Ebben a blogbejegyzésben egyszerűen és közérthetően áttekintjük azokat az elveket és folyamatokat, amelyek mögött a számítógépek az emberi arcok felismerése áll.

Milyen elvek alapján működik az arcfelismerés?

Gyerekkorodban valószínűleg legalább egyszer játszottál már olyan játékkal, ahol emberi arcot kellett elkészítened. Ebben a játékban először kiválasztasz egy arcformát, majd egyenként kiválasztod a frizurát, a szemeket, az orrot és a szájat, és ezeket az arcra helyezed. Különböző frizurák, szemek, orrok és szájak közötti váltással létrehozhatod a kívánt arcot. A számítógépek arcfelismerési és összehasonlítási módja nem sokban különbözik ettől. A számítógépek azonosítják és tárolják az arcvonásokat; amikor egy új arcfotót töltenek be, összehasonlítják azt a tárolt jellemzőkkel, hogy meghatározzák, ki a személy.
Az arcfelismerő technológia egy könnyen hozzáférhető, friss példája az arcfelismerő alkalmazás (App). Ezek az alkalmazások előre kinyerik és tárolják a hírességek fényképeiről a legfontosabb jellemzőket – például az arc kontúrjait, a szemeket, az orrokat és a szájakat. Később, amikor egy személy arcát rögzíti a kamera, az alkalmazás ugyanígy kinyeri az arcvonásokat, és összehasonlítja azokat a hírességek tárolt arcvonásaival, hogy azonosítsa és megjelenítse a legközelebb álló személyt.

Hogyan ismeri fel a számítógép az arcot?

Most vizsgáljuk meg a számítógép arcfelismerési folyamatát. Az arcfelismerés négy fő szakaszból áll: bevitel, arcfelismerés, jellemzők kinyerése és összehasonlítás.
A beviteli szakaszban egy fénykép vagy videó egyetlen képkockája kerül továbbításra a számítógépre egy bemeneti eszközön keresztül. Általánosságban elmondható, hogy minél nagyobb a bemeneti eszköz felbontása és minél magasabb a képkocka/másodperc (FPS) értéke, annál pontosabban ismerhetők fel az arcok. Ez az elv hasonló ahhoz, ahogyan egy jó látású személy pontosabban felismeri egy távol álló személy arcát.
Az arcfelismerési szakaszban a rendszer először ellenőrzi, hogy van-e arc a bemeneti fotón vagy videón. Ehhez azonosítja az arc körvonalát és főbb jellemzőit, például a szemeket, az orrot és a szájat. Bár jelenleg különféle arcfelismerési technikákat alkalmaznak, mi itt a reprezentatív Haar-szerű felismerési módszerre összpontosítunk.
A Haar-szerű detektálási módszer Haar-waveleteket használ. A wavelet egy egyszerű téglalap alakú minta, amely fekete és fehér régiókból áll. Ezeket a fekete-fehér régiókat arra használják, hogy azonosítsák a képen azokat a területeket, ahol fényerő-különbségek fordulnak elő. A teljes bemeneti képen vagy videón különböző méretű és alakú waveleteket alkalmazva, majd csak azokat a helyeket tartva meg, ahol a fekete és fehér régiók közötti fényerő-különbség jelentős, a rendszer hatékonyan képes érzékelni az arc körvonalát és a kulcsfontosságú arcvonásokat, például a szemeket, az orrot, a szájat és a szemöldököt. Továbbá ez a folyamat lehetővé teszi az arcvonásokkal kapcsolatos pozícióinformációk kinyerését is.
Például a szemekről szóló információk kinyerésekor a hullámok fekete területei viszonylag sötét területeknek – például a pupillának – felelnek meg, míg a fehér területek világos területeknek, például a bőrnek. Ezen fényerő-különbségek kihasználásával a szemek helyzete és alakja hatékonyan detektálható.

Hogyan vonják ki az arcvonásokat?

Miután az arcfelismerési szakasz befejeződött, a rendszer eldönti, hogy folytassa-e a jellemzők kinyerésének szakaszával.
A jellemzők kinyerésének szakaszában az arcvonásokat kinyerve teljes mértékben kihasználják az arcfelismerési szakasz során azonosított arckomponenseket. Az arcfelismerési szakasszal ellentétben ez a folyamat egy előfeldolgozási lépést is magában foglal. Mivel az arcok elforgatási szöge, mérete és megvilágítási intenzitása fényképenként vagy videónként változik, normalizálási folyamatot hajtanak végre a lehető legnagyobb mértékű szabványosítás érdekében. Ezenkívül a színes fényképek vagy videók szükség szerint fekete-fehér képekké alakíthatók.
Például az eredeti fényképet szürkeárnyalatosra konvertálják, majd csak az arc területét vágják le és méretezik át egységes méretűre, és hisztogram-kiegyenlítést végeznek a fényerő korrigálása érdekében. Az arcfelismerési szakaszban kapott arckomponensek pozícióinformációinak felhasználásával az arcvonásokat kinyerik az előfeldolgozáson átesett fényképekből vagy videókból.

Hogyan használják a kivont arcvonásokat?

Az összehasonlítási szakaszban a kinyert arckomponensekre vonatkozó információkat vagy egy adatbázisban (DB) tárolják, vagy összehasonlítják a meglévő arckomponensekkel a legjobb egyezés azonosítása érdekében.
Most megvizsgáltuk a számítógépes arcfelismerés folyamatát. Néhány évtizeddel ezelőtt még a számítógépes arcfelismerés gondolata távoli valóságnak tűnt. A számítógépes hardverek, szoftverek és mesterséges intelligencia technológiák gyors fejlődésével azonban az arcfelismerést ma már széles körben alkalmazzák számos területen – beleértve az okostelefonokat és laptopokat, valamint a beléptető rendszereket, a pénzügyi szolgáltatásokat és a repülőtéri biztonságot. Manapság az a technológia, amely lehetővé teszi a számítógépek számára az emberi arcok felismerését, már nem a jövő története, hanem olyan technológiává vált, amely természetes módon integrálódik a mindennapi életünkbe.