या ब्लॉग पोस्टमध्ये, संगणक मानवी चेहरे कसे ओळखतात यामागील तत्त्वे आणि प्रक्रियांचा आपण सोप्या आणि सरळ पद्धतीने आढावा घेणार आहोत.

चेहरा ओळखण्याच्या प्रक्रियेमागे कोणती तत्त्वे आहेत?

तुम्ही लहानपणी किमान एकदा तरी असा खेळ खेळला असेल, ज्यात तुम्हाला मानवी चेहरा पूर्ण करायचा असतो. या खेळात, तुम्ही आधी चेहऱ्याचा आकार निवडता, मग एक-एक करून केसांची रचना, डोळे, नाक आणि तोंड निवडून ते चेहऱ्यावर लावता. वेगवेगळ्या केसांच्या रचना, डोळे, नाक आणि तोंड बदलून तुम्ही हवा तसा चेहरा तयार करू शकता. संगणक ज्या प्रकारे चेहरे ओळखतात आणि त्यांची तुलना करतात, ती पद्धत यापेक्षा फार वेगळी नाही. संगणक चेहऱ्याची वैशिष्ट्ये ओळखतात आणि साठवतात; जेव्हा एखाद्या चेहऱ्याचा नवीन फोटो इनपुट केला जातो, तेव्हा ती व्यक्ती कोण आहे हे ठरवण्यासाठी ते साठवलेल्या वैशिष्ट्यांशी त्याची तुलना करतात.
सहज उपलब्ध असलेल्या चेहरा ओळख तंत्रज्ञानाचे एक अलीकडील उदाहरण म्हणजे चेहरा ओळखणारे ॲप्लिकेशन (ॲप). हे ॲप्स सेलिब्रिटींच्या फोटोंमधून चेहऱ्याचा आकार, डोळे, नाक आणि तोंड यांसारखी प्रमुख वैशिष्ट्ये आधीच काढून साठवतात. नंतर, जेव्हा कॅमेऱ्याद्वारे एखाद्या व्यक्तीचा चेहरा टिपला जातो, तेव्हा ॲप त्याच पद्धतीने चेहऱ्याची वैशिष्ट्ये काढते आणि त्यांची सेलिब्रिटींच्या साठवलेल्या चेहऱ्याच्या वैशिष्ट्यांशी तुलना करून, सर्वात जवळून जुळणाऱ्या व्यक्तीला ओळखते व दाखवते.

संगणक चेहरा कसा ओळखतो?

आता, आपण संगणकाच्या चेहरा ओळखण्याच्या प्रक्रियेचे परीक्षण करूया. चेहरा ओळखण्याच्या प्रक्रियेत चार मुख्य टप्पे असतात: इनपुट, चेहरा शोधणे, वैशिष्ट्ये काढणे आणि तुलना करणे.
इनपुट स्टेजमध्ये, फोटो किंवा व्हिडिओमधील एक फ्रेम इनपुट डिव्हाइसद्वारे संगणकावर पाठवली जाते. साधारणपणे, इनपुट डिव्हाइसचे रिझोल्यूशन जितके जास्त असेल आणि फ्रेम्स प्रति सेकंद (FPS) जितके जास्त असेल, तितक्या अचूकपणे चेहरे ओळखता येतात. हे तत्त्व अगदी तसेच आहे जसे चांगली दृष्टी असलेली व्यक्ती दूर उभ्या असलेल्या व्यक्तीचा चेहरा अधिक अचूकपणे ओळखू शकते.
चेहरा ओळखण्याच्या टप्प्यात, प्रणाली सर्वप्रथम दिलेल्या फोटो किंवा व्हिडिओमध्ये चेहरा आहे की नाही हे तपासते. यासाठी, ती चेहऱ्याची बाह्यरेखा आणि डोळे, नाक व तोंड यांसारखी प्रमुख वैशिष्ट्ये ओळखते. सध्या चेहरा ओळखण्याची विविध तंत्रे वापरात असली तरी, आम्ही येथे प्रातिनिधिक 'हार-सदृश' (Haar-like) ओळख पद्धतीवर लक्ष केंद्रित करणार आहोत.
हार-सदृश शोध पद्धतीमध्ये हार वेव्हलेट्सचा वापर केला जातो. वेव्हलेट म्हणजे काळ्या आणि पांढऱ्या भागांनी बनलेला एक साधा आयताकृती नमुना. प्रतिमेतील ज्या ठिकाणी तेजस्वीपणामध्ये फरक आढळतो, ती ठिकाणे ओळखण्यासाठी या काळ्या-पांढऱ्या भागांचा वापर केला जातो. संपूर्ण इनपुट प्रतिमा किंवा व्हिडिओवर विविध आकार आणि प्रकारांचे वेव्हलेट्स लागू करून, आणि नंतर केवळ तीच ठिकाणे राखून जिथे काळ्या आणि पांढऱ्या भागांमधील तेजस्वीपणाचा फरक लक्षणीय आहे, ही प्रणाली चेहऱ्याची बाह्यरेखा आणि डोळे, नाक, तोंड व भुवया यांसारखी प्रमुख चेहऱ्याची वैशिष्ट्ये प्रभावीपणे शोधू शकते. शिवाय, ही प्रक्रिया चेहऱ्याच्या वैशिष्ट्यांविषयीची स्थितीविषयक माहिती काढण्याची देखील परवानगी देते.
उदाहरणार्थ, डोळ्यांविषयी माहिती काढताना, वेव्हलेटमधील काळे भाग बाहुलीसारख्या तुलनेने गडद भागांशी, तर पांढरे भाग त्वचेसारख्या तेजस्वी भागांशी जुळतील अशा प्रकारे ठेवलेले असतात. या तेजस्वीपणातील फरकांचा उपयोग करून, डोळ्यांचे स्थान आणि आकार प्रभावीपणे ओळखता येतात.

