بیومتریک صورت
مقدمه: سازمان بین‌المللی استاندارد (ISO) تعریف زیر را درخصوص بیومتریک ارائه می‌کند:بیومتریک/تشخیص بیومتریک عبارت است از شناسایی خودکار افراد براساس ویژگی‌های بیولوژیکی و رفتاری آنها. در این مقاله به معرفی انواع بیومتریک و کاربردهای آنها و نیز ملاحظات کلیدی که درخصوص هر یک از انواع بیومتریک وجود دارد، پرداخته شده است.
روش بیومتریک صورت چیست؟
بیومتریک صورت از جنبه‌های مختلف ناحیه صورت برای تأیید یا شناسایی یک فرد استفاده می‌کند. طیف گسترده‌ای از تکنیک‌ها برای بررسی ویژگی‌های چهره به گونه‌ای استفاده می‌شوند که سن، حالت و قیافه، نور و روشنایی یا بسیاری از متغیرهای دیگر بر روی آن تأثیر چندانی نمی‌گذارد. چنین تکنیک‌هایی ممکن است شامل الگوریتم‌های یادگیری ماشینی مانند شبکه‌های عصبی کانولوشنال (CNN) باشد که بر روی مجموعه‌های عظیمی از تصاویر چهره آموزش دیده‌اند. این فناوری به طور مستقیم به اندازه‌گیری فاصله بین ویژگی‌های چهره نمی‌پردازد. الگوریتم‌های فعلی چهره، شکل و ظاهر ویژگی‌های صورت، مانند چشم‌ها، بینی یا دهان را با استفاده از پردازش تصویری که به طور تخصصی آموزش دیده‌اند، توصیف می‌کنند.
از همین تکنیک‌ها می‌توان برای به دست آوردن اطلاعات ویژگی‌های چهره مانند سن یا جنسیت نیز استفاده کرد. چنین استفاده‌هایی نیازی به شناسایی یک فرد ندارد.
تصویر چهره را می‌توان با یک دوربین معمولی یا دوربین گوشی هوشمند به‌عنوان یک پرتره یا به عنوان بخشی از یک ویدئو در حالی که سوژه در حال حرکت است، ثبت کرد. تصاویر ممکن است از راه دور و بدون همکاری یا اطلاع سوژه گرفته شوند. ظهور الگوریتم‌های پیشرفته، ابزارهای یادگیری ماشینی و قابلیت‌های پردازش در تشخیص چهره در دهه گذشته به‌صورت قابل توجهی پیشرفت نموده است.
توجه به این نکته بسیار مهم است که تشخیص چهره(face recognition) با هویت فرد سر و کار دارد، در حالی که شخصیت‌پردازی چهره (face characterization) که از الگوریتم‌های متفاوتی استفاده می‌کند، برای طبقه بندی یک فرد در مقوله‌هایی مانند سن، جنسیت، پیشینه قومی و غیره طراحی شده است. اهداف این دو برنامه بسیار متفاوت است اما اغلب توسط رسانه‌ها و عموم مردم اشتباه گرفته می‌شود.
سیستم‌های تشخیص چهره، مشابه با سایر روش‌های بیومتریک، اغلب در معرض حملات و جعل در نمایش قرار می‌گیرند، به عنوان مثال استفاده از ماسک‌ها و دیگر لباس‌های مبدل، نرم‌افزار «شکل‌سازی» تصاویر و غیره. آسیب‌پذیری‌های سیستم‌های بیومتریک در برابر چنین حملاتی و اقدامات متقابل موجود برای کاهش این خطرات جزء مهمی از چهارچوب عملکرد این فناوری است.
تشخیص چهره، مشابه بیشتر روش‌های بیومتریک دیگر، ممکن است برای احراز هویت یک هویت پیشنهادی (حالت تأیید یک به یک)(1:1) یا به عنوان یک کاوشگر برای جستجو در پایگاه داده استفاده شود تا مشخص گردد که آیا یکی از آنها وجود دارد یا خیر. سایر رکوردهای چهره یک تطابق بالقوه را ارائه می‌دهند (حالت شناسایی یک به چند)(1:N).
