Milliardär hat seinen 25 Jahre lang vermissten Sohn gefunden. Die dahinter stehende Gesichtserkennungstechnologie ist erstaunlich!

Vor einigen Tagen sorgte ein Thema zum Thema „Milliardär findet seinen seit 25 Jahren vermissten Sohn“ im gesamten Internet für Aufsehen.

1998 wurde der erst drei Monate alte Xie Qingshuai entführt. Sein Vater suchte weiter und 25 Jahre später waren Vater und Sohn endlich wieder vereint.

Dieses Mal war das Familientreffen von Xie Qingshuai untrennbar mit einem Unternehmen verbunden, das Gesichtserkennung durchführt. Der „Cross-Age and Same-Kin Face Matching Algorithm“ des Unternehmens fand durch Analyse der Gesichtsbilder seiner Eltern und seines Bruders eine Übereinstimmung mit Jie Qingshuai und bestätigte schließlich Jie Qingshuais Identität durch einen DNA-Vergleich.

Bildquelle: Screenshot von Sina Weibo

Die Frage ist: Was ist Gegenstand der Suche nach der Gesichtserkennungstechnologie von Jie Qingshuai? Ist das dieselbe Technologie, die wir zum Entsperren unserer Telefone verwenden? Lassen Sie uns heute über die Vergangenheit und Gegenwart der Gesichtserkennung sprechen.

Von der manuellen Unterstützung zur reinen Computererkennung

1. Definieren Sie eine Person anhand körperlicher Merkmale

Bereits 1879 erfand der französische Kriminologe Alphonse Bertillon eine Methode zur Identifizierung von Kriminellen oder Verdächtigen: Die Identifizierung einer Person erfolgte durch die Messung von elf körperlichen Daten, wie etwa der Länge vom Ellbogen bis zur Spitze des Mittelfingers, der Länge des rechten Ohrs, der Länge des linken Fußes usw.

Alphonses Methode zur Identifizierung menschlicher Merkmale, Bildquelle: Wikimedia

Obwohl Alphonses ursprüngliche Absicht darin bestand, Bösewichte zu identifizieren, war seine Idee, eine Person anhand ihrer physischen Datenmerkmale zu identifizieren, eine große Inspiration für die spätere Gesichtserkennungstechnologie.

2. „Halbautomatische“ Gesichtserkennung

Im Jahr 1964 begannen der amerikanische Mathematiker und Experte für künstliche Intelligenz Woody Bledsoe und andere damit, Computer zur Erkennung menschlicher Fotos einzusetzen. Die ursprüngliche Idee bestand darin, Fotos von Gesichtern von Menschen aus verschiedenen Winkeln aufzunehmen und den Computer dann die Hell-Dunkel-Daten auf diesen Fotos lernen zu lassen, um ein Gesicht zu erkennen. Doch angesichts der damaligen technischen Einschränkungen hätte diese Idee einfach nicht funktionieren können.

Am Ende entschieden sich Woody und andere für eine ähnliche Methode wie Alphonse. Sie suchten nach etwa 20 Merkmalen im menschlichen Gesicht, wie etwa der Breite und dem Abstand der Augen, der Länge der Ohren, der Länge der Mundwinkel usw., und definierten eine Person durch Messen der Werte dieser Merkmale.

Da es den damaligen Computern jedoch nicht möglich war, diese Daten direkt anhand von Fotos zu ermitteln, musste Woody eine Software entwickeln, bei der die gemessenen Daten manuell in den Computer eingegeben werden mussten. Der Computer verglich sie dann mit den Daten in der Datenbank, um herauszufinden, wem das Gesicht gehörte.

Dies kann als die erste Gesichtserkennungssoftware angesehen werden, es handelt sich jedoch um eine „halbautomatische“ Methode, die menschliches Eingreifen erfordert und nur 40 Bilder pro Stunde verarbeiten kann.

3Vollautomatische Gesichtserkennung

In den 1970er Jahren stellte der japanische Wissenschaftler Takeo Kanade eine neue Software zur Gesichtserkennung vor. Diese Software kann die Position des Kinns automatisch lokalisieren, wodurch Gesichtsdaten automatisch gemessen und eine automatische Erkennung durchgeführt werden kann.

Obwohl diese Software immer noch von Faktoren wie Aufnahmewinkel, Licht und Schatten beeinflusst wird und ihre Erkennungsgenauigkeit begrenzt ist, hat sie einen wichtigen Übergang von „halbautomatisch“ zu „vollautomatisch“ geschafft.

