Maison >Problème commun >Quels sont les inconvénients de la reconnaissance faciale ?

Quels sont les inconvénients de la reconnaissance faciale ?

青灯夜游
青灯夜游original
2021-12-06 16:57:1438901parcourir

Inconvénients de la reconnaissance faciale : 1. Des erreurs peuvent survenir, affectant les résultats du jugement des personnes ; 2. La fiabilité et la stabilité des informations sont faibles 3. La quantité d'informations contenues dans le visage est relativement faible et ses changements sont complexes ; la précision n'est pas assez élevée et la reconnaissabilité n'est pas très élevée ; 4. Les changements internes de la personne et les changements dans l'environnement externe affecteront la stabilité des informations sur le visage lors de la collecte.

Quels sont les inconvénients de la reconnaissance faciale ?

L'environnement d'exploitation de ce tutoriel : système Windows 7, ordinateur Dell G3.

D’un point de vue technique, le visage est la seule information biométrique pouvant être collectée sans la coopération active de l’utilisateur. Le processus de collecte d'autres caractéristiques biométriques, telles que les empreintes digitales, les empreintes palmaires, l'iris, les veines et la rétine, nécessite la coopération active de l'utilisateur. Autrement dit, si l'utilisateur refuse de collecter, des informations de haute qualité ne peuvent pas être obtenues. D'un point de vue psychologique social, la reconnaissance faciale est cohérente avec l'expérience de reconnaissance visuelle des personnes et est facilement acceptée par les utilisateurs. Par exemple, lorsque les gens collectent leurs empreintes digitales et leurs iris, ils s'inquiètent des fuites de confidentialité, mais ils ne se sentent pas violés lorsqu'ils sont capturés chaque jour par des centaines de caméras de surveillance dans les rues, car le visage humain est naturellement exposé et est considéré comme une caractéristique naturelle pour identifier son identité. Parlons donc des inconvénients de la technologie de reconnaissance faciale.

Inconvénients techniques de la reconnaissance faciale

La technologie de reconnaissance faciale comportera également des erreurs, ce qui affectera les résultats du jugement des gens.

Un inconvénient de la reconnaissance faciale est que la fiabilité et la stabilité des informations sont faibles.

La quantité d'informations contenues dans le visage humain est relativement faible par rapport aux empreintes digitales, à l'iris et à d'autres caractéristiques biologiques, et la complexité de ses changements n'est pas suffisante. Par exemple, si les empreintes digitales ou les iris de deux personnes sont fondamentalement identiques, il faudrait des dizaines, voire des centaines de bits pour se chevaucher complètement. Mais s’il s’agit d’un visage humain, il suffit qu’une douzaine de bits se chevauchent. De nombreux visages présentant des similitudes peuvent être trouvés partout dans le monde. Par conséquent, la reconnaissance des visages humains n’est pas très élevée et n’est pas si unique.

De plus, les changements internes à la personne elle-même et les changements dans l'environnement externe affecteront la stabilité des informations sur le visage lors de la collecte. Par rapport à la technologie de reconnaissance faciale précédente, la technologie actuelle de reconnaissance faciale s'est améliorée, mais l'application spécifique n'est toujours pas parfaite. On estime de manière prudente que le taux de précision de la technologie de reconnaissance faciale peut atteindre 99 %.

Difficultés techniques de la reconnaissance faciale

1. Problème d'éclairage

Les changements d'éclairage sont le facteur le plus critique affectant les performances de la reconnaissance faciale. Le degré de résolution de ce problème est lié au succès ou à l'échec de la pratique. processus de reconnaissance faciale. En raison de la structure 3D du visage humain, les ombres projetées par la lumière rehausseront ou affaibliront les traits originaux du visage. Surtout la nuit, les ombres du visage causées par une lumière insuffisante entraîneront une forte baisse du taux de reconnaissance, ce qui rendra difficile pour le système de répondre aux exigences pratiques. Dans le même temps, la théorie et l’expérience prouvent également que les différences causées par un éclairage différent chez le même individu sont plus grandes que les différences entre différents individus sous le même éclairage. Le problème de l’éclairage est un problème ancien en vision industrielle, notamment en reconnaissance faciale. Les solutions pour résoudre le problème de l'éclairage comprennent la reconnaissance faciale par image tridimensionnelle et la reconnaissance faciale par imagerie thermique. Cependant, ces deux technologies sont loin d’être matures et les résultats de reconnaissance sont peu satisfaisants.

2. Problème de posture

La reconnaissance faciale repose principalement sur les caractéristiques de représentation faciale des personnes. Comment identifier les changements faciaux causés par la posture est devenu l'une des difficultés de cette technologie. Le problème de pose implique des changements faciaux provoqués par la rotation de la tête autour de trois axes dans un système de coordonnées verticales tridimensionnelles, où la rotation en profondeur dans deux directions perpendiculaires au plan de l'image entraînera une perte partielle des informations faciales. Cela fait du problème de posture un problème technique en matière de reconnaissance faciale. Il existe relativement peu d'études sur la posture. À l'heure actuelle, la plupart des algorithmes de reconnaissance faciale se concentrent principalement sur les images de visage frontales et quasi frontales. Lorsque les images de visage gauche-droite sont sévères, le taux de reconnaissance de l'algorithme de reconnaissance faciale diminue également. déclin.

3. Problèmes d'expression

  Les changements importants d'expression faciale tels que les pleurs, le rire et la colère affectent également la précision de la reconnaissance faciale. La technologie existante gère assez bien ces aspects. Qu'il s'agisse d'ouvrir la bouche ou de faire des expressions exagérées, l'ordinateur peut le corriger grâce à des méthodes de modélisation tridimensionnelle et de correction de posture et d'expression.

4. Problème d'occlusion

  Pour la collecte d'images de visage dans des conditions non coopératives, le problème d'occlusion est un problème très grave. En particulier dans un environnement de surveillance, les sujets à surveiller portent souvent des lunettes, des chapeaux et d'autres accessoires, ce qui rend les images de visage collectées susceptibles d'être incomplètes, ce qui affecte l'extraction et la reconnaissance ultérieures des caractéristiques, et affecte même l'algorithme de détection des visages en cas d'échec.

5. L'âge change

À mesure que l'âge change, l'apparence d'une personne peut changer considérablement d'un adolescent à un jeune homme ou à une personne âgée, entraînant une diminution du taux de reconnaissance. Pour différents groupes d'âge, les taux de reconnaissance des algorithmes de reconnaissance faciale sont également différents. L'exemple le plus direct de ce problème est l'identification des photos des cartes d'identité. Dans notre pays, la durée de validité des cartes d'identité est généralement de 20 ans. Au cours de ces 20 années, l'apparence de chacun va inévitablement changer considérablement, il y a donc aussi de grands défis en matière d'identification. . question.

6. Similitude des visages

Il n'y a pas beaucoup de différence entre les différents individus. La structure de tous les visages est similaire, et même la structure et l'apparence des organes du visage sont très similaires. De telles caractéristiques sont avantageuses pour l'utilisation de visages pour le positionnement, mais sont désavantageuses pour l'utilisation de visages pour distinguer des individus humains. Des facteurs humains tels que le maquillage et la chirurgie plastique visant à imiter une certaine célébrité rendent ce problème plus difficile. En ce qui concerne notamment la question des jumeaux, la question de savoir si le système de reconnaissance faciale peut les identifier correctement est en fait un sujet de débat dans le monde universitaire. Certains experts estiment que les jumeaux ne devraient pas du tout être distingués par la technologie de reconnaissance faciale. Ils ne peuvent pas être distingués avec précision à l'aide de la technologie de reconnaissance faciale.

7. Reconnaissance dynamique

Dans le cas d'une reconnaissance faciale non coopérative, les images faciales floues causées par un mouvement ou une mise au point incorrecte de l'appareil photo affecteront sérieusement le taux de réussite de la reconnaissance faciale. Cette difficulté est évidemment importante dans l'utilisation des moyens d'identification de sécurité et de surveillance tels que les métros, les points de contrôle des autoroutes, les points de contrôle des gares, les anti-pickpockets des supermarchés et les inspections aux frontières.

8. Anti-contrefaçon de visage

 La méthode de tromperie traditionnelle pour forger des images de visage à des fins de reconnaissance consiste à construire un modèle tridimensionnel ou à greffer certaines expressions. Avec l'amélioration de la technologie anti-contrefaçon des visages, l'introduction de la technologie de reconnaissance faciale 3D, des caméras et d'autres technologies de vision informatique intelligente, le taux de réussite des images faciales falsifiées à des fins d'identification sera considérablement réduit.

9. Manque d'échantillons

Les algorithmes de reconnaissance faciale basés sur l'apprentissage statistique sont actuellement les algorithmes dominants dans le domaine de la reconnaissance faciale, mais les méthodes d'apprentissage statistique nécessitent beaucoup de formation. Étant donné que la distribution des images de visage dans un espace de grande dimension est une distribution multiple irrégulière, les échantillons qui peuvent être obtenus n'échantillonnent qu'une très petite partie de l'espace des images de visage. La manière de résoudre le problème d'apprentissage statistique sous de petits échantillons reste à étudier plus en détail. . recherche. De plus, les bases de données d'images faciales participant actuellement à la formation sont essentiellement des images d'étrangers, et il existe très peu de bases de données d'images faciales de Chinois et d'Asiatiques, ce qui rend la formation de modèles de reconnaissance faciale plus difficile.

