Τι πρέπει να γνωρίζετε για την τεχνολογία αναγνώρισης προσώπου

2024 Συγγραφέας: Malcolm Clapton | [email protected]. Τελευταία τροποποίηση: 2023-12-17 03:52

Πώς χρησιμοποιείται αυτή η τεχνολογία από κυβερνήσεις και επιχειρήσεις, είναι δυνατόν να εξαπατηθεί μια κάμερα με σύστημα αναγνώρισης προσώπου και είναι δυνατόν να βρεθεί ένα άτομο στο Διαδίκτυο χρησιμοποιώντας μια φωτογραφία.

Elena Glazkova Ivideon Marketer.

Για το κράτος, η αναγνώριση προσώπου είναι ένα σημαντικό μέρος του συστήματος ασφαλείας και ένα εντυπωσιακό στοιχείο του προϋπολογισμού. Για τους δημοσιογράφους είναι είτε πανάκεια είτε όργανο παγκόσμιας συνωμοσίας. Για επιχειρήσεις, ένα εργαλείο ή ένα προϊόν. Όποια πλευρά κι αν πάρετε, τα βασικά ερωτήματα παραμένουν. Οι χρήστες συνήθως αναζητούν απαντήσεις στο Διαδίκτυο (κατά μέσο όρο 28.704 ερωτήματα αναγνώρισης προσώπου το μήνα), αλλά δεν τις βρίσκουν πάντα. Διόρθωση της κατάστασης.

Τι είναι η αναγνώριση προσώπου

Ας ξεχωρίσουμε τις μύγες από τις κοτολέτες. Οι χρήστες είναι πιο πιθανό να αντιμετωπίσουν την αναγνώριση προσώπου στα δικά τους smartphone, όπου η βιομετρική αναγνώριση χρησιμοποιείται για το ξεκλείδωμα της συσκευής και μόνο ο κάτοχός της μπορεί να έχει πρόσβαση στα δεδομένα. Μια τρισδιάστατη κάμερα εμπλέκεται απαραίτητα στη διαδικασία αναγνώρισης, έτσι ώστε να είναι αδύνατο να εξαπατήσετε το gadget με μια φωτογραφία.

Υπάρχει επίσης αναγνώριση προσώπων σε πραγματικό χρόνο και σε πραγματικές συνθήκες: σε αυτή την περίπτωση, είναι άρρηκτα συνδεδεμένη με συστήματα βιντεοεπιτήρησης, όπου τα πρόσωπα κυριολεκτικά «αρπάζονται» από τη ροή βίντεο που κινηματογραφούν οι κάμερες.

Φανταστείτε μια υψηλής ποιότητας σύγχρονη κάμερα CCTV τοποθετημένη ακριβώς πάνω από το μέσο ανθρώπινο ύψος σε ένα καλά φωτισμένο μέρος. Περίπου ο ίδιος αριθμός περίπου των ίδιων ανθρώπων περνούν από μπροστά της κάθε μέρα. Δεν κινούνται πολύ γρήγορα.

Το τραβηγμένο βίντεο μπορεί να αποθηκευτεί στο αρχείο cloud. Μια αναλυτική μονάδα είναι συνδεδεμένη με την κάμερα: ένας πολύπλοκος συνδυασμός αλγορίθμων (τεχνητή νοημοσύνη, νευρωνικά δίκτυα, όλα) συν μια διεπαφή χρήστη. Η μονάδα "αρπάζει" πρόσωπα από τη ροή βίντεο, καθορίζει το φύλο και την ηλικία και εισάγει τα δεδομένα στη βάση δεδομένων.

Σταδιακά υπάρχουν περισσότερες εικόνες. Το σύστημα θυμάται αυτόματα όλα τα αναγνωρισμένα πρόσωπα και τα καταγράφει στο αρχείο και ένας χρήστης με αποδοχή υποδεικνύει πρόσθετα δεδομένα: όνομα, θέση, κατάσταση, άλλα σημάδια ("VIP-επισκέπτης" ή "κλέφτης"). Μπορείτε να ανεβάσετε μια φωτογραφία του απαιτούμενου ατόμου και η ενότητα θα βρει όλες τις ανιχνεύσεις αυτού του ατόμου στο αρχείο.

