الگوریتم های تشخیص چهره در دستگاه حضور و غیاب، آنالیز و تطبیق جزئیات تصویر ذخیره شده از قبل و چهره‌ای که در حال بررسی آن است را برعهده داشته و یک نتیجه از تفاوت بین این دو را به عنوان خروجی ارائه می‌دهد. در صورتی که هر دو تصویر متعلق به یک شخص باشد، تایید از سمت دستگاه صورت خواهد گرفت. حال شاید برایتان سوال باشد که الگوریتم های تشخیص چهره چه ویژگی‌هایی دارند و چگونه قادر به انجام چنین کاری هستند؟! اگر علاقه مند به یافتن پاسخ این سوال هستید، در این مطلب همراه ما باشید.
الگوریتم های تشخیص چهره دستگاه حضور و غیاب
الگوریتم های تشخیص چهره عملکردی بر پایه هوش مصنوعی داشته و با تطبیق آنچه از قبل در حافظه خود دارند با تصویری که در حال آنالیز آن هستند، سبب بازشناخت سوژه شده و نسبت به تایید یا رد آن اقدام می‌کنند. قبل از خرید دستگاه حضور و غیاب یا دوربین های امنیتی بد نیست تا با برخی از رایج‌ترین الگوریتم‌های پرکاربرد تشخیص چهره آشنا شوید. الگوریتم‌هایی که در ادامه معرفی خواهیم کرد، صرفا حالت تئوری دارند.
الگوریتم تشخیص چهره FaceNet
فیس نت (FaceNet) با شبکه عصبی عمیقی که دارد، به بررسی و استخراج جزئیات چهره سوژه پرداخته و به تشخیص چهره فرد توسط سیستم کمک می‌کنند. اساس کار این الگوریتم ایجاد شباهت بین اجزای تصویر ورودی و ذخیره شده در حافظه است. یه عبارتی با استفاده از شیکه عصبی عمیق خود تشخیص می‌دهد که دو تصور تا چه به یکدیگر شبیه هستند و به یک فرد تعلق دارند.
الگوریتم تشخیص چهره DeepFace
دیپ فیس (DeepFace) یکی دیگر از الگوریتم های تشخیص چهره است که پایه عملکرد آن براساس یادگیری می‌باشد. اغلب متخصصان بر این باورند که در اغلب موارد این الگوریتم در مقایسه با آنالیز مغز انسان، راندمان بالاتر و عملکرد بهتری دارد. دیپ فیس را چند سال پیش یک گروه تحقیقاتی طراحی کرده و برای اولین بار در بستر فیسبوک به اجرا درآوردند. به همین خاطر تا به امروز بیشترین کاربرد آن در پلتفرم فیسبوک بوده است؛ اما با توجه به عملکرد مطلوبی که دارد، انتظار می‌رود از آن در دستگاه های حضور و غیاب و نظایر آن هم استفاده شود. ضمنا وظیفه DeepFace در فیسبوک این است که به کاربران هشدار دهد که چهره آن‌ها در هر عکسی که وجود دارد، نمایش داده خواهد شد. زمانی که کاربری این اعلان را دریافت کند، می‌تواند چهره خود را از تصویر حذف نماید.
الگوریتم تشخیص چهره ArcFace
محاسبات الگوریتم ArcFace به این صورت است که به یک قسمت از کل مسئله که Loss Function نامیده می‌شود، اشاره دارد.این الگوریتم هم مانند دیپ فیس عملکردی بر پایه یادگیری داشته و با توجه به تصویری که از قبل در حافظه خود دارد و چهره سوژه‌ای که در حال آنالیز آن است،به این نتیجه می‌رسد که آیا این دو تصویر متعلق به یک شخص است یا خیر. معیار این الگوریتم برای تشخیص چهره، محاسبه فاصله‌های کسینوسی است.
الگوریتم تشخیص چهره MTCNN
فرایند عملکرد الگوریتم MTCNN براساس شبکه عصبی پیچشی بوده و به عنوان یکی از پیشرفته‌ترین الگوریتم‌های دنیا برای آنالیز چهره شناخته می‌شود. این نمونه دارای سه شبکه CNN است که از هر یک از دقت بسیار بالایی برخوردارند و علاوه بر آن real-time می‌باشند. بنابراین MTCNN تا به امروز بهترین الگوریتم تشخیص چهره در مقایسه با سایر مدل‌ها بوده است.