In den 1980er und 1990er Jahren führte das Aufkommen von Methoden wie Eigenfaces und Fisherfaces zu erheblichen Fortschritten in der vollautomatischen Gesichtserkennungstechnologie, und die Erkennungsfähigkeit für statische Fotos in kontrollierten Umgebungen (wie z. B. Passfotos) ist relativ zuverlässig geworden.

So haben beispielsweise West Virginia und New Mexico in den USA Gesichtserkennungstechnologien eingeführt, um Gesichter auf Führerscheinen zu identifizieren und so zu verhindern, dass dieselbe Person mehrere Führerscheine unter verschiedenen Namen beantragt. Im Jahr 1997 begann auch der US-Bundesstaat Minnesota mit der Nutzung von Gesichtserkennungssystemen zur Identifizierung von Kriminellen im Bundesstaat.

4 Convolutional Neural Networks bringen einen Sprung

Um das Jahr 2010 herum sorgte die auf Convolutional Neural Networks basierende Deep-Learning-Technologie für einen weiteren Sprung in der Gesichtserkennungstechnologie.

Ein Convolutional Neural Network ist eine Art neuronales Netzwerk, das das biologische Sehen nachahmt und dessen Architektur sich sehr gut für die Verarbeitung von Bildinformationen eignet. Die Menschen nehmen verschiedene Optimierungen auf der Grundlage von Convolutional Neural Networks vor und können bei Bedarf verschiedene Arten von Informationen aus dem Bild extrahieren, wie etwa Licht und Dunkelheit, Linienkonturen usw., um eine umfassende Beurteilung des Bildes vorzunehmen.

Gesichtserkennungssystem. Bildquelle: Referenz [2]

Diese Methode unterscheidet sich etwas von Alphonses vorheriger Methode. Es erkennt Gesichter nicht mehr auf Grundlage bestimmter Zahlen wie Augenbreite und Ohrenlänge, sondern direkt auf Grundlage allgemeiner Gesichtszüge, was dem Erkennungsprozess des tierischen Sehvermögens ähnlicher ist.

Um das Jahr 2010 herum wurden Computer-Vision-Datenbanken, mit denen tiefe neuronale Netzwerke trainiert werden konnten, immer ausgefeilter. Ein Beispiel hierfür ist ImageNet, das von Fei-Fei Li und anderen entwickelt wurde und zig Millionen manuell annotierte Bilder enthält. Darüber hinaus wurde GPU etwa im Jahr 2012 im Bereich Deep Learning eingesetzt und die Geschwindigkeit und Genauigkeit der Gesichtserkennungstechnologie wurden erheblich verbessert.

So konnte beispielsweise das Gesichtserkennungssystem DeepFace von Facebook im Jahr 2014 eine Genauigkeit von 97,35 % erreichen, was fast der Erkennungsgenauigkeit eines Menschen entspricht. FaceNet, das 2015 von Google vorgeschlagen wurde, weist in einigen Datenbanken eine Gesichtserkennungsgenauigkeit von 99,63 % auf.

Deepface Gesichtserkennungssystem, Bildquelle: Referenz [3]

Bis heute entwickelt sich die Gesichtserkennungstechnologie rasant weiter. Neben der Erkennung statischer Fotos kann es auch dynamische Gesichter in Videobildern präzise und schnell erkennen.

Allgegenwärtige Gesichtserkennungstechnologie

Mit der zunehmenden Genauigkeit der Gesichtserkennung nimmt auch ihre Anwendung im Leben zu.

Beispielsweise unterstützen mittlerweile fast alle gängigen Mobiltelefone das Entsperren per Gesichtserkennung. Beim Einkaufen in vielen Convenience Stores müssen Sie Ihr Telefon nicht herausholen, um den Zahlungscode zu öffnen, sondern können einfach per Gesichtserkennung bezahlen. Beim Betreten und Verlassen des Bahnhofs können Sie auch einfach Ihr Gesicht scannen, um durch das Tor zu gelangen.

Neben diesen alltäglichen Anwendungen spielen Gesichtserkennungssysteme auch in einigen Spezialbereichen eine wichtige Rolle.

Seit April 2018 beispielsweise haben Sicherheits- und Überwachungskameras bei den Konzerten von Jacky Cheung fast 100 Flüchtige oder Tatverdächtige gefilmt, und Internetnutzer scherzten, dass es sich bei den Konzerten von Jacky Cheung lediglich um „Verhaftungstreffen“ handele.