کاربردها:
نمونه‌ای از برنامه‌های تأیید 1:1 عبارت است از:
بیش از صد سال است که مجریان قانون از تصاویر چهره برای تأیید هویت مجرمان استفاده می‌کنند. هنگامی که یک فرد به بازداشتگاه منتقل می‌شود، به طور معمول از زوایای مختلف چهره او عکس می‌گیرند. این تصاویر در آینده برای تأیید هویت یا برای کمک‌های تحقیقاتی «یک به چند» (در قسمت بعد توضیح داده شده است) ثبت و نگهداری می‌شود.
همچنین در دنیا از تصاویر چهره برای امنیت مرزی استفاده می‌شود. صدها میلیون گذرنامه الکترونیکی در سراسر جهان صادر شده است که شامل تصاویر چهره بر روی تراشه‌های الکترونیکی امن است. مأمور مرزی، عکس صورت را با چهره فردی که به صورت دستی مدارک سفر را ارائه می‌کند، مقایسه می‌نماید. البته در حال حاضر این فرایند سنتی با روش پذیرش خودکار در دروازه‌های الکترونیکی بنادر بین‌المللی و مراکز مسافرتی در حال جایگزین شدن است.
نرم‌افزار تشخیص چهره برای مقایسه تصویر صورت ذخیره‌شده در تراشه پاسپورت با تصویر صورت مسافر که توسط دوربین نصب‌شده بر روی e-gate گرفته شده است، استفاده می‌شود. این سیستم‌های بیومتریک کاملاً خودکار می‌توانند حجم زیادی از تردد مسافران را مدیریت و امور را تسریع نمایند. همچنین نسبت به داوران انسانی دارای سطوح سازگاری بالاتری از دقت در تشخیص چهره می‌باشند.
نمونه‌ای از برنامه‌های تأیید1:n عبارت است از:
تصاویر چهره‌ای که توسط پلیس از مجرمان محکوم به دست می‌آید برای ساخت فهرست‌های نظارتی به منظور نظارت مستقیم بر تشخیص چهره در فضاهای عمومی استفاده می‌شود. معمولاً این مجموعه‌ها دسته‌بندی خاصی دارند، به عنوان مثال افراد تحت تعقیب برای جرائم، زندانیان فراری و غیره. استفاده روزافزون از فناوری تشخیص چهره، تقاضای بیشتری را برای متخصصان مقایسه تصویر چهره ایجاد کرده است، زیرا اغلب آنها باید تصمیم نهایی را در مورد خروجی یک سیستم FR بگیرند.
همچنین تصاویر چهره در مرز پایش می‌شود تا مأموران مرزی، مجرمان را از روی تصاویر موجود در مجموعه داده‌های خود شناسایی نمایند. در فرودگاه‌ها نیز برای تسهیل و تسریع در حرکت مسافران از تشخیص چهره برای فرایندهای ورود، حفظ امنیت و سوار شدن مسافر به هواپیما بهره‌برداری می‌گردد. امروزه فروشگاه‌ها نیز در حال بررسی به‌کارگیری تشخیص چهره افرادی هستند که قبلاً در فروشگاه رفتارهای غیرقابل قبولی داشته‌اند؛ مانند دزدی، آزار کلامی و غیره. این نظارت به‌عنوان اقدامی پیشگیرانه برای ممانعت از ورود این افراد به داخل فروشگاه مورد نظر است.
با توجه به گسترش روز افزورن این فناوری، برخی از شرکت‌ها در حال جستجوی منابع آنلاین برای جمع‌آوری مجموعه تصاویر چهره افراد هستند تا آنها را به شرکت‌های خصوصی یا سازمان‌های مجری قانون به عنوان پایگاه داده آماده بفروشند.
