આ બ્લોગ પોસ્ટમાં, આપણે કમ્પ્યુટર્સ માનવ ચહેરાઓને કેવી રીતે ઓળખે છે તે પાછળના સિદ્ધાંતો અને પ્રક્રિયાઓ પર એક સરળ અને સીધી નજર નાખીશું.

ચહેરાની ઓળખ કયા સિદ્ધાંતો પર આધારિત છે?

તમે બાળપણમાં ઓછામાં ઓછી એક વાર એવી રમત રમી હશે જેમાં તમારે માનવ ચહેરો પૂર્ણ કરવાનો હતો. આ રમતમાં, તમે પહેલા ચહેરાનો આકાર પસંદ કરો છો, પછી હેરસ્ટાઇલ, આંખો, નાક અને મોં એક પછી એક પસંદ કરો છો અને તેમને ચહેરા પર મૂકો છો. વિવિધ હેરસ્ટાઇલ, આંખો, નાક અને મોં વચ્ચે સ્વિચ કરીને, તમે ઇચ્છો તે ચહેરો બનાવી શકો છો. કમ્પ્યુટર્સ જે રીતે ચહેરાઓને ઓળખે છે અને તેની તુલના કરે છે તે આનાથી બહુ અલગ નથી. કમ્પ્યુટર્સ ચહેરાના લક્ષણો ઓળખે છે અને સંગ્રહિત કરે છે; જ્યારે ચહેરાનો નવો ફોટો ઇનપુટ કરવામાં આવે છે, ત્યારે તેઓ તે વ્યક્તિ કોણ છે તે નક્કી કરવા માટે તેની સંગ્રહિત સુવિધાઓ સાથે તુલના કરે છે.
ચહેરાની ઓળખ ટેકનોલોજીનું તાજેતરનું ઉદાહરણ જે સરળતાથી સુલભ છે તે છે ચહેરાની ઓળખ એપ્લિકેશન (એપ). આ એપ્લિકેશનો સેલિબ્રિટીઓના ફોટામાંથી મુખ્ય સુવિધાઓ - જેમ કે ચહેરાના રૂપરેખા, આંખો, નાક અને મોં - પહેલાથી જ કાઢે છે અને સંગ્રહિત કરે છે. બાદમાં, જ્યારે કોઈ વ્યક્તિનો ચહેરો કેમેરા દ્વારા કેદ કરવામાં આવે છે, ત્યારે એપ્લિકેશન એ જ રીતે ચહેરાના લક્ષણો કાઢે છે અને તેમની તુલના સેલિબ્રિટીઓના સંગ્રહિત ચહેરાના લક્ષણો સાથે કરે છે જેથી સૌથી નજીકથી મેળ ખાતી વ્યક્તિને ઓળખી શકાય અને પ્રદર્શિત કરી શકાય.

કમ્પ્યુટર ચહેરાને કેવી રીતે ઓળખે છે?

હવે, ચાલો કમ્પ્યુટરની ચહેરાની ઓળખ પ્રક્રિયાનું પરીક્ષણ કરીએ. ચહેરાની ઓળખમાં ચાર મુખ્ય તબક્કાઓનો સમાવેશ થાય છે: ઇનપુટ, ચહેરો શોધ, લક્ષણ નિષ્કર્ષણ અને સરખામણી.
ઇનપુટ તબક્કામાં, ફોટો અથવા વિડિયોમાંથી એક ફ્રેમ ઇનપુટ ડિવાઇસ દ્વારા કમ્પ્યુટર પર ટ્રાન્સમિટ થાય છે. સામાન્ય રીતે, ઇનપુટ ડિવાઇસનું રિઝોલ્યુશન જેટલું ઊંચું હોય છે અને ફ્રેમ્સ પ્રતિ સેકન્ડ (FPS) જેટલું ઊંચું હોય છે, તેટલી જ સચોટ રીતે ચહેરા ઓળખી શકાય છે. આ સિદ્ધાંત સારી દૃષ્ટિ ધરાવતી વ્યક્તિ દૂર ઉભેલા વ્યક્તિના ચહેરાને વધુ સચોટ રીતે ઓળખી શકે છે તેના જેવો જ છે.
ચહેરા શોધવાના તબક્કામાં, સિસ્ટમ પહેલા તપાસ કરે છે કે ઇનપુટ ફોટો કે વિડિયોમાં ચહેરો હાજર છે કે નહીં. આ કરવા માટે, તે ચહેરાની રૂપરેખા અને આંખો, નાક અને મોં જેવા મુખ્ય લક્ષણો ઓળખે છે. જ્યારે વિવિધ ચહેરા શોધવાની તકનીકો હાલમાં ઉપયોગમાં છે, ત્યારે અમે અહીં પ્રતિનિધિ હાર જેવી શોધ પદ્ધતિ પર ધ્યાન કેન્દ્રિત કરીશું.
હાર જેવી શોધ પદ્ધતિ હાર વેવલેટ્સનો ઉપયોગ કરે છે. વેવલેટ એ કાળા અને સફેદ પ્રદેશોથી બનેલો એક સરળ લંબચોરસ પેટર્ન છે. આ કાળા અને સફેદ પ્રદેશોનો ઉપયોગ છબીમાં એવા વિસ્તારોને ઓળખવા માટે થાય છે જ્યાં તેજમાં તફાવત હોય છે. સમગ્ર ઇનપુટ છબી અથવા વિડિઓ પર વિવિધ કદ અને આકારના વેવલેટ્સ લાગુ કરીને, અને પછી ફક્ત તે સ્થાનોને જાળવી રાખીને જ્યાં કાળા અને સફેદ પ્રદેશો વચ્ચેનો તેજ તફાવત નોંધપાત્ર છે, સિસ્ટમ ચહેરાની રૂપરેખા અને આંખો, નાક, મોં અને ભમર જેવા મુખ્ય ચહેરાના લક્ષણોને અસરકારક રીતે શોધી શકે છે. વધુમાં, આ પ્રક્રિયા ચહેરાના લક્ષણો સંબંધિત સ્થિતિગત માહિતીના નિષ્કર્ષણ માટે પણ પરવાનગી આપે છે.
ઉદાહરણ તરીકે, આંખો વિશે માહિતી કાઢતી વખતે, વેવલેટના કાળા વિસ્તારો પ્રમાણમાં ઘાટા વિસ્તારો - જેમ કે વિદ્યાર્થી - ને અનુરૂપ હોય છે જ્યારે સફેદ વિસ્તારો તેજસ્વી વિસ્તારો, જેમ કે ત્વચાને અનુરૂપ હોય છે. આ તેજસ્વીતા તફાવતોનો ઉપયોગ કરીને, આંખોની સ્થિતિ અને આકાર અસરકારક રીતે શોધી શકાય છે.