Darüber hinaus konnte Lao Rongji im Fall Lao Rongji, der in der Gesellschaft erhebliche Kontroversen auslöste, mithilfe des Gesichtserkennungssystems problemlos identifiziert werden, obwohl er 23 Jahre lang auf der Flucht war.

Quelle: Screenshot des Polizeivideos von Xiamen

Da die Genauigkeit der Gesichtserkennungstechnologie bei der altersübergreifenden Gesichtserkennung und der Gesichtserkennung mit verdeckten Gesichtern immer höher wird, kann die Gesichtserkennungstechnologie auch unsere Sicherheit besser schützen.

Der oben erwähnte „Algorithmus zum Vergleich alters- und verwandtschaftsübergreifenden Gesichtsvergleich“ ist ebenfalls eine Optimierung der Gesichtserkennungstechnologie in bestimmten Bereichen. Diese Funktion kann nicht nur dabei helfen, flüchtige Verdächtige viele Jahre später zu finden, sondern kann auch verlorenen oder entführten Kindern bei der Suche nach ihren leiblichen Eltern eine große Hilfe sein.

Ein auf Verwandtschaft basierendes Gesichtserkennungssystem. Bildquelle: Referenz [4]

Es ist erwähnenswert, dass die KI-basierte Gesichtserkennung zwar unser Leben angenehmer macht und unsere Sicherheit schützt, aber auch einige Risiken birgt.

Beispielsweise verwenden einige Apps auf unseren Mobiltelefonen unsere Gesichtsdaten. Obwohl die meisten Unternehmen ihr Bestes tun, um die Sicherheit dieser Daten zu gewährleisten, gibt es immer noch einige Softwareentwickler, die nicht in der Lage sind oder nicht die Absicht haben, die Datensicherheit überhaupt zu gewährleisten, was zu schwerwiegenden Lecks persönlicher Informationen führen kann.

Beispielsweise war ClearviewAI, ein Unternehmen, das Dienstleistungen für US-amerikanische Strafverfolgungsbehörden erbringt, einmal von Datenlecks betroffen. Darüber hinaus wurde dem Unternehmen auch vorgeworfen, ohne Zustimmung des Benutzers illegal Fotoinformationen von Benutzern zu Trainingszwecken gesammelt zu haben.

Kurz gesagt: Obwohl die Technologie zur Gesichtserkennung auf eine Geschichte von mehr als einem halben Jahrhundert zurückblickt, hat sie erst im letzten Jahrzehnt eine Phase rasanter Entwicklung erreicht und ist in alle Lebensbereiche vorgedrungen.

Wenn die Gesichtserkennungstechnologie an den richtigen Stellen eingesetzt wird, bringt sie Komfort und Sicherheit in unser Leben und ermöglicht die Wiedervereinigung von Familien, die viele Jahre lang getrennt waren.

Doch während wir die Annehmlichkeiten der technologischen Entwicklung genießen, müssen wir auch unser Bewusstsein für die Privatsphäre stärken und versuchen, die Verwendung unserer Fotos und Videos in unbekannten Miniprogrammen zu vermeiden, um die Möglichkeit eines Informationslecks zu verringern.

Verweise

[1]AdjabiI,OuahabiA,BenzaouiA,etal. Vergangenheit, Gegenwart und Zukunft der Gesichtsanerkennung: Eine Überprüfung[J].Electronics,2020,9(8):1188.

[2] Wang Liang, Huang Yongzhen, Zhang Kaihao. Eine Methode und ein Gerät zur Gesichtsverwandtschaftserkennung basierend auf einem Convolutional Neural Network, CN105005774A, 19.02.2019

[3]TaigmanY,YangM,RanzatoMA,etal.Deepface: Schließung der Lücke zur Leistung auf menschlichem Niveau bei der Gesichtsverifizierung[C]//ProceedingssoftheIEEEconferenceoncomputervisionandpatternrecognition.2014:1701-1708.

[4]RobinsonJP,ShaoM,WuY,etal.Familiesinthewild(fiw):Großformatige Verwandtschaftsbilddatenbank und Benchmarks[C]//Proceedingssofthe24thACMinternationalconferenceonMultimedia.ACM,2016:242-246

Dieser Artikel ist ein Werk des Science Popularization China-Starry Sky Project

Produziert von: Abteilung für Wissenschaftspopularisierung der Chinesischen Vereinigung für Wissenschaft und Technologie

Hersteller: China Science and Technology Press Co., Ltd., Beijing Zhongke Xinghe Culture Media Co., Ltd.

Autor: Science Scraps Popular Science Creation Team

Rezension von Yu Yang, Leiter des Tencent Xuanwu Lab