ملاحظات کلیدی:
در مورد انسداد با عینک، ماسک و غیره:
در گذشته دقت تشخیص چهره در صورت استفاده از عینک، داشتن اشکال مختلف مو که پوشاننده صورت باشد، یا عناصری از این قبیل تحت تأثیر قرار می‌گرفت ولی امروزه الگوریتم‌های تشخیص چهره تا زمانی که همه انسدادها با هم ترکیب و انباشته نشوند در برابر اغلب آنها مقاوم هستند. البته هنوز عینک آفتابی ارزشمندترین قسمت صورت را تحت تأثیر قرار می‌دهد.
در طول چند سال اخیر بروز کووید باعث تکامل و تطبیق بیشتر الگوریتم‌های تشخیص چهره گردید؛ به طوری که در حال حاضر تشخیص چهره سوژه‌ای که دارای ماسک بهداشتی است در سطح دقتی مشابه با بهترین الگوریتم‌های تشخیص چهره در چند سال گذشته است.
برنامه‌های تأیید یک به یک(1:1):
فرایند احراز هویت یک فرد با مقایسه تصاویر چهره را می‌توان به‌صورت دستی انجام داد، یعنی یک داور انسانی دو تصویر را با هم مقایسه و ارزیابی می‌کند و تصمیم می‌گیرد که آیا آنها متعلق به یک فرد هستند یا خیر؟ این فرایند می‌تواند به‌صورت خودکار انجام شود؛ به این صورت که شباهت دو تصویر می‌تواند امتیازی را ایجاد کند که منجر به بازکردن دسترسی یا صدور مجوز تراکنش گردد.
برنامه‌های شناسایی یک به چند(N:1):
ممکن است تصاویر چهره کم ارزش‌تر از اثر انگشت در نظر گرفته شود زیرا بدون تماس مستقیم یا نزدیک با فرد می‌توان تصاویر چهره را به دست آورد. این تصاویر اغلب بدون اطلاع یا رضایت فرد به دست می‌آیند. این واقعیت که تصاویر چهره را می‌توان از راه دور یا از منابع آنلاین گرفت، نگرانی‌هایی را در مورد حفظ حریم خصوصی در جامعه مدرن ایجاد می‌کند.
از طرفی دقت سیستم‌های تشخیص چهره یک به چند (N:1) از نظر تفاوت‌های جمعیتی، یعنی توانایی نرم‌افزار برای تطبیق افراد از جنسیت‌ها یا رنگ‌های پوست متفاوت براساس داده‌های آموزشی مورد استفاده، کمی زیر سؤال رفته است.
از طرفی استفاده از سیستم‌های تشخیص چهره در مکان‌های عمومی از سوی بعضی سازمان‌های مجری قانون در چند کشور از منظر حقوق شهروندی به چالش کشیده شده است و این منجر به ممنوعیت استفاده از این فناوری در برخی حوزه‌های قضایی گردیده است. همچنین برخی ذینفعان به تعلیق داوطلبانه این فناوری پرداخته‌اند در صورتی که قوانین با این فناوری کاملاً سازگار است.
تلاش شده تا دقت برنامه‌های شناسایی چهره یک به چند تا حدی بهبود یابد. با این حال برای برخی موارد خاص اجرای قانون که لازم است قضاوت از روی تصاویر با کیفیت پایین انجام شود لازم است تصاویر منتخب و پیشنهادی جستجو شده در سیستم تشخیص چهره از طریق قضاوت انسانی مورد ارزیابی قرار گیرد تا تصمیم دقیقی گرفته شود. در این نوع ارزیابی معمولاً برنامه‌های تشخیص چهره یک به چند (1:N) فهرستی از تصاویر منتخب براساس تعداد از پیش تعیین شده در سیستم ارائه می‌کنند که بعضی از آنها با امتیاز شباهت بالا و بعضی دیگر با امتیاز آستانه شباهت یا به صورت ترکیبی از این دو معرفی می‌شود تا داور انسانی روی آنها قضاوت نموده و تصمیم نهایی را بگیرد. در این روش تشخیص چهره برمبنای علمی و به‌صورت بی‌طرفانه اعمال می‌گردد.