Розпізнавання облич користується попитом та визнанням завдяки своїм різним перевагам. Але в той же час ця технологія також може викликати стурбованість і тривогу. Таким чином, те, як знайти хороший баланс між перевагами та недоліками, стає важливою темою як для виробників систем безпеки, так і для користувачів.
Технологія розпізнавання облич має певні переваги. Однією з найбільш вражаючих переваг цієї технології є точність. Так, точність алгоритмів розпізнавання обич з роками збільшилася у геометричній прогресії. Сьогодні є багато компаній, які можуть заявити, що у них рівень помилкових невідповідностей становить 98-99 відсотків, якщо система відеоспостереження використовується в ідеальних умовах та з потужним сервером. Це стало можливим завдяки двом факторам: по-перше, досягненням у галузі Deep learning та штучного інтелекту, а по-друге, доступності потужніших графічних процесорів.
Deep learning застосовує кілька рівнів обробки для вивчення уявлень даних із кількома рівнями вилучення ознак. Розпізнавання облич може використовувати ієрархічну архітектуру в алгоритмах глибокого навчання вивчення дискримінаційного уявлення облич і вагомо підвищити продуктивність сучасних додатків для реальних застосувань. Завдяки наявності потужних графічних процесорів та алгоритмів глибокого навчання, а також великих наборів анотованих даних, точність розпізнавання облич за останні кілька років значно підвищилася.
Особливо варто згадати той факт, що розпізнавання облич може зберігати свою точність, навіть коли люди носять маски. Пандемія привнесла новий вимір та імператив, коли обличчя раптово наполовину закрилися масками. Постачальники засобів розпізнавання облич впоралися з цим завданням, приділивши більше уваги особливостям області навколо очей. Багато алгоритмів тепер досягають тих самих показників точності для зображень облич з масками, що й зіставлення зображень без масок п'ять років тому.
Периферія проти сервера
Тим часом алгоритми розпізнавання облич стали легшими, що дозволяє запускати їх на периферії, а не на дорогих серверах. Оскільки розпізнавання облич — це триетапний процес (розпізнавання облич, вилучення ознак і зіставлення), перші два етапи фактично можна виконати в камері відеоспостереження. Таким чином, видно деякі гібридні реалізації, в яких відеокамера виконує виявлення обличчя, обрізає область обличчя та відправляє на сервер для отримання ознак і зіставлення. Ця реалізація здатна розподілити навантаження по розпізнаванню осіб між периферією (камерою) та сервером і, як правило, може забезпечити більш високу продуктивність, якщо все зроблено правильно.
Більшість алгоритмів розпізнавання облич корпоративного рівня вимагають потужних дорогих серверів, а це означає, що вартість обладнання не дозволяє більшості клієнтів впровадити розпізнавання облич. Варто зазначити, що платформа SAFR має найшвидший та найлегший алгоритм, який може працювати в IP камері відеоспостереження або на невеликому недорогому периферійному пристрої без шкоди для точності.
Більш різноманітні варіанти використання
Розпізнавання облич залишається головним додатком для забезпечення безпеки у різних вертикалях. Проте, воно все частіше використовується для управління бізнес-аналітикою та досвідом користувача, і пандемія прискорила цю тенденцію. За останні два роки ринок цифрової ідентифікації зростав винятковими темпами. Ситуація з пандемією стала прискорювачем для багатьох секторів, щоб запропонувати цифрові шлюзи для доступу людей до бізнесу, уряду, подорожей та комерційних послуг. Розпізнавання облич стало ключовим фактором для контролю доступу та інших схем цифрової ідентифікації, особливо для просування мобільних систем перевірки особистості та технології віддаленої реєстрації.
Індустрія туризму була найдалекогляднішою вертикаллю: аеропорти продовжують інвестувати в прискорення реалізації концепції «безшовної подорожі», щоб спростити всі транзакції за допомогою розпізнавання та ідентифікації облич. Індустрія заходів шукає безконтактні, швидкі рішення для контролю доступу, щоб зменшити кількість взаємодій та виконати різні правила. Клуби, паби та місця проведення заходів можуть швидко реєструвати учасників та попередньо зареєстрованих гостей по обличчю, не дивлячись на документи або картки доступу, що засвідчують особу, що усуває довгі черги на вході та забезпечує швидкі транзакції без дотику до пристроїв та поверхонь.
Суперечки
Попри свої переваги, технологія розпізнавання облич також має проблеми, що викликають занепокоєння у користувачів. Насамперед це стосується конфіденційності, збору даних та упередженого ставлення до певних етнічних груп.
Щодо конфіденційності, то були повідомлення про те, що комплекти відеоспостереження з технологією розпізнавання облич використовують обличчя не тільки для ідентифікації людей, але й для отримання інших даних про цих людей із соціальних мереж та Інтернету. Тому потрібна передова практика.
З конфіденційністю тісно пов'язані розбіжності щодо збору даних, які використовуються для навчання алгоритмів і мають бути добре захищені. Регулятори виявили, що, на жаль, не всі компанії, які займаються розпізнаванням облич, дотримуються законів у регіоні, де вони розгорнуті, тому спостерігаються значні штрафи та компанії, які змушені видаляти дані зі своїх наборів даних.
Нарешті, час від часу відбувається упереджене ставлення до певних етнічних груп через погане навчання алгоритмів чи навчання на неякісних/неправильно маркованих зображеннях. Постачальники технологій розпізнавання облич несуть відповідальність за впровадження кращих практик, які виявляють та мінімізують будь-які приховані упередження, встановлюють показники справедливості та тестують алгоритми у реальних сценаріях. В останні роки наукова спільнота працювала разом над покращенням процедур навчання, даних та результатів, які зменшують помилкову ідентифікацію не лише за ознакою статі, а й за віком, етнічною належністю та іншими змінними.