ચહેરાના લક્ષણો કેવી રીતે કાઢવામાં આવે છે?

એકવાર ચહેરો શોધવાનો તબક્કો પૂર્ણ થઈ જાય, પછી સિસ્ટમ નક્કી કરે છે કે ફીચર એક્સટ્રેક્શન સ્ટેજ પર આગળ વધવું કે નહીં.
ફીચર એક્સટ્રેક્શન સ્ટેજમાં, ફેસ ડિટેક્શન સ્ટેજ દરમિયાન ઓળખાયેલા ફેશિયલ ઘટકોનો સંપૂર્ણ ઉપયોગ કરવા માટે ફેસ ફીચર્સ એક્સટ્રેક્ટ કરવામાં આવે છે. ફેસ ડિટેક્શન સ્ટેજથી વિપરીત, આ પ્રક્રિયામાં પ્રીપ્રોસેસિંગ સ્ટેપનો સમાવેશ થાય છે. દરેક ફોટોગ્રાફ અથવા વિડિયો સાથે ચહેરાના પરિભ્રમણનો કોણ, કદ અને પ્રકાશની તીવ્રતા બદલાતી હોવાથી, તેમને શક્ય તેટલું પ્રમાણિત કરવા માટે નોર્મલાઇઝેશન પ્રક્રિયા કરવામાં આવે છે. વધુમાં, જરૂર મુજબ રંગીન ફોટોગ્રાફ્સ અથવા વિડિયોને કાળા અને સફેદ છબીઓમાં રૂપાંતરિત કરી શકાય છે.
ઉદાહરણ તરીકે, મૂળ ફોટો ગ્રેસ્કેલમાં રૂપાંતરિત થાય છે, પછી ફક્ત ચહેરાના ક્ષેત્રને કાપવામાં આવે છે અને એક સમાન કદમાં તેનું કદ બદલવામાં આવે છે, અને તેજ સુધારવા માટે હિસ્ટોગ્રામ સમાનીકરણ કરવામાં આવે છે. ચહેરા શોધના તબક્કા દરમિયાન મેળવેલા ચહેરાના ઘટકોની સ્થિતિ માહિતીનો ઉપયોગ કરીને, આ પ્રીપ્રોસેસિંગમાંથી પસાર થયેલા ફોટા અથવા વિડિઓઝમાંથી ચહેરાના લક્ષણો કાઢવામાં આવે છે.

કાઢવામાં આવેલા ચહેરાના લક્ષણોનો ઉપયોગ કેવી રીતે થાય છે?

સરખામણીના તબક્કા દરમિયાન, આ કાઢવામાં આવેલા ચહેરાના ઘટકો પરની માહિતી કાં તો ડેટાબેઝ (DB) માં સંગ્રહિત કરવામાં આવે છે અથવા શ્રેષ્ઠ મેચ ઓળખવા માટે હાલના ચહેરાના ડેટા સાથે સરખામણી કરવામાં આવે છે.
આપણે હવે કમ્પ્યુટર-આધારિત ચહેરા ઓળખવાની પ્રક્રિયાની તપાસ કરી છે. થોડા દાયકાઓ પહેલાં, કમ્પ્યુટર દ્વારા લોકો વચ્ચે ભેદ પાડવાનો વિચાર વાસ્તવિકતાથી ખૂબ દૂરની ટેકનોલોજી જેવો લાગતો હતો. જોકે, કમ્પ્યુટર હાર્ડવેર, સોફ્ટવેર અને કૃત્રિમ બુદ્ધિમત્તા તકનીકોના ઝડપી વિકાસ સાથે, ચહેરા ઓળખ હવે વિવિધ ક્ષેત્રોમાં વ્યાપકપણે ઉપયોગમાં લેવાય છે - જેમાં સ્માર્ટફોન અને લેપટોપ, તેમજ ઍક્સેસ નિયંત્રણ, નાણાકીય સેવાઓ અને એરપોર્ટ સુરક્ષાનો સમાવેશ થાય છે. આજે, કમ્પ્યુટરને માનવ ચહેરા ઓળખવા માટે સક્ષમ બનાવતી તકનીક હવે ભવિષ્યની વાર્તા નથી પરંતુ એક એવી તકનીક બની ગઈ છે જે કુદરતી રીતે આપણા રોજિંદા જીવનમાં સમાવિષ્ટ થઈ ગઈ છે.