10. Problèmes de qualité d'image

Les images faciales peuvent provenir de diverses sources. En raison des différents équipements de collecte, la qualité des images faciales obtenues est également différente, en particulier pour celles à faible résolution, à bruit élevé et de mauvaise qualité. effectuer efficacement une reconnaissance faciale sur des images de visage (telles que des images de visage capturées par des caméras de téléphones portables, des images capturées par une surveillance à distance, etc.) est une question qui mérite attention. De même, des recherches supplémentaires sont nécessaires sur l’impact des images haute résolution sur les algorithmes de reconnaissance faciale. Désormais, lorsque nous effectuons la reconnaissance faciale, nous utilisons généralement des images de visage de même taille et de résolution très proche, de sorte que le problème de la qualité de l'image peut être essentiellement résolu. Cependant, face à des problèmes plus complexes dans la réalité, nous devons continuer à optimiser. et les traiter.

Risques de sécurité liés à la reconnaissance faciale

Ces dernières années, la technologie de reconnaissance faciale est devenue de plus en plus innovante et révolutionnaire, et les projets d'application mis en œuvre dans diverses industries sont évidents pour tous, mais la technologie actuelle ne peut toujours pas suivre le rythme. La société évolue rapidement.Les changements et les demandes du marché.Par exemple, la nouvelle attaque de coronavirus de cette année a empêché un grand nombre de produits pour le visage dans mon pays de scanner et d'identifier les personnes portant des masques.Par la suite, les principaux fabricants ont immédiatement mis à jour leurs algorithmes, mais cela. le temps nous a également rappelé que face à l'incertitude de l'avenir, à la certitude, la technologie ne peut pas rester statique et nécessite une innovation et des percées constantes.

 De plus, comment mieux reconnaître les visages sous différentes lumières et angles ? Les questions telles que la manière de déterminer clairement et précisément l’identité restent des problèmes techniques qui doivent être résolus.

Une étude menée en 2012 a montré que les algorithmes faciaux fournis par le fournisseur Cognitec étaient 5 à 10 % moins efficaces pour identifier les Afro-Américains que les Caucasiens. En 2011, les chercheurs ont également découvert que les modèles de reconnaissance faciale développés en Chine, au Japon et en Corée du Sud avaient du mal à faire la distinction entre Caucasiens et Asiatiques de l’Est. En février de cette année, des chercheurs du MIT Media Lab ont souligné que la technologie de reconnaissance faciale de Microsoft, IBM et du fabricant chinois Megvii présentait un taux d'erreur allant jusqu'à 7 % dans l'identification des femmes à la peau claire, et un taux d'erreur dans l'identification des femmes à la peau foncée. les hommes, 12 %, et la proportion de condamnations injustifiées pour les femmes à la peau foncée a atteint 35 %.

  Il existe bien plus d’exemples d’erreurs d’algorithme. Des découvertes récentes ont révélé qu'un système déployé par la police métropolitaine de Londres produisait jusqu'à 49 fausses correspondances à chaque fois qu'il était réellement utilisé. Lors d'une audience du House Oversight Committee sur la technologie de reconnaissance faciale l'année dernière, le FBI a admis que ses algorithmes utilisés pour identifier les suspects criminels avaient un taux d'erreur allant jusqu'à 15 %. En outre, une étude en cours menée par des chercheurs de l'Université de Virginie a révélé que deux collections d'images de recherche bien connues - ImSitu et COCO (COCO a été construite conjointement par Facebook, Microsoft et la startup MightyAI) ont des effets différents sur le sport, la cuisine et un diverses autres activités. Il existe un préjugé sexiste évident dans les descriptions (par exemple, les images de shopping sont généralement associées aux femmes, tandis que les images de coaching sont souvent associées aux hommes).

 Comment mieux reconnaître les visages sous différentes lumières et angles ? Les questions telles que la manière de déterminer clairement et précisément l’identité restent des problèmes techniques qui doivent être résolus.

 Cependant, même si le problème des préjugés est résolu et que le système de reconnaissance faciale peut fonctionner de manière juste et équitable pour tout le monde, il existe toujours un risque potentiel d'échec. Comme beaucoup d’autres technologies d’intelligence artificielle, même si les facteurs de biais sont totalement éliminés, les solutions de reconnaissance faciale comportent généralement un certain degré d’erreur. Tous les outils peuvent être utilisés pour le bien ou le mal, et plus l’outil lui-même est puissant, plus les avantages ou les inconvénients qu’il peut apporter sont évidents.

Pour plus de connaissances connexes, veuillez visiter la rubrique FAQ !

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Déclaration:
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn