Hogyan működik az arcfelismerés? (1. rész)

A legtöbb ember kényelmesen használja az arcfelismerést, amikor feloldja biometrikus szenzorokkal ellátott okostelefonját, vagy éppen egy vicces Instagram vagy Facebook képhez kellene 1-2 filter. Az arcfelismerés azonban még mindig egy viszonylag új technológia, és ha mögé nézünk, hogy hogy működik, akkor rájövünk, hogy egy kicsit ijesztő.


Az arcunk alapvetően olyan, mint egy ujjlenyomat, és vannak hátrányai, melyet a katonaság, a rendőrség, a reklámozók és a deepfake kreátorok is kihasználnak. Fontos tehát, hogy minimális szinten megértsük, hogy miként működik az arcfelismerés és hogyan fog fejlődni a jövőben.
Az arcfelismerési algoritmusokat beoszthatjuk 3 elkülöníthető csoportba:
– Alapvető arcfelismerés (basic): Amikor filtereket, emoji-kat vagy egyéb vicces virtuális tartalmat akarunk rakni arcunkra, akkor a kamera az arc alapvető ismertetőjegyeit keresi, melyekre ráteheti ezeket az animációkat. Ezek az ismertetőjegyek főként a szempár, az orr és a száj. Ha ezek megvannak, akkor az algoritmus fixál az arcunkra és meghatározza, hogy fejünk mely irányba néz, nyitva van-e a szánk, stb. Ez természetesen nem tényleges arcalapú azonosítás, csak egy szoftver, mely arcokat keres.
– Face ID és az ehhez hasonló programok: Amikor a Face ID-t, vagy egyéb arcfelismeréssel működő azonosításra használatos programot aktiválunk, akkor a kamera készít egy fotót arcunkról és megméri a távolságot az arcon található ismertetőjegyek között, pl: szemek, orr, fülek, száj, szemöldök, stb. Amikor pedig legközelebb azonosítani akarjuk magunkat, akkor ezeket az adatokat is felhasználva, a telefon eldönti, hogy mi vagyunk-e vagy sem.
– Idegenek felismerése: Amikor egy szervezet azonosítani akar egy arcot biztonsági vagy reklámozási okokból, akkor algoritmusokat használ, melyek összehasonlítják az adott arcot egy hatalmas adatbázissal, melyben ezernyi egyéb arc található. Maga a művelet elviekben nem sokban különbözik a Face ID-től, csak nagyobb skálán történik.
A legtöbb arcfelismerő program csakis 2D-s képek analizálásán alapul. Ez azonban nem azért történik, mert a 2D-s arcfelismerés olyan hibamentes, hanem azért, mert praktikus. A legtöbb okostelefon kamerája nem 3D-s képeket készít, a térfigyelő kamerák, továbbá adatbázisok arcai is mind 2D-sek. Miért nem tökéletes a 2D azonosítás? Azért, mert sok információ elveszik, ha nincs tere az arcnak. Egy 2D-s kép esetén egy algoritmus képes megmérni a pupillák tágultságát, a szájak szélességét, a szemek közti távot, viszont azt már nem tudja megmondani, hogy milyen hosszú az orrunk (sok rendőrségi fotó ezért készül elölről és oldalról is). Mindehhez hozzájön az is, hogy a 2D arcfelismeréshez fény is kell, a sötétben nem működik. A megoldás sokak szerint a 3D kamerákban rejlik, azonban ehhez mire van szükség? Ezt a következő részben tárgyaljuk.