מהי מערכת זיהוי פנים?
מערכת זיהוי פנים היא טכנולוגיה שיכולה לזהות או לאמת אדם באופן אוטומטי מתוך תמונה דיגיטלית או פריים וידאו.
טכנולוגיית זיהוי פנים משתמשת בשיטות ביומטריות כדי למפות תווי פנים מהתמונה ומשווה אותה למסד נתונים של פנים מתויגות
מתוך מסד הנתונים (מליוני פרצופים בד”כ) כדי למצוא התאמה.
מערכות אלו משמשות לעתים קרובות למטרות אבטחה, אך נמצאות בשימוש גם במגוון יישומים אחרים כגון פתיחת טלפון נייד,
תיוג תמונות (פייסבוק למשל) וניהול הרשאות.
איך עובדת טכנולוגיית זיהוי פנים?
ברמה הבסיסית ביותר, זיהוי פנים היא טכנולוגיה המשתמשת באלגוריתמים של למידת מכונה (ML)
כדי לנתח ולהתאים תמונות פנים אנושיות.
המערכת פועלת על ידי לכידת תמונת של אדם, אשר מנותחת מתמטית ועוברת מספר מדידות,
כגון המרחק בין העיניים, צורת קו הלסת וגודל האף.
לאחר מכן, מאפיינים אלה מושווים למסד נתונים של פרצופים מתוייגים מתוך מאגר תמונות עצום כדי למצוא התאמה.
אפליקציות זיהוי פנים
אחד השימושים הנפוצים ביותר בטכנולוגיית זיהוי פנים הוא באבטחה ומעקב.
לדוגמה, ניתן להשתמש בטכנולוגיה כדי לנטר ולזהות אנשים הנכנסים לבניין או לאזור מוגבל,
או כדי לעקוב אחר חשודים בחקירה פלילית.
ניתן להשתמש בזיהוי פנים גם כדי לשפר את הדיוק של מערכות אימות ביומטריות,
כגון סורקי טביעות אצבע או קשתית העין.
עוד יישום הולך וגדל של זיהוי פנים הוא בקמעונאות ובפרסום.
לדוגמה, קמעונאים יכולים להשתמש בטכנולוגיה כדי לעקוב אחר לקוחות בזמן שהם עוברים
בחנות ולאסוף נתונים על הרגלי הרכישה שלהם.
לאחר מכן ניתן להשתמש במידע זה כדי ליצור קמפיינים שיווקיים ממוקדים ולשפר את חווית הקנייה הכוללת.
אלגוריתמים לזיהוי פנים
אחד המרכיבים המרכזיים של מערכות זיהוי פנים הוא האלגוריתם המשמש לניתוח והשוואה של תמונות פנים.
האלגוריתם הראשון והותיק במערכות זיהוי הפנים הוא אלגוריתם ניתוח גורמים ראשיים (PCA).
PCA זהו אחד האלגוריתמים הוותיקים והנפוצים ביותר לזיהוי פנים.
אלגוריתם PCA עובד על ידי ניתוח המרכיבים העיקריים של הפנים, שהם התכונות שיש להן את השונות הגדולה ביותר בין אנשים שונים.
רכיבים אלה משמשים לאחר מכן ליצירת צירוף מספרי ייחודי, או תבנית, המייצגת את הפנים.
לאחר מכן משווים את התבנית לתבניות של אנשים מתויגות מתוך מסד הנתונים כדי למצוא התאמה.
אלגוריתם פופולרי נוסף הוא האלגוריתם ניתוח מפלה לינארי (LDA).
אלגוריתם LDA דומה ל-PCA, אך הוא גם מחלק לקבוצות את האנשים במסד הנתונים.
זה מאפשר לאלגוריתם להבחין טוב יותר בין אנשים שונים, גם אם יש להם תווי פנים דומים.
אלגוריתם שצובר פופולריות הוא אלגוריתם Eigenface.
אלגוריתם Eigenface מבוסס על PCA, אך הוא משתמש בוקטורים עצמיים במקום גורמים ראשיים ליצירת התבניות.
וקטורים עצמיים הם ייצוג מתמטי של הפנים שעמידים יותר בפני שינויים בתאורה ובמנח הפנים.
אלגוריתם נוסף הוא אלגוריתם Fisherface.
אלגוריתם Fisherface מבוסס על LDA, אך הוא משתמש בצורה שונה ביחסים וקטוריים במקום באבחנים ליניאריים כדי ליצור את התבניות.
Fisherface הם ייצוג קומפקטי יותר של הפנים, שהם עמידים אפילו יותר מ-Eigenface לשינויים בתאורה ובמנח.
אלגוריתמי למידה עמוקה (DL) צוברים פופולריות בזיהוי פנים.
אלגוריתמי למידה עמוקה משתמשים ברשתות עצביות עמוקות כדי לנתח ולהשוות תמונות פנים.
אלגוריתמים אלה לומדים מכמויות גדולות של נתונים ויכולים לזהות במדויק אפילו וריאציות עדינות בתווי הפנים.
לכל האלגוריתמים הללו יש חוזקות וחולשות משלהם, והאלגוריתם הטוב ביותר עבור שימושים ומימושים מסויימים
יהיה תלוי בדרישות ובאילוצים הספציפיים (וגם בהחלטות ה-CTO בהתאם לשיקולי המיזם).
אבל, אלגוריתמי למידה עמוקה (DL) נחשבים למדויקים והחזקים ביותר (כרגע!) לזיהוי פנים.
ההיסטוריה של מערכות זיהוי פנים
ההיסטוריה של טכנולוגיית זיהוי הפנים מתחילה איפשהו בשנות ה-60, כאשר חוקרים החלו לראשונה
להתנסות במערכות זיהוי פנים מבוססות מחשב.
בעשורים שלאחר מכן, חוקרים פיתחו ושכללו את הטכנולוגיה, עם אבני דרך בולטות, כולל יצירת אלגוריתם זיהוי הפנים
הראשון בשנות ה-70 ופיתוח שיטת ה-eigen-face בשנות ה-80.
בשנות ה-90 וה-2000, טכנולוגיית זיהוי הפנים התקדמה משמעותית עם הופעתן של טכנולוגיות חדשות
כמו למידה עמוקה וזמינות של כמויות גדולות של דאטא מתוייג.