Μόλις ένα άτομο με σημάδι περάσει ξανά μπροστά από την κάμερα, το σύστημα το καταγράφει ως σημαντικό γεγονός και στέλνει μια ειδοποίηση push στους ενδιαφερόμενους χρήστες.

Η ανίχνευση στο πλαίσιο της αναγνώρισης προσώπου είναι μια κατάσταση κατά την οποία ο αλγόριθμος, καταρχήν, κατάλαβε ότι ήταν ένα πρόσωπο και όχι ένα μήλο ή μια γοργόνα από μια κούπα Starbucks. Πρώτα χρειάζεται υπολογιστική ισχύ για αυτό και μόνο τότε μπορεί να ταιριάξει το πρόσωπο με τη βάση ή να θυμηθεί.

Εάν έχετε διαβάσει τις προηγούμενες παραγράφους μέχρι το τέλος, συγχαρητήρια, τώρα ξέρετε πώς λειτουργεί η αναγνώριση προσώπου σε μια ιδανική κατάσταση. Η περιγραφή είναι κατάλληλη για οποιοδήποτε σύστημα: από αυτά που χρησιμοποιούνται στο μετρό της Μόσχας έως λύσεις για μικρές επιχειρήσεις.

Το κύριο πράγμα που πρέπει να καταλάβετε είναι ότι είναι δύσκολο να δημιουργήσετε μια ιδανική κατάσταση στην πραγματική ζωή, ειδικά όταν πρόκειται για ολόκληρη την πόλη, και όχι για ένα γραφείο ή ένα κατάστημα. Για παράδειγμα, υπάρχει πολύς κόσμος στο μετρό, ο καθένας είναι διαφορετικός, περπατάει γρήγορα. Χρειάζεστε πολλές κάμερες, κοστίζουν χρήματα και αρμόδιοι ειδικοί πρέπει να τις τοποθετήσουν.

Είναι δυνατόν να εξαπατήσετε τον αλγόριθμο αναγνώρισης προσώπου

Παρά τις περιστασιακές γκάφες, η ακρίβεια της μηχανικής αναγνώρισης είναι ήδη συχνά ανώτερη από αυτή με την οποία οι άνθρωποι καθορίζουν τα πρόσωπα. Η Κίνα θα δημιουργήσει γιγάντια βάση δεδομένων αναγνώρισης προσώπου για την αναγνώριση οποιουδήποτε πολίτη μέσα σε λίγα δευτερόλεπτα θα εμφανιστεί σύντομα στην Κίνα, ένα σύστημα που θα μπορεί να βρει ένα συγκεκριμένο άτομο ανάμεσα σε 1,3 δισεκατομμύρια άλλους κατοίκους σε 3 δευτερόλεπτα με ακρίβεια 90%.

Και όμως είναι δύσκολο να απαντήσουμε κατηγορηματικά σε αυτό το ερώτημα, γιατί δεν υπάρχει ένας μοναδικός ιδανικός αλγόριθμος για την αναγνώριση προσώπου. Μεγάλα γυαλιά, κολλημένο μούσι, καπέλο, υψηλή ταχύτητα κίνησης, ειδικό μακιγιάζ (για παράδειγμα, ένα πλέγμα "Black Swan" ζωγραφισμένο στο πρόσωπο, γάτες, κύκλους και ραβδιά. Πώς να ξεφύγετε από συστήματα αναγνώρισης προσώπου χρησιμοποιώντας μακιγιάζ) - όλα αυτά μπορεί να μπερδέψουν τον αλγόριθμο. Ειδικά στο σύνολο, γιατί για την αναγνώριση αρκεί Πώς να εξαπατήσει συστήματα αναγνώρισης είτε το 70% ενός ανοιχτού προσώπου. Τώρα φανταστείτε ότι είναι απαραίτητο να χρησιμοποιήσετε τα παραπάνω κόλπα σε μια πραγματική πόλη. Δεν ακούγεται τόσο εύκολο, σωστά;

Γυαλιά «Anti-recognition» από την Ιαπωνία, που το 2015

Και εδώ είναι μια τέτοια τρισδιάστατη μάσκα το 2014

Είναι δυνατή η αναγνώριση προσώπων στο διαδίκτυο

Το Διαδίκτυο είναι ένα παράδοξο μέρος: οι άνθρωποι εδώ μπορούν ταυτόχρονα να ανησυχούν για το αν κάθε δεύτερη κάμερα στο δρόμο ανιχνεύει την προσωπικότητά τους και θέλουν ειλικρινά να «αναγνωρίσουν τα πρόσωπα άλλων ανθρώπων από τις φωτογραφίες τους στο διαδίκτυο». Ας εξετάσουμε ξεχωριστά αυτήν την τάση αναγνώρισης προσώπου.

Το πρόγραμμα αναγνώρισης προσώπου είναι είτε η αναλυτική ενότητα που περιγράφεται παραπάνω (κάμερα CCTV + λογισμικό + αποθήκευση στο cloud), είτε λογισμικό παρόμοιο με τη γνωστή (ελαφρώς σκανδαλώδη) υπηρεσία FindFace. Σήμερα, είναι φυσικά αδύνατο να κατεβάσετε ένα πρόγραμμα αναγνώρισης προσώπου «δωρεάν και χωρίς εγγραφή» στη συντριπτική πλειονότητα των περιπτώσεων.

Η υπηρεσία Web FindFace.ru, η οποία βοηθά στην εύρεση ατόμων στο κοινωνικό δίκτυο VKontakte από τις φωτογραφίες τους, ιδρύθηκε στις 18 Φεβρουαρίου 2016. Μεταξύ άλλων, χάρη σε αυτόν, όλοι μπορούσαν να βρουν προφίλ κοριτσιών που έπαιζαν σε πορνό ταινίες. Πολύ σύντομα, η υπηρεσία άρχισε να χρησιμοποιείται για πολλά flash mob για τον εντοπισμό προσώπων, τα οποία είχαν κάθε δικαίωμα να μην εντοπιστούν ποτέ από κανέναν. Ένα σκάνδαλο ξέσπασε, το οποίο λειτούργησε σαν μια viral διαφήμιση: η τεχνολογία που αποτέλεσε τη βάση της υπηρεσίας έλαβε μια σειρά από βραβεία κύρους και προκάλεσε το ενδιαφέρον πελατών από το κράτος και τις επιχειρήσεις. Από την 1η Σεπτεμβρίου 2018, η υπηρεσία δεν παρέχει πλέον την υπηρεσία FindFace, η οποία χρησιμοποιήθηκε για την αναγνώριση διαδηλωτών, ανακοίνωσε το κλείσιμο της αναζήτησης ατόμων μέσω υπηρεσίας φωτογραφίας, καθώς μετατράπηκε από το NtechLab σε μια σειρά λύσεων για διάφορους επιχειρηματικούς τομείς.

Το όνειρο του χρήστη που εισάγει το αίτημα, προφανώς, μοιάζει με αυτό: πηγαίνετε στον ιστότοπο, ανεβάζετε μια φωτογραφία ενός ατόμου που τραβήχτηκε κρυφά στο μετρό, το πρόγραμμα αναγνωρίζει το πρόσωπο και δίνει έναν σύνδεσμο στο προφίλ στο Το κοινωνικό δίκτυο. Ναι, πιάστηκα! Ή κάπως έτσι: κατεβάζετε το πρόγραμμα στον υπολογιστή σας, συνδέετε την κάμερα web σε αυτόν και αναγνωρίζετε το πρόσωπο της γάτας σας. Επιτυχία - τώρα θα λαμβάνετε μια ειδοποίηση κάθε φορά που η γάτα κλέβει λουκάνικα.

Η πραγματικότητα είναι σκληρή. Ο πρώτος ιστότοπος που σας προσφέρει κάτι τέτοιο αρνείται να λειτουργήσει και ο δεύτερος απαιτεί δεξιότητες προγραμματισμού σε Python. Λίγο-πολύ μια εφαρμογή που μοιάζει με όνειρο που ονομάζεται SearchFace, η οποία επανεκκινήθηκε πρόσφατα Το Searchface επανεκκινήθηκε με εξουσιοδότηση μέσω του VKontakte. Αλλά το κοινωνικό δίκτυο έκλεισε αυτό το χαρακτηριστικό που ονομάζεται FindClone. Ανεβάσατε μια φωτογραφία και ο αλγόριθμος προσπάθησε να αναγνωρίσει το ίδιο πρόσωπο στη βάση δεδομένων του κοινωνικού δικτύου VKontakte. Η εφαρμογή δεν έδωσε συνδέσμους στο προφίλ, μόνο τις ίδιες τις φωτογραφίες - και δεν έχει σημασία από ποιον ανέβηκαν. Εάν ένας χρήστης είναι ενεργός σε ένα κοινωνικό δίκτυο για μεγάλο χρονικό διάστημα, η έκδοση μιας φωτογραφίας δημιούργησε ένα απόκοσμο «βιογραφικό» εφέ, αλλά αν όχι, οι αναγνωρισμένες εικόνες θα μπορούσαν να τον κάνουν να γελάσει.

Στην πραγματικότητα, το παράδειγμα SearchFace απαντά ξεκάθαρα στην ερώτηση "Πώς χρησιμοποιούν τα κοινωνικά δίκτυα την αναγνώριση προσώπου;" Θα ήταν πιο ακριβές να το διατυπώσουμε ως εξής: "Πώς χρησιμοποιούνται τα κοινωνικά δίκτυα για την αναγνώριση προσώπου;" Η απάντηση είναι απλή: σαν μια βάση δεδομένων. Ένας αμέτρητος αριθμός μοναδικών συνδυασμών αριθμών (έτσι φαίνονται τα πρόσωπα στη φωτογραφία για τους αλγόριθμους του Facebook, του VKontakte και άλλων) αποτελούν τη βάση για την εκπαίδευση νευρωνικών δικτύων που αποτελούν τη βάση μιας ή άλλης λύσης αναγνώρισης προσώπου.

Οι λύσεις είναι όλες διαφορετικές και τα νευρωνικά δίκτυα είναι επίσης διαφορετικά και οι πελάτες και οι πάροχοι υπηρεσιών, κατά κανόνα, δεν αποκαλύπτουν λεπτομέρειες και τεχνικά χαρακτηριστικά. Συγκεκριμένα, η ενότητα αναγνώρισης φύλου και ηλικίας μπορεί να προσδιορίσει λόγω του γεγονότος ότι μπορεί να μάθει από τις πληροφορίες που περιέχονται στα Odnoklassniki, VKontakte, Instagram και Facebook.

Πώς προγραμματίζεται η αναγνώριση προσώπου

Δεν χρειάζεται ποτέ να απαντήσετε σε ερωτήσεις προγραμματιστών και προγραμματιστών εάν δεν είστε προγραμματιστής. Ως εκ τούτου, απευθυνθήκαμε σε έναν ειδικό για βοήθεια.

Dmitry Soshnikov Μέλος της Ρωσικής Ένωσης για την Τεχνητή Νοημοσύνη και ανώτερος εμπειρογνώμονας στην ανάπτυξη συστημάτων τεχνητής νοημοσύνης και μηχανικής μάθησης στη Microsoft.

Η αναγνώριση προσώπου (καθώς και άλλες σχετικές λειτουργίες) είναι μια αρκετά κοινή εργασία. Ως εκ τούτου, πολλές εταιρείες παρέχουν έτοιμες υπηρεσίες με τη μορφή cloud API (ενδιάμεσοι λογισμικού μεταξύ εφαρμογών) για μια υψηλής ποιότητας λύση αυτών των εργασιών. Εκτός από τους γίγαντες πληροφορικής όπως η Microsoft και η Google, εξειδικευμένες εταιρείες, συμπεριλαμβανομένων των ρωσικών, ασχολούνται επίσης με την αναγνώριση προσώπου. Τα προϊόντα τους εξελίσσονται γρήγορα και παρέχουν ακόμη πιο συναρπαστικά χαρακτηριστικά, όπως αναγνώριση προσώπων και σιλουέτες στα πλήθη.

Είναι πολύ πιο δύσκολο να εκπαιδεύσεις ένα νευρωνικό δίκτυο από την αρχή. Χρειαζόμαστε ένα μεγάλο και υψηλής ποιότητας σύνολο αρχικών δεδομένων, δηλαδή δεκάδες και εκατοντάδες χιλιάδες (ή και περισσότερες!) φωτογραφίες ανθρώπων. Επιπλέον, θα απαιτηθούν σημαντικοί υπολογιστικοί πόροι και γνώση τεχνητής νοημοσύνης και μηχανικής μάθησης. Οι μεγάλες εταιρείες έχουν όλα αυτά τα εργαλεία στη διάθεσή τους, οπότε λύνουν το πρόβλημα πολύ καλύτερα.

Υπάρχει επίσης μια ενδιάμεση λύση - να χρησιμοποιήσετε ένα ήδη εκπαιδευμένο νευρωνικό δίκτυο, για παράδειγμα. Αυτή η επιλογή, πιθανότατα, θα λειτουργήσει λίγο χειρότερα από μια έτοιμη υπηρεσία cloud, αλλά θα σας επιτρέψει να έχετε τον πλήρη έλεγχο του συστήματος. Αυτό θα απαιτήσει ένα ορισμένο επίπεδο κατανόησης της λειτουργίας των νευρωνικών δικτύων και των πλαισίων νευρωνικών δικτύων και, πιθανότατα, κάποια γνώση της γλώσσας Python, η οποία έχει αποκτήσει δημοτικότητα ως η κύρια γλώσσα προγραμματισμού μεταξύ των ειδικών της Επιστήμης Δεδομένων.

Πράγματι, είναι βολικό να πραγματοποιείτε διάφορα πειράματα, να οπτικοποιείτε δεδομένα και να εκτελείτε αποτελεσματικούς υπολογισμούς μήτρας χάρη στο εξαιρετικό πακέτο NumPy. Αυτή δεν είναι η καλύτερη γλώσσα για βιομηχανική ανάπτυξη, καθώς δεν περιέχει αποτελεσματικά εργαλεία για τη δημιουργία μεγάλων ασφαλών συστημάτων λογισμικού, αλλά δεν υπάρχουν ακόμα εναλλακτικές λύσεις στον τομέα της εκπαίδευσης σε βαθιά νευρωνικά δίκτυα.

Πώς λειτουργεί η αναγνώριση προσώπου στην επιχείρηση

Η ζήτηση για αναγνώριση προσώπου σε fintech, λιανική και άλλους τύπους επιχειρήσεων σχετίζεται άμεσα με την αυξημένη διαθεσιμότητα της τεχνολογίας. Οι μηχανισμοί είναι απλοί: όλες οι επιχειρήσεις και όλοι οι οργανισμοί διαθέτουν κάμερες CCTV, οι οποίες χρησιμοποιούνται ως εργαλεία για τη συλλογή δεδομένων και τις επακόλουθες αναλύσεις. Στον κόσμο, τα συστήματα παρακολούθησης τραβούν terabyte βίντεο σε Full HD ανά μήνα, δηλαδή, υπάρχουν πραγματικά πολλές πληροφορίες για επεξεργασία.

Το απαιτούμενο λογισμικό για ανάλυση δεδομένων μπορεί να «αναβοσβήσει» στη συσκευή από τον κατασκευαστή. Οι ενσωματωμένες κάμερες ανάλυσης βίντεο είναι συνήθως αρκετά ακριβές.

Μια εναλλακτική επιλογή είναι τα analytics στο cloud, δηλαδή ένα απομακρυσμένο κέντρο δεδομένων που συνδέεται με οποιαδήποτε φθηνή κάμερα. Αυτό είναι μια τάξη μεγέθους φθηνότερο, καθώς επίσης προσφέρει ευελιξία - μπορείτε να προσαρμόσετε λύσεις για μια συγκεκριμένη επιχείρηση.

Η δημοτικότητα της τεχνολογίας αναγνώρισης προσώπου σε διάφορους τομείς δραστηριότητας αυξάνεται. Για παράδειγμα, η Sberbank είναι ένας από τους ηγέτες όσον αφορά την ανακοίνωση διαφόρων έργων αναγνώρισης προσώπου υψηλού προφίλ και μπορεί να υποστηρίξει ότι σας αναγνωρίζει από τα χίλια: το ΑΤΜ θα αναγνωρίσει τον πελάτη από τα μάτια μαζί του από αυτή την άποψη, ίσως μόνο ο Τίνκοφ. Το 2017, η Sberbank εξαγόρασε τη Sberbank και επένδυσε το 25,07% των VisionLabs στην τεχνολογία αναγνώρισης προσώπου, η οποία δημιουργεί λογισμικό για την αναγνώριση προσώπου. Το 2018, ένα χρηματοπιστωτικό ίδρυμα κατάφερε να δοκιμάσει την αναγνώριση προσώπου στο μετρό της Μόσχας και ακόμη και να πιάσει 42 εγκληματίες. 42 εγκληματίες συνελήφθησαν χάρη στο σύστημα αναγνώρισης προσώπου Sberbank, για δοκιμή Θα σας αναγνωρίσει από χίλιους: ένα ΑΤΜ θα αναγνωρίσει έναν πελάτη από το μάτια των ΑΤΜ με αναγνώριση προσώπου, ώστε οι επιτιθέμενοι να μην μπορούν να κάνουν ανάληψη χρημάτων από κάρτες άλλων, καθώς και να ανακοινώσουν τη συλλογή βιομετρικών δεδομένων (ηχογράφηση φωνής,βίντεο του προσώπου) των πελατών. Τον Απρίλιο του τρέχοντος έτους, η Sberbank έλεγξε τον προγραμματιστή συστημάτων αναγνώρισης φωνής και προσώπου - το "Center for Speech Technologies" (MDT).

Ένα άλλο πράγμα είναι ότι η ανακοίνωση, η δοκιμή, η πιλοτική εφαρμογή και η αγορά λύσεων δεν σημαίνει ουσιαστική εφαρμογή. Τι ακριβώς χρησιμοποιείται τώρα στην Sberbank (και αν χρησιμοποιείται), στην πραγματικότητα, μπορεί να ειπωθεί με βεβαιότητα μόνο από τον Γερμανό Gref.

Με το λιανικό εμπόριο, όλα είναι πιο διαφανή. Βασικά, υπάρχουν τρία προβλήματα εδώ που λύνει η αναγνώριση προσώπου.

Πρώτον, κλοπή. Τα καταστήματα διευθύνονται από απατεώνες και συχνά τα ίδια άτομα στο ίδιο δίκτυο. Η αναγνώριση προσώπου σάς επιτρέπει να αναγνωρίζετε "κλέφτες που παρασύρονται" και άλλα άτομα που προηγουμένως παραβίασαν την παραγγελία. Μόλις ο εισβολέας εισέλθει στη βάση δεδομένων μόλις εισέλθει στο κατάστημα, η ασφάλεια θα λάβει μια ειδοποίηση στο messenger ή με άλλο βολικό τρόπο.

