Welche Nachteile hat die Gesichtserkennung?

Nachteile der Gesichtserkennung: 1. Es können Fehler auftreten, die sich auf die Beurteilungsergebnisse auswirken. 2. Die Zuverlässigkeit und Stabilität der Informationen ist schwach. 3. Die im Gesicht enthaltene Informationsmenge ist relativ gering und ihre Änderungen sind komplex Die Genauigkeit ist nicht hoch genug und die Erkennbarkeit ist nicht sehr hoch. 4. Die inneren Veränderungen der Person und Veränderungen in der äußeren Umgebung wirken sich auf die Stabilität der Gesichtsinformationen während der Erfassung aus.

Die Betriebsumgebung dieses Tutorials: Windows 7-System, Dell G3-Computer.

Aus technischer Sicht ist das Gesicht die einzige biometrische Information, die ohne aktive Mitarbeit des Nutzers erfasst werden kann. Der Erfassungsprozess anderer biometrischer Merkmale wie Fingerabdrücke, Handflächenabdrücke, Iris, Venen und Netzhaut erfordert die aktive Mitarbeit des Benutzers. Das heißt, wenn der Benutzer die Erfassung verweigert, können keine hochwertigen Merkmalsinformationen erhalten werden. Aus sozialpsychologischer Sicht steht die Identifizierung von Identitäten anhand von Gesichtern im Einklang mit der visuellen Erkennungserfahrung von Menschen und wird von Benutzern problemlos akzeptiert. Wenn Menschen beispielsweise Fingerabdrücke und Iris sammeln, befürchten sie, dass ihre Privatsphäre verloren geht. Sie fühlen sich jedoch nicht verletzt, wenn sie täglich von Hunderten von Überwachungskameras auf der Straße erfasst werden, da das menschliche Gesicht von Natur aus sichtbar ist und als natürliches Merkmal angesehen wird Identität identifizieren. Sprechen wir also über die Nachteile der Gesichtserkennungstechnologie.

Technische Nachteile der Gesichtserkennung

Die Gesichtserkennungstechnologie weist auch Fehler auf, die sich auf die Beurteilungsergebnisse der Menschen auswirken.

Ein Nachteil der Gesichtserkennung besteht darin, dass die Zuverlässigkeit und Stabilität der Informationen schwach ist.

Die im menschlichen Gesicht enthaltene Informationsmenge ist im Vergleich zu Fingerabdrücken, Iris und anderen biologischen Merkmalen relativ gering und die Komplexität der Veränderungen reicht nicht aus. Wenn beispielsweise die Fingerabdrücke oder die Iris zweier Personen grundsätzlich gleich sind, wären Dutzende oder sogar Hunderte von Bits nötig, um sich vollständig zu überlappen. Wenn es sich jedoch um ein menschliches Gesicht handelt, reicht es aus, wenn sich ein Dutzend Bits überlappen. Überall auf der Welt gibt es viele Gesichter mit Ähnlichkeiten. Daher ist die Erkennung menschlicher Gesichter nicht sehr hoch und nicht so einzigartig.

Darüber hinaus wirken sich interne Veränderungen in der Person selbst und Veränderungen in der äußeren Umgebung auf die Stabilität der Gesichtsinformationen während der Erfassung aus. Im Vergleich zur früheren Gesichtserkennungstechnologie hat sich die aktuelle Gesichtserkennungstechnologie verbessert, aber die spezifische Anwendung ist immer noch nicht perfekt. Es wird vorsichtig geschätzt, dass die Genauigkeitsrate der Gesichtserkennungstechnologie 99 % erreichen kann.

Technische Schwierigkeiten bei der Gesichtserkennung

1. Beleuchtungsprobleme sind der kritischste Faktor, der die Leistung der Gesichtserkennung beeinflusst. Der Grad der Lösung dieses Problems hängt vom Erfolg oder Misserfolg des Praktikums ab Prozess der Gesichtserkennung. Aufgrund der 3D-Struktur des menschlichen Gesichts verstärken oder schwächen die vom Licht geworfenen Schatten die ursprünglichen Gesichtszüge. Insbesondere nachts führen Gesichtsschatten, die durch unzureichendes Licht verursacht werden, zu einem starken Abfall der Erkennungsrate, sodass das System den praktischen Anforderungen nicht mehr gerecht wird. Gleichzeitig beweisen Theorie und Experiment auch, dass die Unterschiede, die durch unterschiedliche Beleuchtung desselben Individuums verursacht werden, größer sind als die Unterschiede zwischen verschiedenen Individuen unter derselben Beleuchtung. Das Beleuchtungsproblem ist ein altes Problem in der maschinellen Bildverarbeitung, insbesondere bei der Gesichtserkennung. Zu den Lösungen zur Lösung des Beleuchtungsproblems gehören die Gesichtserkennung mit dreidimensionalen Bildern und die Gesichtserkennung mit Wärmebildern. Allerdings sind diese beiden Technologien noch lange nicht ausgereift und die Erkennungsergebnisse sind unbefriedigend.

2. Haltungsproblem

Die Gesichtserkennung basiert hauptsächlich auf den Gesichtsdarstellungsmerkmalen von Menschen. Die Erkennung von durch die Körperhaltung verursachten Gesichtsveränderungen ist zu einer der Schwierigkeiten dieser Technologie geworden. Bei dem Posenproblem handelt es sich um Gesichtsveränderungen, die durch die Drehung des Kopfes um drei Achsen in einem dreidimensionalen vertikalen Koordinatensystem verursacht werden, wobei eine Tiefendrehung in zwei Richtungen senkrecht zur Bildebene zu einem teilweisen Verlust von Gesichtsinformationen führt. Damit ist das Haltungsproblem ein technisches Problem bei der Gesichtserkennung. Derzeit gibt es relativ wenige Studien zur Körperhaltung. Die meisten Gesichtserkennungsalgorithmen konzentrieren sich hauptsächlich auf frontale und quasi-frontale Gesichtsbilder Abfall.

3. Ausdrucksprobleme

　 Große Veränderungen des Gesichtsausdrucks wie Weinen, Lachen und Wut beeinträchtigen auch die Genauigkeit der Gesichtserkennung. Die vorhandene Technologie bewältigt diese Aspekte recht gut, egal ob es sich um das Öffnen des Mundes oder um übertriebene Gesichtsausdrücke handelt, der Computer kann dies durch dreidimensionale Modellierung sowie Methoden zur Haltungs- und Ausdruckskorrektur korrigieren.

4. Okklusionsproblem

　Bei der Erfassung von Gesichtsbildern unter nicht kooperativen Bedingungen ist das Okklusionsproblem ein sehr ernstes Problem. Insbesondere in einer Überwachungsumgebung tragen die zu überwachenden Personen häufig Brillen, Hüte und andere Accessoires, wodurch die erfassten Gesichtsbilder wahrscheinlich unvollständig sind, was sich auf die anschließende Merkmalsextraktion und -erkennung und sogar auf den Gesichtserkennungsalgorithmus auswirkt.

5. Altersveränderungen

Wenn sich das Alter ändert, kann sich das Aussehen einer Person erheblich verändern, von einem Teenager zu einem jungen Mann oder einer alten Person, was zu einem Rückgang der Erkennungsrate führt. Für verschiedene Altersgruppen sind auch die Erkennungsraten von Gesichtserkennungsalgorithmen unterschiedlich. Das direkteste Beispiel für dieses Problem ist die Identifizierung von Personalausweisfotos. In unserem Land beträgt die Gültigkeitsdauer von Personalausweisen in der Regel 20 Jahre. Während dieser 20 Jahre wird sich das Erscheinungsbild eines jeden Menschen zwangsläufig stark verändern, sodass es auch bei der Identifizierung große Herausforderungen gibt . Frage.

6. Gesichtsähnlichkeit

Es gibt keinen großen Unterschied zwischen verschiedenen Personen. Die Struktur aller Gesichter ist ähnlich, und sogar die Struktur und das Aussehen der Gesichtsorgane sind sehr ähnlich. Solche Eigenschaften sind für die Verwendung von Gesichtern zur Positionierung vorteilhaft, für die Verwendung von Gesichtern zur Unterscheidung menschlicher Individuen jedoch nachteilig. Menschliche Faktoren wie Make-up und plastische Chirurgie, die darauf abzielt, eine bestimmte Berühmtheit nachzuahmen, erschweren dieses Problem. Insbesondere beim Thema Zwillinge ist in der akademischen Welt umstritten, ob das Gesichtserkennungssystem sie korrekt identifizieren kann. Einige Experten sind der Meinung, dass Zwillinge durch die Gesichtserkennungstechnologie überhaupt nicht unterschieden werden sollten. Eine genaue Unterscheidung ist mit der Gesichtserkennungstechnologie nicht möglich.

7. Dynamische Erkennung

Im Falle einer nicht kooperativen Gesichtserkennung beeinträchtigen unscharfe Gesichtsbilder, die durch Bewegung oder falschen Kamerafokus verursacht werden, die Erfolgsquote der Gesichtserkennung erheblich. Diese Schwierigkeit tritt offensichtlich bei der Verwendung von Sicherheits- und Überwachungsidentifikationen wie U-Bahnen, Autobahnkontrollpunkten, Bahnhofskontrollpunkten, Taschendiebstählen in Supermärkten und Grenzkontrollen im Vordergrund.

8. Gesichtsfälschung

　Die gängige Täuschungsmethode zur Fälschung von Gesichtsbildern zur Erkennung besteht darin, ein dreidimensionales Modell zu erstellen oder einige Ausdrücke einzupflanzen. Mit der Verbesserung der Gesichtsfälschungsschutztechnologie, der Einführung von 3D-Gesichtserkennungstechnologie, Kameras und anderen intelligenten Computer-Vision-Technologien wird die Erfolgsquote gefälschter Gesichtsbilder zur Identifizierung erheblich verringert.

9. Mangel an Proben

Gesichtserkennungsalgorithmen, die auf statistischem Lernen basieren, sind derzeit die gängigen Algorithmen im Bereich der Gesichtserkennung, aber statistische Lernmethoden erfordern viel Training. Da es sich bei der Verteilung von Gesichtsbildern im hochdimensionalen Raum um eine unregelmäßige Mannigfaltigkeitsverteilung handelt, müssen die Proben, die erhalten werden können, nur einen sehr kleinen Teil des Gesichtsbildraums abtasten. Wie das Problem des statistischen Lernens bei kleinen Proben gelöst werden kann, bleibt bestehen studiert. Darüber hinaus handelt es sich bei den Gesichtsbilddatenbanken, die derzeit am Training teilnehmen, im Wesentlichen um Bilder von Ausländern, und es gibt nur sehr wenige Gesichtsbilddatenbanken von Chinesen und Asiaten, was das Training von Gesichtserkennungsmodellen schwieriger macht. 10. Probleme mit der Bildqualität Eine effektive Gesichtserkennung an Gesichtsbildern durchzuführen (z. B. Gesichtsbilder, die mit Mobiltelefonkameras aufgenommen wurden, Bilder, die durch Fernüberwachung aufgenommen wurden usw.), ist ein Problem, das Aufmerksamkeit erfordert. Ebenso sind weitere Untersuchungen zum Einfluss hochauflösender Bilder auf Gesichtserkennungsalgorithmen erforderlich. Wenn wir nun eine Gesichtserkennung durchführen, verwenden wir im Allgemeinen Gesichtsbilder gleicher Größe und sehr ähnlicher Auflösung, sodass das Bildqualitätsproblem grundsätzlich gelöst werden kann. Angesichts komplexerer Probleme in der Realität müssen wir jedoch weiter optimieren und verarbeiten sie.

Sicherheitsrisiken der Gesichtserkennung

In den letzten Jahren ist die Gesichtserkennungstechnologie immer innovativer und bahnbrechender geworden, und die in verschiedenen Branchen umgesetzten Anwendungsprojekte sind für alle offensichtlich, aber die aktuelle Technologie kann immer noch nicht mithalten Die sich schnell verändernde Gesellschaft hat zum Beispiel dazu geführt, dass viele Gesichtsprodukte in meinem Land ihre Algorithmen nicht mehr scannen und identifizieren konnten Die Zeit hat uns auch daran erinnert, dass Technologie angesichts der Ungewissheit der Zukunft nicht statisch bleiben kann und ständige Innovationen und Durchbrüche erfordert. 　Wie kann man außerdem Gesichter unter verschiedenen Lichtverhältnissen und Winkeln besser erkennen? Fragen wie die eindeutige und genaue Feststellung der Identität sind immer noch technische Probleme, die gelöst werden müssen.

Eine im Jahr 2012 durchgeführte Studie zeigte, dass Gesichtsalgorithmen des Anbieters Cognitec bei der Identifizierung von Afroamerikanern um 5 bis 10 % schlechter waren als bei Kaukasiern. Forscher fanden außerdem heraus, dass Gesichtserkennungsmodelle, die in China, Japan und Südkorea entwickelt wurden, Schwierigkeiten bei der Unterscheidung haben Kaukasier und Ostasiaten. Im Februar dieses Jahres wiesen Forscher des MIT Media Lab darauf hin, dass Gesichtserkennungstechnologien von Microsoft, IBM und dem chinesischen Hersteller Megvii eine Fehlerquote von bis zu 7 % bei der Identifizierung hellhäutiger Frauen und eine Fehlerquote bei der Identifizierung dunkelhäutiger Frauen aufwiesen Bei Männern lag die Falsch-Positiv-Rate bei 12 %, bei dunkelhäutigen Frauen bei 35 %.

　Es gibt weitaus mehr Beispiele für Algorithmusfehler. Jüngste Erkenntnisse ergaben, dass ein von der Londoner Metropolitan Police eingesetztes System bei jedem tatsächlichen Einsatz bis zu 49 falsche Treffer lieferte. Bei einer Anhörung des Aufsichtsausschusses des Repräsentantenhauses zur Gesichtserkennungstechnologie im vergangenen Jahr gab das FBI zu, dass seine Algorithmen zur Identifizierung krimineller Verdächtiger eine Fehlerquote von bis zu 15 % aufwiesen. Darüber hinaus ergab eine laufende Studie von Forschern der University of Virginia, dass zwei bekannte Forschungsbildsammlungen, ImSitu und COCO (erstellt von Facebook, Microsoft und dem Startup MightyAI), bei Sport, Kochen und einer Vielzahl anderer Themen schlechte Leistungen erbrachten In den Beschreibungen gibt es eindeutig eine geschlechtsspezifische Tendenz (z. B. werden Einkaufsbilder im Allgemeinen mit Frauen in Verbindung gebracht, während Trainerbilder häufig mit Männern in Verbindung gebracht werden).

　Wie kann man Gesichter unter verschiedenen Lichtverhältnissen und Winkeln besser erkennen? Fragen wie die eindeutige und genaue Feststellung der Identität sind immer noch technische Probleme, die gelöst werden müssen.

　Aber selbst wenn das Problem der Voreingenommenheit angegangen wird und das Gesichtserkennungssystem für alle fair und gleichberechtigt funktionieren kann, besteht immer noch das potenzielle Risiko eines Scheiterns. Wie viele andere Technologien der künstlichen Intelligenz weisen Gesichtserkennungslösungen in der Regel ein gewisses Maß an Fehlern auf, selbst wenn verzerrte Faktoren vollständig eliminiert werden. Alle Werkzeuge können zum Guten oder Bösen eingesetzt werden, und je mächtiger das Werkzeug selbst ist, desto offensichtlicher ist der Nutzen oder Schaden, den es mit sich bringen kann.

Weitere Informationen zu diesem Thema finden Sie in der Spalte „FAQ“!

Das obige ist der detaillierte Inhalt vonWelche Nachteile hat die Gesichtserkennung?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!