدارک مدتی را منتظر بمانند. اما تشخیص چهره این فرایند ها را تسریع میکند. - قابلیت یکپارچه شدن
سیستم تشخیص چهره قابلیت بکارگیری و اداغام شدن با انوع سیستم ها و حتی سیستم های بیومتریک دیگر را نیز دارد. با استفاده از همین ویژگی میتوان از تشخیص چهره در پلتفر ها و کاربردهای مختلف از پزشکی تا خرده فروشی استفاده کرد. - افزایش دقت
فناوری تشخیص چهره به افزایش دقت در اعتیار سنج کمک میکند. بکارگیری الگوریتم هایی مانند یادگیری عمیق در تشخیص چهره دقت شناسایی و تشخیص هویت افراد بالا میرود. استفاده از این فناوری در مواردی که به دقت بالایی نیاز است مانند کاربردهایی مثل بانکداری الکترونیک بسیار کارامد است.
تشخیص چهره چه کاربرد هایی دارد؟
تشخیص چهره کاربردهای مختلفی در صنایع گوناگون دارد که هر کدام در یکی از دسته بندی های زیر قرار میگیرند.
- امنیت و نظارت
از مهم ترین کاربردهای دستگاه تشخیص چهره بکارگیری آن در امنیت و نظارت است. فرودگاه ها، مکان های عمومی، ساختمان های اداری، از دستگاه تشخیص چهره برای شناسایی افراد و کنترل تردد استفاده میکنند. - مراکز درمانی و بهداشتی
درمراکز درمانی و بهداشتی از تشخیص چهره برای شناسایی بیمار، تأمین امنیت و نظارت بر دسترسی ها و عبور و مرور افراد استفاده میشود. - بانکداری و مالی
هنگام خرید آنلاین باید از طریق روشی هویت فرد را شناسایی کنید. ممکن است از روش رمز عبور و نام کاربری استفاده کنید و یا با کارگیری یکی از روش های بیومتریک احراز هویت را هرچه ساده تر و امن تر کنید.
- برای اطلاعات بیشتر درباره کاربردهای تشخیص چهره به صفحه اختصاصی آن مراجعه کنید.
با توجه به توسعه ی روش های احراز هویت بیومتریک دسترسی به خدمات بانکی با سهولت و امنیت بیشتری انجام میشود. مثلا برای دریافت خدمات میتوان از تشخیص چهره استفاده کرد. به این صورت که فرد در مقابل دوربین قرار میگیرد و سیستم هویت او تشخیص میدهد. در صورت تایید هویت فرد، خدمات مختلف به او ارائه میشود.
چشم انداز تشخیص چهره
تشخیص چهره کاربردهای مختلفی دارد. احتمالاً در آینده کاربردهای آن گسترش مییابد و ما تشخیص چهره را بیش از گذشته در ابزارها و سرویس های مختلف به کار میبریم. احتمالا در آینده شاهد احراز هویت بیشتر کارها و فعالیت ها با استفاده از تشخیص چهره خواهیم بود.
شناسایی چهره پتانسیل قابل توجهی دارد و بلوغ هر دو فناوری نرم افزار و سخت افزار به تسریع رشد آن کمک میکند. شرکت ها میتوانند با بکارگیری فناوری تشخیص چهره، بهطور قابل توجهی بهره وری را بهبود بخشند و تجربه کاربران را ارتقا دهند.
منبع: pages.nist.gov iso.org
پاسخ به سوالات پر تکرار شما
تشخیص چهره معمولاً «بدون تماس» و وابسته به نور/زاویه و کیفیت تصویر است، اما اثر انگشت «تماسی» و معمولاً پایدارتر در شرایط نوری است؛ در عوض اثر انگشت به سنسور و وضعیت پوست (خشکی/رطوبت/آلودگی) حساس تر است.
برای پاسخ دقیق تر به این سوال به صفحه مربوطه بروید.
تشخیص چهره یا اثر انگشت؟ کدام یک بهتر است؟
عینک معمولاً مشکل جدی ایجاد نمیکند (بسته به مدل و بازتاب نور)، اما ماسک چون بخش مهمی از چهره را میپوشاند میتواند دقت را کاهش دهد یا نیاز به مدل های مخصوصِ چهرهی نیمه پوشیده داشته باشد.
بله؛ اگر پردازش روی دستگاه یا سرور داخلی انجام شود (On-device/On-premise) اینترنت لازم نیست، اینترنت بیشتر برای سرویس های ابری و همگام سازی پایگاه داده کاربرد دارد.
(عکس/ویدئو/دیپ فیک) در برخی سیستم های ساده بله؛ اما سامانه های حرفه ای با «تشخیص زنده بودن (Liveness)»، سنجش عمق/IR و کنترل های ضدجعل، احتمال فریب را به طور محسوسی کاهش میدهند.
دقت در شرایط واقعی (نور کم/زاویه/فاصله)، سرعت پاسخ، نرخ خطای پذیرش اشتباه، قابلیت ضدجعل (Liveness)، امنیت و سیاست نگهداری داده، و امکان لاگ/گزارش گیری از مهم ترین معیارها هستند.
آستانه بیش از حد آسان گیر، کیفیت پایین تصویر (تاری/نور بد)، زاویه نامناسب، دیتابیس بزرگ و تصاویر مشابه، داده آموزشی ضعیف یا سوگیری، و نبود مکانیزم های ضدجعل از عوامل رایج هستند.