Δεύτερον, η δυσκολία συνεργασίας με τακτικούς πελάτες. Απλώς δεν υπάρχουν αρκετά δεδομένα για αγορές και γενέθλια για την εξατομίκευση των προσφορών για VIP και θαυμαστές της επωνυμίας. Η αναγνώριση προσώπου μπορεί να ενσωματωθεί με το CRM - δηλαδή, λογισμικό στο οποίο οι διαχειριστές εισάγουν όλες τις πληροφορίες για όλες τις συναλλαγές του οργανισμού. Στην περίπτωση των κλεφτών και των VIP, η αναγνώριση προσώπου λειτουργεί περίπου με τον ίδιο τρόπο: το πρόσωπο εισάγεται σε μια ασπρόμαυρη λίστα και όταν εμφανιστεί ξανά, το σύστημα θα ηχήσει στο άτομο που έχει πρόσβαση. Το φύλο και η ηλικία καθορίζονται αυτόματα και επιπλέον πληροφορίες θα προστεθούν από τον υπεύθυνο υπάλληλο.

Τρίτον, η αναγνώριση λιανικής χρησιμοποιείται για στοχευμένη διαφήμιση. Για παράδειγμα, σε ορισμένα καταστήματα το X5 Retail Group εγκατεστημένο το X5 θα περιλαμβάνει κάμερες όρασης υπολογιστών για την αναγνώριση των εκφράσεων του προσώπου και της ηλικίας των πελατών. Αναλύοντας αυτά τα δεδομένα, το σύστημα εμφανίζει προϊόντα που μπορεί να αρέσουν σε ένα άτομο στην οθόνη της οθόνης στον χώρο συναλλαγών. Ένα άλλο ζωντανό παράδειγμα είναι η περίπτωση του Lolli & Pops, ενός μεγάλου ζαχαροπλαστείου στις Ηνωμένες Πολιτείες. Το σύστημα αναγνώρισης προσώπου καθορίζει το μελλοντικό σας πρόγραμμα αφοσίωσης στο κατάστημα θα τροφοδοτείται από την αναγνώριση προσώπου των τακτικών πελατών και θα στέλνει ειδοποιήσεις στα smartphone τους με προϊόντα που μπορεί να τους αρέσουν (λαμβάνοντας υπόψη τις ατομικές προτιμήσεις, ακόμη και τις τροφικές αλλεργίες).

Ένα άλλο εντυπωσιακό παράδειγμα χρήσης της τεχνολογίας στο λιανικό εμπόριο είναι τα καταστήματα χωρίς πωλητές και ταμειακές μηχανές. Για παράδειγμα, το Alibaba Tao Cafe Amazon Go vs Alibaba Tao Cafe: Staffless Shop Showdown είναι ένα καφέ και ένα κατάστημα self-service που βρίσκεται στο Hangzhou. Πουλάει ποτά, σνακ, είδη παντοπωλείου, παιχνίδια, σακίδια πλάτης και άλλα παρόμοια. Το Tao Cafe είναι ανοιχτό μόνο στους χρήστες του ιστότοπου Taobao.

Κατά την αγορά ποτών, ένα σύστημα κάμερας με υποστήριξη αναγνώρισης προσώπου αναγνωρίζει αυτόματα τον πελάτη, συνδέεται με τον λογαριασμό του στο ηλεκτρονικό κατάστημα και επεξεργάζεται την πληρωμή. Οι αγοραστές εξέρχονται από έναν χώρο εξοπλισμένο με πολλαπλούς αισθητήρες που αναγνωρίζουν τόσο τον πελάτη όσο και τα αγαθά. Η σάρωση λειτουργεί ακόμα κι αν το άτομο βάλει την αγορά σε μια τσέπη ή τσάντα.