الگوریتم تشخیص چهره InsightFace
در رابطه با InsightFace باید بگوییم که این مورد بیشتر حالت ریپوزیتوری دارد تا اینکه یک الگوریتم باشد و عملکرد آن بدین صورت است که با توجه به داده‌های موجود در کتابخانه خود، سوژه‌های سه‌بعدی و دوبعدی را تجزیه و تحلیل می‌کند. ضمنا در این ریپوزیتوری مجموعه‌ای از الگوریتم‌های مختلف نظیر CosFace، RetinaFace ،SCRFD، MTCNN ایفای نقش کردن و سبب تشخیص چهره افراد با دقت بسیار بالا می‌شوند. شایان ذکر است که در حال حاضر ریپوزیتوری InsightFace به عنوان به روزترین فناوری تشخیص چهره شناخته می‌شود. حال که با انواع الگوریتم‌های آنالیز چهره آشنا شدید، نوبت آن است تا نحوه عملکرد دستگاه حضور و غیاب را هم بشناسید و به درک درستی از نقش الگوریتم‌های مذکور در آن برسید.
نحوه عملکرد الگوریتم‌های تشخیص چهره در دستگاه حضور و غیاب
به طور کلی دستگاه حضور و غیاب با استفاده از الگوریتم های مختلف تشخیص چهره، به بررسی و آنالیز ویژگی‌های سوژه پرداخته و در صورت تطابق آنچه دریافت کرده، با تصویری که در کتابخانه خود دارد؛ حضور فرد را تایید کرده و تردد او را ثبت می‌کند. البته آنچه گفته شد، به عبارتی کلیت کار بود و به همین خاطر در ادامه تمام مراحل را با جزئیات بیشتری شرح خواهیم داد:
مرحله اول؛ اسکن چهره سوژه و تهیه نسخه اولیه
در وهله اول باید چهره فردی که قرار است از دستگاه حضور و غیاب استفاده کند، در حافظه سیستم ذخیره شود. بدین منظور لازم است که برخی نکات رعایت شود تا تصویر ثبت شده برای اسکن در دفعات بعدی، کارآمد باشد.
به طور مثال باید چهره خود را در مرکز صفحه دوربین فیکس کنید و زمانی که دستگاه از شما خواست تا چشمان خود را داخل کادر سبز رنگ بیاورید، به درستی این عمل را انجام دهید. در لحظه ثبت چهره، باید برای چند ثانیه بدون اینکه چشمان خود را ببندید، به دوربین خیره شده و سر خود تکان ندهید.
نکته: داشتن آرایش، لنز، ریش و سبیل، موی بلند و… تاثیر چندانی بر نحوه عملکرد دستگاه های حضور غیاب و الگوریتم های تشخیص چهره نخواهد داشت.
مرحله دوم؛ ایجاد الگوریتم برای ذخیره چهره
حال شاید این سوال برایتان پیش بیاید که اگر چهره ما در طول هفته ها یا ماه‌ها دچار تغییر جزئی شود، آیا اختلالی در نحوه عملکرد دستگاه رخ خواهد داد؟! در پاسخ بدین پرسش باید بگوییم که دستگاه تشخیص چهره هنگام ذخیره تصویر شما با استفاده از همان الگوریتم هایی که در ابتدای مقاله معرفی کردیم، نقاطی را بر روی چهره شما مشخص می‌کند که برای هر فرد منحصربفرد می‌باشد و معیاری برای آنالیز سوژه در دفعات بعد خواهد بود.
مرحله سوم؛ تشخیص چهره جدید با استفاده از داده‌های قبلی
خب پس تا اینجای کار، دستگاه یک نسخه از سوژه را در کتابخانه خود ذخیره کرده است. حالا هر زمان که در مقابل آن ظاهر شوید، با بررسی ویژگی‌های چهره شما و نقاطی که الگوریتم‌ها مد نظر دارند، درصد تطابق آن با تصویر حال حاضر محاسبه می‌گردد و در صورتیکه میزان انطباق دو تصویر به حد قابل قبولی برسد، چهره شما تایید شده و ساعت تردد به همراه تاریخ و هویتتان ثبت می‌گردد.
جمع‌بندی
در این مقاله به بررسی انواع الگوریتم های تشخیص چهره در دستگاه حضور و غیاب پرداختیم و اطلاعات مفیدی پیرامون نحوه عملکرد دستگاه‌های حضور و غیاب به دست آوردیم. امیدواریم نهایت لذت را از مطالعه این مطلب بردن و به پاسخ سوالات موجود در ذهن خود رسیده باشید، با این حال اگر همچنان پرسش یا نقطه نظری راجع به مسئله مطرح شده دارید، حتما در بخش کامنت‌ها با ما و سایر کاربران به اشتراک بگذارید. ممنون که تا پایان همراه ما بودید.
منبع:
