এই ব্লগ পোস্টে, কম্পিউটার কীভাবে মানুষের মুখমণ্ডল শনাক্ত করে তার পেছনের মূলনীতি এবং প্রক্রিয়াগুলো আমরা সহজ ও সরলভাবে আলোচনা করব।

মুখমণ্ডল শনাক্তকরণের ভিত্তি কোন নীতিগুলো?

আপনি সম্ভবত ছোটবেলায় অন্তত একবার এমন একটি খেলা খেলেছেন যেখানে আপনাকে একটি মানুষের মুখ সম্পূর্ণ করতে হতো। এই খেলায়, প্রথমে আপনাকে মুখের একটি আকৃতি বেছে নিতে হয়, তারপর এক এক করে চুলের ধরন, চোখ, নাক এবং মুখ পছন্দ করে সেগুলোকে মুখের উপর বসাতে হয়। বিভিন্ন চুলের ধরন, চোখ, নাক এবং মুখের মধ্যে অদলবদল করে আপনি আপনার পছন্দের মুখটি তৈরি করতে পারেন। কম্পিউটার যেভাবে মুখ শনাক্ত ও তুলনা করে, তা এর থেকে খুব একটা ভিন্ন নয়। কম্পিউটার মুখের বৈশিষ্ট্যগুলো শনাক্ত করে এবং সংরক্ষণ করে; যখন কোনো মুখের নতুন ছবি ইনপুট করা হয়, তখন ব্যক্তিটি কে তা নির্ধারণ করার জন্য কম্পিউটার সেটিকে সংরক্ষিত বৈশিষ্ট্যগুলোর সাথে তুলনা করে।
সহজলভ্য মুখ শনাক্তকরণ প্রযুক্তির একটি সাম্প্রতিক উদাহরণ হলো ফেসিয়াল রিকগনিশন অ্যাপ্লিকেশন (অ্যাপ)। এই অ্যাপগুলো সেলিব্রিটিদের ছবি থেকে মুখের গড়ন, চোখ, নাক এবং মুখের মতো মূল বৈশিষ্ট্যগুলো আগে থেকেই সংগ্রহ করে সংরক্ষণ করে। পরবর্তীতে, যখন ক্যামেরার মাধ্যমে কোনো ব্যক্তির মুখ তোলা হয়, তখন অ্যাপটি একইভাবে মুখের বৈশিষ্ট্যগুলো সংগ্রহ করে এবং সবচেয়ে কাছাকাছি মিল থাকা ব্যক্তিকে শনাক্ত ও প্রদর্শন করার জন্য সেগুলোকে সেলিব্রিটিদের সংরক্ষিত মুখের বৈশিষ্ট্যের সাথে তুলনা করে।

একটি কম্পিউটার কীভাবে মুখমণ্ডল শনাক্ত করে?

এখন, কম্পিউটারের মুখ শনাক্তকরণ প্রক্রিয়াটি খতিয়ে দেখা যাক। মুখ শনাক্তকরণে চারটি প্রধান পর্যায় রয়েছে: ইনপুট, মুখ শনাক্তকরণ, বৈশিষ্ট্য নিষ্কাশন এবং তুলনা।
ইনপুট পর্যায়ে, একটি ছবি বা ভিডিওর একটিমাত্র ফ্রেম একটি ইনপুট ডিভাইসের মাধ্যমে কম্পিউটারে পাঠানো হয়। সাধারণত, ইনপুট ডিভাইসের রেজোলিউশন এবং ফ্রেম পার সেকেন্ড (FPS) যত বেশি হয়, মুখমণ্ডল তত নির্ভুলভাবে শনাক্ত করা যায়। এই নীতিটি অনেকটা সেই প্রক্রিয়ার মতো, যেখানে একজন ভালো দৃষ্টিশক্তির মানুষ দূর থেকে দাঁড়িয়ে থাকা কোনো ব্যক্তির মুখ আরও নির্ভুলভাবে চিনতে পারে।
মুখ শনাক্তকরণ পর্যায়ে, সিস্টেমটি প্রথমে ইনপুট করা ছবি বা ভিডিওতে কোনো মুখ আছে কিনা তা পরীক্ষা করে। এটি করার জন্য, এটি মুখের রূপরেখা এবং চোখ, নাক ও মুখের মতো প্রধান বৈশিষ্ট্যগুলো শনাক্ত করে। যদিও বর্তমানে বিভিন্ন মুখ শনাক্তকরণ কৌশল ব্যবহৃত হচ্ছে, আমরা এখানে প্রতিনিধিত্বমূলক হার-লাইক ডিটেকশন পদ্ধতির উপর আলোকপাত করব।
হার-সদৃশ সনাক্তকরণ পদ্ধতিটি হার ওয়েভলেট ব্যবহার করে। একটি ওয়েভলেট হলো কালো এবং সাদা অঞ্চল দ্বারা গঠিত একটি সাধারণ আয়তক্ষেত্রাকার প্যাটার্ন। এই কালো-সাদা অঞ্চলগুলো একটি ছবির সেইসব এলাকা শনাক্ত করতে ব্যবহৃত হয় যেখানে উজ্জ্বলতার পার্থক্য ঘটে। সম্পূর্ণ ইনপুট ছবি বা ভিডিও জুড়ে বিভিন্ন আকার ও আকৃতির ওয়েভলেট প্রয়োগ করে এবং তারপর শুধুমাত্র সেই স্থানগুলো রেখে যেখানে কালো ও সাদা অঞ্চলের মধ্যে উজ্জ্বলতার পার্থক্য উল্লেখযোগ্য, সিস্টেমটি কার্যকরভাবে মুখের রূপরেখা এবং চোখ, নাক, মুখ ও ভ্রুর মতো মুখের প্রধান বৈশিষ্ট্যগুলো সনাক্ত করতে পারে। অধিকন্তু, এই প্রক্রিয়াটি মুখের বৈশিষ্ট্য সম্পর্কিত অবস্থানগত তথ্য আহরণেরও সুযোগ করে দেয়।
উদাহরণস্বরূপ, চোখ সম্পর্কিত তথ্য বের করার সময়, ওয়েভলেটের কালো অঞ্চলগুলিকে চোখের তারার মতো অপেক্ষাকৃত অন্ধকার অংশের সাথে এবং সাদা অঞ্চলগুলিকে ত্বকের মতো উজ্জ্বল অংশের সাথে সামঞ্জস্যপূর্ণ করে স্থাপন করা হয়। এই উজ্জ্বলতার পার্থক্যকে কাজে লাগিয়ে চোখের অবস্থান ও আকৃতি কার্যকরভাবে শনাক্ত করা যায়।

মুখের বৈশিষ্ট্যগুলো কীভাবে বের করা হয়?

মুখ শনাক্তকরণ পর্যায় সম্পন্ন হলে, সিস্টেমটি বৈশিষ্ট্য নিষ্কাশন পর্যায়ে অগ্রসর হবে কিনা তা নির্ধারণ করে।
ফিচার এক্সট্র্যাকশন পর্যায়ে, ফেস ডিটেকশন পর্যায়ে শনাক্ত করা মুখের উপাদানগুলোকে সম্পূর্ণরূপে ব্যবহার করার জন্য মুখের বৈশিষ্ট্যগুলো নিষ্কাশন করা হয়। ফেস ডিটেকশন পর্যায়ের থেকে ভিন্ন, এই প্রক্রিয়ায় একটি প্রিপ্রসেসিং ধাপ অন্তর্ভুক্ত থাকে। যেহেতু প্রতিটি ছবি বা ভিডিওতে মুখের ঘূর্ণন কোণ, আকার এবং আলোর তীব্রতা ভিন্ন হয়, তাই সেগুলোকে যথাসম্ভব মানসম্মত করার জন্য একটি নর্মালাইজেশন প্রক্রিয়া সম্পন্ন করা হয়। এছাড়াও, প্রয়োজন অনুযায়ী রঙিন ছবি বা ভিডিওকে সাদা-কালো ছবিতে রূপান্তর করা হতে পারে।
উদাহরণস্বরূপ, মূল ছবিটিকে গ্রেস্কেলে রূপান্তর করা হয়, তারপর শুধু মুখের অংশটি ক্রপ করে একটি নির্দিষ্ট আকারে আনা হয় এবং উজ্জ্বলতা ঠিক করার জন্য হিস্টোগ্রাম ইকুয়ালাইজেশন করা হয়। মুখ শনাক্তকরণ পর্যায়ে প্রাপ্ত মুখের উপাদানগুলোর অবস্থানগত তথ্য ব্যবহার করে, এই প্রাক-প্রক্রিয়াজাতকরণ সম্পন্ন হওয়া ছবি বা ভিডিও থেকে মুখের বৈশিষ্ট্যগুলো বের করা হয়।

নিষ্কাশিত মুখের বৈশিষ্ট্যগুলো কীভাবে ব্যবহার করা হয়?

তুলনা পর্যায়ে, নিষ্কাশিত মুখের উপাদানগুলির তথ্য হয় ডেটাবেসে (DB) সংরক্ষণ করা হয় অথবা সেরা মিলটি শনাক্ত করার জন্য বিদ্যমান মুখের তথ্যের সাথে তুলনা করা হয়।
আমরা এখন কম্পিউটার-ভিত্তিক মুখমণ্ডল শনাক্তকরণ প্রক্রিয়াটি পর্যালোচনা করেছি। মাত্র কয়েক দশক আগেও, কম্পিউটারের মাধ্যমে মানুষের মধ্যে পার্থক্য করার ধারণাটি বাস্তব থেকে অনেক দূরের একটি প্রযুক্তি বলে মনে হতো। তবে, কম্পিউটার হার্ডওয়্যার, সফটওয়্যার এবং কৃত্রিম বুদ্ধিমত্তা প্রযুক্তির দ্রুত অগ্রগতির ফলে, মুখমণ্ডল শনাক্তকরণ এখন স্মার্টফোন ও ল্যাপটপের পাশাপাশি প্রবেশাধিকার নিয়ন্ত্রণ, আর্থিক পরিষেবা এবং বিমানবন্দর নিরাপত্তাসহ বিভিন্ন ক্ষেত্রে ব্যাপকভাবে ব্যবহৃত হচ্ছে। আজ, যে প্রযুক্তি কম্পিউটারকে মানুষের মুখ চিনতে সক্ষম করে, তা আর ভবিষ্যতের কোনো বিষয় নয়, বরং এটি আমাদের দৈনন্দিন জীবনে স্বাভাবিকভাবে মিশে যাওয়া একটি প্রযুক্তিতে পরিণত হয়েছে।