Pemanen analitik video: apa yang otak dan mesin lakukan dengan wajah kita

Kemampuan untuk melihat dan mengenali wajah dengan cepat adalah kekuatan super. Tidak perlu menghabiskan waktu menganalisis, mempelajari keriput, lipatan dan oval. Pengenalan wajah instan dan mudah. Sangat mudah sehingga kami tidak menyadari bagaimana kami melakukannya.

Pikirkan tentang bagaimana wajah yang berbeda terlihat satu sama lain - dua mata, mulut, hidung, telinga menjulur ke samping, setiap kali dalam urutan yang sama (paling sering). Sungguh luar biasa bahwa kita menganalisis suatu objek dengan mudah.

Kami “diprogram” untuk mengenali wajah sejak lahir, tetapi sekarang orang telah mencapai lebih banyak - mereka mengajarkan mesin keterampilan ini. Bagaimana implementasi luas sistem pengenalan dan identifikasi orang akan memengaruhi masyarakat?

Pareidolia: pencarian wajah otomatis

Orang-orang dalam mode "otomatis" dapat membedakan antara gambar-gambar yang sudah dikenal di permukaan mana pun. Hanya tiga elemen arsitektur bangunan yang dianggap sebagai wajah bebek yang terkejut. Ini adalah contoh pareidolia.

Kata pareidolia berasal dari kata Yunani para (para - dekat, dekat, penyimpangan dari apa pun) dan eidolon - gambar. Ini adalah nama ilusi optik, persepsi gambar atau makna di mana mereka sebenarnya tidak. Misalnya, wajah di batang pohon atau figur binatang di awan adalah pareidolia.


Lebih banyak foto seperti itu dapat ditemukan di thingswithfaces.com

Wajah orang dan wajah hewan yang kita lihat dalam bentuk geometris apa pun . Seluruh budaya emoji dibangun berdasarkan prinsip ini. :-)



Fenomena pareidolia mudah diterjemahkan ke dalam bahasa algoritma. Seniman Shinseungback Kimyonghun memotret awan, bergabung sejenak ke wajah manusia, menggunakan naskah dengan perpustakaan OpenCV.

Thatcher's Illusion: Kesalahan Biologis Sistem

Ada bug biologis yang menunjukkan pentingnya keterampilan pengenalan . Sebagian besar objek di sekitar Anda - kursi, meja, komputer, mudah dilihat dan diidentifikasi dengan benar dari sudut manapun. Tidak hanya wajah.

Wajah terbalik memunculkan kerusakan pada otak yang disebut efek Thatcher (ilusi). Fenomena ini menggambarkan kondisi di mana sulit untuk mendeteksi perubahan lokal dalam foto potret terbalik.


Foto pertama tampaknya normal, tetapi jika Anda membaliknya, posisi mata dan mulut yang salah segera menangkap mata. Manusia dan jaringan saraf tiruan mempersepsikan gambar dengan cara yang berbeda. Sungguh menakjubkan bahwa "jaringan saraf" antara telinga kita begitu mudah untuk dibodohi.

Ilusi Thatcher menunjukkan beberapa mekanisme dasar dimana otak kita memproses informasi. Otak membaca sekumpulan elemen individu: sepasang mata, hidung, mulut, telinga. Selain karakteristik individu dari fitur wajah, hubungan mereka antara diri mereka sendiri dan lokasi diperhitungkan. Artinya, seseorang dianggap sebagai keseluruhan sistem.

Karena itu, ketika kita diperlihatkan wajah terbalik, lebih sulit bagi otak untuk mengevaluasi keseluruhan gambar - informasi itu "dikumpulkan" secara terpisah untuk setiap elemen: mata ada di tempat, mulut seperti mulut. Namun, segera setelah kita diperlihatkan wajah yang tepat, tiba-tiba persepsi tentang sistem tunggal terhubung kembali dan masalah dimulai: menjadi jelas bahwa fitur-fitur yang akrab saling berhubungan dengan cara yang tidak biasa.

Mengapa ini penting? Otak manusia mampu mengenali perbedaan terkecil dalam fitur wajah karena integritas persepsi. Area korteks serebral mengenali wajah dan menentukan arah pandangan, amigdala dan pulau kecil menganalisis ekspresi wajah, dan daerah di daerah prefrontal lobus frontal dan sistem otak yang bertanggung jawab atas perasaan senang mengevaluasi keindahannya.

Bug seperti fitur: Wajah Chernov

( c )

Keunikan persepsi manusia digunakan untuk menganalisis data multidimensi agregat menggunakan "wajah". Pada tahun 1973, matematikawan Amerika Jerman Chernov menguraikan konsep menggunakan "orang" untuk mengidentifikasi hubungan karakteristik dan untuk mempelajari hubungan kompleks antara beberapa variabel.

Data Chernov tercermin dalam bentuk pictograms wajah, di mana nilai-nilai relatif dari variabel yang dipilih disajikan sebagai bentuk dan ukuran fitur individu: panjang hidung, sudut antara alis, lebar wajah - hingga total 36 variabel. Dengan demikian, pengamat dapat mengidentifikasi karakteristik visual dari objek yang unik untuk setiap konfigurasi nilai.

Pandangan cepat pada diagram yang terdiri dari wajah akan memungkinkan Anda untuk dengan cepat menentukan apakah karakteristik profil berbeda secara signifikan (bertepatan). Dengan ulasan terperinci dari fitur wajah, menjadi jelas di mana fitur (setiap fitur wajah adalah fitur terpisah dari kumpulan data asli) kesamaan, dan apa bedanya. Misalnya, dalam ilustrasi di atas, mudah untuk melihat perbedaan antara negara-negara dengan emotikon sedih dan lucu.

Buat apa wajah mobilmu

Keterampilan pengenalan wajah cepat membantu menjemput anak Anda dari taman kanak-kanak, memilih pasangan, mengekspresikan emosi dengan benar dan tepat. Tetapi apa yang terjadi ketika seseorang mentransfer kemampuan ini ke jaringan saraf tiruan?

Suatu gagasan dapat menyebabkan penolakan. Tidak semua orang siap untuk dengan mudah menerima teknologi yang menyimpan data, memantau pergerakan, menganalisis pembelian dan emosi. Transisi dari pengawasan video sederhana ke analitik video yang dipersonalisasi memerlukan peningkatan tanggung jawab yang signifikan.



Saat ini, algoritma seperti DeepFace menentukan persamaan individu dengan akurasi yang lebih tinggi daripada manusia. Algoritma Nvidia sendiri menciptakan wajah-wajah orang yang tidak ada dalam beberapa detik. Wajah-wajah dalam kolase di atas dihasilkan oleh jaringan saraf StyleGAN, dilatih pada kumpulan data 70.000 gambar. Mereka tampak sangat realistis.


Demonstrasi Algoritma SearchFace

Pada awalnya, algoritma pengenalan wajah Facebook menyebabkan peningkatan kewaspadaan, tetapi kemudian semua orang terbiasa (atau meninggalkan jejaring sosial). Layanan FindFace untuk mencari orang-orang di foto di VKontakte menerima tinjauan beragam dan digunakan untuk bullying, tetapi penutupan proyek SearchFace yang sama telah menyebabkan reaksi negatif dari pengguna - pada akhirnya, jika data tersedia, maka biarkan terbuka untuk semua orang.

Pengecer memasang teknologi pengenalan wajah untuk mencegah pencurian, mengumpulkan data tentang usia, jenis kelamin, dan bahkan emosi pelanggan. Pada akhirnya, tujuannya adalah untuk meningkatkan layanan pelanggan dan memanfaatkannya. Ketika pelanggan menyadari bahwa sistem ini bermanfaat bagi mereka, banyak yang akan setuju untuk memperkenalkan teknologi baru.

Dengan semakin banyaknya kasus "pencurian identitas" - kartu kredit dan penipuan data pribadi, konsumen akan lebih memilih sistem pada waktu yang tepat. mengidentifikasi mereka dengan benar.

Saat ini, algoritma membantu menyelesaikan masalah penerangan frame yang buruk, resolusi rendah dan masking - seperti kacamata, wig, dan bulu multi-hari. Sistem berjalan dengan kecepatan luar biasa dan memetakan seseorang ke database jutaan orang hanya dalam sedetik.

Beberapa toko di Amerika Serikat menawarkan tersangka pilihan pencurian: izinkan diri Anda mengambil foto atau mendapatkan tuduhan kejahatan formal. Seorang pencuri mendapatkan kebebasan bersama dengan larangan berbelanja, dan fotonya secara resmi masuk ke database. File yang berisi gambar orang dienkripsi dan hanya tersedia untuk pemilik sistem.

Siapa yang mendapat untung dari pengakuan

Sebagian besar toko sudah memasang kamera CCTV. Untuk analitik video, pembaruan perangkat keras tidak diperlukan - cukup sambungkan layanan cloud. Dan dengan layanan analitik video Ivideon, ambang entri praktis tidak ada. Biaya solusinya adalah dari 1.700 rubel per kamera, yang memberikan akses pengusaha ke perangkat lunak.

Motif utama bagi pengecer untuk menggunakan teknologi pengenalan wajah adalah untuk mencegah pencurian. Menurut National Retail Foundation, Amerika Serikat saja, sekitar 1,33% dari semua barang pada tahun 2017 hilang karena pencurian - kerusakan tidak kurang dari $ 46,8 miliar.

Teknologi pengenalan wajah mengurangi jumlah pencurian toko hingga lebih dari 30%.

Seringkali faktor sekunder memengaruhi jumlah kerusakan: kelalaian karyawan, persiapan layanan keamanan yang buruk, keinginan untuk menyelamatkan. Ini dan masalah lainnya harus diselesaikan dengan kamera dan teknologi cloud.

Sistem pengenalan wajah memfasilitasi kerja cepat dengan daftar hitam: ini membandingkan foto klien dengan database orang yang tidak dapat diandalkan dan, jika cocok, mengirimkan peringatan yang sesuai kepada penjaga.

Perangkat lunak analitis sangat meningkatkan keamanan toko. Seorang pencuri yang berpengalaman dapat melihat "titik buta" kamera. Dalam hal ini, penjaga dapat menggunakan teleponnya untuk memotret tersangka, dan kemudian memeriksa apakah orang ini ada di database.

Merek telah menggunakan pemasaran seluler sejak lama - mereka mengirim SMS, pemberitahuan push, dan menampilkan iklan bertarget. Untuk ritel tradisional, sistem pengenalan memberikan kemampuan yang sama dengan yang diterima penjual online dengan cookie.

Platform yang sama yang digunakan untuk mengidentifikasi pencuri membantu penjual menentukan etalase mana yang menarik pelanggan dengan lebih baik. Sistem pengenalan membantu mengidentifikasi klien VIP tepat di pintu masuk toko. Menggunakan data dari CRM, penjual dapat dengan cepat membuat pelanggan tawaran yang menguntungkan.


Di Pusat Keuangan Internasional Seoul, kamera pada papan informasi secara real time menentukan usia dan jenis kelamin seseorang, dan menawarkan iklan sesuai dengan parameter yang diidentifikasi

Informasi pelanggan mengaktifkan alat yang ampuh untuk meningkatkan penjualan dan menilai kebutuhan audiens. Kamera akan membantu Anda mengonfigurasi tampilan iklan video untuk pengunjung tertentu, tergantung pada jenis kelamin, usia dan keadaan emosi mereka, serta menjadi penyedia data untuk menghitung efektivitas iklan.

Peluang di atas untuk pengecer sering terdengar seperti buzz iklan yang mengganggu. Tesis tentang "pertumbuhan laba" dan "kebutuhan audiens" menyertai setiap alat TI di pasar - mulai dari ERP hingga label harga elektronik. Adakah yang lebih dalam menghadapi sistem pengakuan daripada pemasaran murni tentang kecerdasan buatan dan teknologi masa depan? Kami akan menjawab pertanyaan ini melalui contoh penggunaan sistem nyata di toko yang ada.

“Work in the field”: siapa yang dalam kondisi nyata mengenali wajah

7-Eleven adalah rantai ritel terbesar di dunia, dengan Seven-Eleven Jepang mengelola lebih dari 36.000 toko kecil di 18 negara. Perusahaan baru-baru ini menginstal perangkat lunak di 11.000 tokonya. Pengenalan wajah dan teknologi analisis perilaku dalam jaringan distribusi digunakan untuk mengidentifikasi pemegang kartu loyalitas, memantau lalu lintas pelanggan, menentukan tingkat stok barang di gudang.



Saks adalah rantai toko premium berusia 100 tahun yang saat ini dimiliki oleh salah satu perusahaan tertua di dunia (didirikan pada 1670) oleh Hudson's Bay Company. Saks menggunakan analitik video terutama untuk mencegah pencurian. Perangkat lunak memeriksa foto-foto tersangka pencurian terhadap database pengutil terkenal. Kamera-kamera tersebut terhubung ke jaringan, sehingga hasilnya dapat dilihat di markas Saks di New York.

Menurut Guardian, toko-toko premium dan hotel-hotel di Eropa secara teratur menggunakan teknologi pengenalan wajah untuk melacak para VIP dan selebriti untuk memberi mereka kondisi yang paling nyaman.

Di AS, CaliBurger Burger Network menggunakan teknologi pengenalan wajah dalam program loyalitas. Kios interaktif “mengenali” pelanggan, mengingat pesanan, dan menawarkan hidangan favorit, menerima pembayaran dengan identifikasi secara langsung.

Sistem menghapus ambang untuk memasuki program bonus untuk orang tua, yang mungkin merasa kesulitan untuk menggunakan aplikasi seluler, poin bonus dan kartu kredit.

Sistem pengenalan wajah banyak digunakan di Asia, terutama di China, di mana mereka digunakan untuk membayar makanan, menarik uang tunai dari ATM, atau bahkan mengambil pinjaman. Akurasi pengenalan wajah di Tiongkok lebih unggul dari mata manusia. Ini juga disebabkan oleh transisi skala besar Tiongkok dari pengakuan 2D ke 3D.

Dalam kasus pertama, algoritma menggunakan gambar dua dimensi yang disimpan dalam database untuk analisis. Analisis pengenalan 3D merekonstruksi gambar tiga dimensi dan menunjukkan akurasi yang jauh lebih tinggi. Di Cina, menggunakan pemindaian wajah, Anda dapat melakukan pembelian (misalnya, membayar pesanan di KFC), melakukan pembayaran, dan memasuki gedung.



Di Alipay, Anda perlu tersenyum agar sistem pengenalan pembayaran memahami: sebelum itu bukan foto, tetapi orang yang hidup. Diduga tidak mungkin menipu Alipay: mengubah warna rambut, merias wajah, menggunakan wig tidak mengubah apa pun. Sistem ini menggunakan serangkaian fitur khusus yang memperhitungkan geometri wajah dan lokasi titik-titik tertentu di atasnya.

Kesimpulan

Skala investasi langsung oleh perusahaan-perusahaan Barat dan China dalam teknologi pengenalan wajah sangat besar. Namun demikian, implementasi proyek semacam itu di Rusia adalah masalah waktu. Perusahaan komersial besar sudah memahami manfaat dan manfaat ekonomi. Jika kami menganggap pengenalan wajah sebagai produk, penting untuk dipahami bahwa setiap segmen bisnis memiliki spesifiknya sendiri, termasuk harga. Semakin besar perusahaan, semakin banyak kamera dan modul analitik mungkin diperlukan. Solusi untuk bisnis besar selalu merupakan proyek khusus yang rumit, dan kustomisasi memerlukan dana tambahan. Usaha menengah dan kecil dapat dengan mudah dilakukan dengan satu kamera dengan modul pengenalan wajah yang terhubung. Dalam hal ini, biaya solusinya sebanding dengan penggunaan pengawasan video cloud.