Πώς εξελίσσεται η τεχνολογία αναγνώρισης προσώπου

Τα συστήματα CCTV Face ID κατακτούν πραγματικά τον κόσμο. Στη Μόσχα, ο αριθμός των καμερών το 2019 θα φτάσει Υψηλές τεχνολογίες και ασφάλεια: πόσες κάμερες CCTV θα εμφανιστούν φέτος 174 χιλιάδες. Αυτό δεν σημαίνει ότι όλες αυτές οι συσκευές από προεπιλογή μπορούν να αναγνωρίσουν ένα άτομο: τις περισσότερες φορές αναφέρεται ότι το σύστημα αναγνώρισης καταζητούμενων εγκληματιών μέσω βιντεοκάμερων θα αρχίσει να λειτουργεί στη Μόσχα το 2019 περίπου 160 χιλιάδες κάμερες με αυτήν τη λειτουργία. Ωστόσο, στα τέλη του 2018, το γραφείο του δημάρχου της Μόσχας ανακοίνωσε την πρόθεση των αρχών της Μόσχας το 2019, να αντικαταστήσουν τις βιντεοκάμερες και να λανσάρουν ένα σύστημα αναγνώρισης προσώπου για να αντικαταστήσουν όλες τις συσκευές παρακολούθησης βίντεο και να δημιουργήσουν ένα εντελώς καινοτόμο σύστημα το επόμενο έτος.

Το παράδοξο είναι ότι 160 χιλιάδες δεν είναι τόσο πολλά. Ειδικά σε σύγκριση με έναν άλλο ηγέτη σε ερωτήματα μηχανών αναζήτησης σχετικά με το θέμα της αναγνώρισης προσώπου - την Κίνα. Στα τέλη του 2017, υπήρχε το In Your Face: η κατάσταση της Κίνας που βλέπει τα πάντα πάνω από 170 εκατομμύρια κάμερες CCTV και τα επόμενα τρία χρόνια η τεχνολογία επιτήρησης «Big Brother» της Κίνας δεν είναι τόσο καθολική όσο η κυβέρνηση θέλει να σκεφτείτε σύνδεση στο δίκτυο εξακολουθεί να είναι περίπου 400 εκατομμύρια.

Η σωστή και σωστή χρήση της αναγνώρισης προσώπου λειτουργεί κυρίως για τη βελτίωση της ασφάλειας και της άνεσης. Οι άνθρωποι συνήθως αποκτούν γρήγορα εμπιστοσύνη στην τεχνολογία που τους γλιτώνει από την ουρά για έναν ποδοσφαιρικό αγώνα (χαμογελάει στην κάμερα - πέρασε), αποτρέπει την κλοπή και τον χουλιγκανισμό ή τους βοηθά να ξοδεύουν λιγότερα σε αγορές (προγράμματα επιβράβευσης). Όλα αυτά, φυσικά, απαιτούν ορισμένη ρύθμιση - γι' αυτό θεσπίζονται νόμοι για την προστασία των προσωπικών δεδομένων.

Στο μέλλον, είναι πιθανό ο τομέας της αναγνώρισης προσώπου στα συστήματα βιντεοπαρακολούθησης να ρυθμίζεται παρόμοια με την τρέχουσα πρακτική της εργασίας με την αναγνώριση προσώπου στο Διαδίκτυο. Οι άνθρωποι που προσανατολίζονται στο απόρρητο απλώς δεν ανεβάζουν πάρα πολλά στον Ιστό - το μερικό φιάσκο του SearchFace αποδεικνύει ότι μια τέτοια στρατηγική είναι αποτελεσματική.

Φυσικά, δεν μπορεί κανείς να περιορίζεται ατελείωτα στο περπάτημα στους δρόμους όπου είναι εγκατεστημένες κάμερες σε κάθε διασταύρωση, αλλά η δυνατότητα διατήρησης της ανωνυμίας θα διαμορφωθεί εάν υπάρξει ανάλογο αίτημα από την κοινωνία.