चेहऱ्याची वैशिष्ट्ये कशी काढली जातात?

चेहरा ओळखण्याची प्रक्रिया पूर्ण झाल्यावर, वैशिष्ट्ये काढण्याच्या प्रक्रियेकडे जायचे की नाही हे प्रणाली ठरवते.
वैशिष्ट्ये काढण्याच्या टप्प्यात, चेहरा ओळखण्याच्या टप्प्यात ओळखलेल्या चेहऱ्याच्या घटकांचा पूर्णपणे उपयोग करण्यासाठी चेहऱ्याची वैशिष्ट्ये काढली जातात. चेहरा ओळखण्याच्या टप्प्याच्या विपरीत, या प्रक्रियेमध्ये पूर्व-प्रक्रियेचा एक टप्पा समाविष्ट असतो. प्रत्येक छायाचित्र किंवा व्हिडिओनुसार चेहऱ्यांच्या फिरण्याचा कोन, आकार आणि प्रकाशाची तीव्रता बदलत असल्यामुळे, त्यांना शक्य तितके प्रमाणित करण्यासाठी सामान्यीकरण प्रक्रिया केली जाते. याव्यतिरिक्त, आवश्यकतेनुसार रंगीत छायाचित्रे किंवा व्हिडिओ कृष्णधवल प्रतिमांमध्ये रूपांतरित केले जाऊ शकतात.
उदाहरणार्थ, मूळ फोटो ग्रेस्केलमध्ये रूपांतरित केला जातो, त्यानंतर फक्त चेहऱ्याचा भाग क्रॉप करून त्याला एकसमान आकारात आणले जाते आणि ब्राइटनेस दुरुस्त करण्यासाठी हिस्टोग्राम इक्वलायझेशन केले जाते. फेस डिटेक्शनच्या टप्प्यात मिळालेल्या चेहऱ्याच्या घटकांच्या स्थितीच्या माहितीचा वापर करून, ही पूर्व-प्रक्रिया झालेल्या फोटो किंवा व्हिडिओमधून चेहऱ्याची वैशिष्ट्ये काढली जातात.

काढलेल्या चेहऱ्याच्या वैशिष्ट्यांचा वापर कसा केला जातो?

तुलना करण्याच्या टप्प्यात, चेहऱ्याच्या या काढलेल्या घटकांची माहिती एकतर डेटाबेसमध्ये (DB) साठवली जाते किंवा सर्वोत्तम जुळणी ओळखण्यासाठी विद्यमान चेहऱ्याच्या डेटाशी तुलना केली जाते.
आता आपण संगणक-आधारित चेहरा ओळखण्याच्या प्रक्रियेचे परीक्षण केले आहे. केवळ काही दशकांपूर्वी, संगणकाने माणसांमधील फरक ओळखण्याची कल्पना वास्तवापासून खूप दूरचे तंत्रज्ञान वाटत होती. तथापि, संगणक हार्डवेअर, सॉफ्टवेअर आणि कृत्रिम बुद्धिमत्ता तंत्रज्ञानातील जलद प्रगतीमुळे, चेहरा ओळखण्याचे तंत्रज्ञान आता स्मार्टफोन आणि लॅपटॉप, तसेच प्रवेश नियंत्रण, वित्तीय सेवा आणि विमानतळ सुरक्षा यांसारख्या विविध क्षेत्रांमध्ये मोठ्या प्रमाणावर वापरले जाते. आज, संगणकांना मानवी चेहरे ओळखण्यास सक्षम करणारे तंत्रज्ञान ही केवळ भविष्यातील गोष्ट राहिलेली नाही, तर ते आपल्या दैनंदिन जीवनात नैसर्गिकरित्या समाविष्ट झालेले तंत्रज्ञान बनले आहे.