Näotuvastus

Näotuvastus (ingl. facial recognition (system), face detection) on eriotstarbeline arvutiprogramm või funktsioon suuremas tarkvararakenduses, mida kasutatakse isikutuvastuseks ehk isiku identiteedi automaatseks kindlakstegemiseks või kontrollimiseks. Tehnoloogia põhineb masinnägemisel, kasutades inimese näojoonte pilti, võrreldes seda olemasolevate fotodega andmebaasis.

Näotuvastusprogramme kasutatakse turvasüsteemides ning need on võrreldavad muude biomeetrilisi andmeid kasutavate turbeotstarbeliste arvutiprogrammidega, näiteks silmaiiriseskanneri, sõrmejäljeskanneri jms.

Ajalugu

Näotuvastuse ajalugu sai alguse 1960. aastate keskpaigas. Teema on huvi pakkunud paljudele teadlastele nii teoreetiliselt kui ka praktilise tähtsuse tõttu.

1964 ja 1965 töötas Woody Bledsoe koos Helen Chan Wolfi ja Charles Bissoniga selle kallal, et arvuti suudaks ära tunda inimeste nägusid. Bledsoe oli oma töö üle uhke, kuid sellest avaldati vaid väike osa, kuna ta töötas nimetu luureagentuuri heaks, mis ei lubanud palju reklaami. Mõningad tema poolt nimetatud raskused olid näiteks suur varieeruvus pea asendil, valguse tugevus ja nurk, näoilme ja vananemine. Bledsoe tegevus oli näotuvastuse ajaloos väga oluline.

1980. aastate lõpul toimusid suured teadusuuringud.

1997. aastal, pärast Bledsoed, jätkas tema tööd peamiselt Peter Hart. Ta katsetas näotuvastusandmebaasi, kuhu kuulus üle 2000 foto. Arvuti kontrollis nägusid, otsides kattuvusi andmebaasis olevate fotodega.

1997 arendasid süsteemi edasi Christoph von der Malsburg ning kraadiga lõpetanud õppurid Bochumi Ülikoolist Saksamaal ning Lõuna-California Ülikoolist Ameerika Ühendriikides. Need süsteemid olid maailmas ühed parimad omas valdkonnas. Bochumi süsteemi arendamist hakkas toetama Ameerika Ühendriikide ARL (United States Army Research Laboratory). Tarkvara müüdi ZN-Face nime all ning kasutajateks olid näiteks saksa pank ning lennujaamad.

Tehnikad

Tavapärased

Mõne näotuvastusprogrammi algoritmid tuvastavad nägusid väljaulatuvate piirjoonte piltide abil. Näiteks algoritm võib analüüsida suhtelist asukohta, suurust ja/või silma kuju, nina, põsesarnasid ja lõualuud. Neid näojooni kasutatakse teistelt fotodelt sarnaste joonte leidmiseks. Teised algoritmid normaliseerivad nägude galeriid ja tihendavad nägude andmeid, salvestades fotode näotuvastuseks vajalikku infot. Üks varasemaid edukaid arvutiprogramme põhineb olulisemate näojoonte kokkusobitamise mallide tehnikal, pakkudes omamoodi näopildi.

Tuvastusalgoritmid võib liigitada geomeetrilisteks, mis vaatlevad eritunnustega jooni, ja fotomeetrilisteks, mis oma statistilise lähenemisega väärtustavad pilti ja erinevuste elimineerimiseks võrdlevad väärtusi malliga.

Populaarsemad näotuvastusalgoritmid sisaldavad PCA-d (Principal Component Analysis) koos LDA (Linear Discriminate Analysis), elastse kokkusobitamisega (Elastic Bunch Graph Matching), Hidden Markov model, neuronite mudeliga (Dynamic link matching) ja eigenfaceiga.

3D

Uus trend väitis, et kolmemõõtmelise näotuvastusega on võimalik saavutada ennenägematut täpsust. See tehnika kasutab 3D-sensoreid, et saada informatsiooni näo kuju kohta. Seda teavet kasutatakse, et identifitseerida näo iseäralikku pinda, nagu näiteks silmaaukude kontuur, nina ja lõug.

Üks eelis 3D-näotuvastuse juures on see, et see süsteem ei ole mõjutatud valgusemuutusest nagu seda on teised tehnikad. Samuti on nägu võimalik tuvastada eri nurkade alt, sealhulgas profiili vaatena.

Isegi kõige täiuslikum 3D-näotuvastusprogramm võib olla tundlik kauguse ja näo miimika suhtes.

Naha tekstuuri analüüs

Teine trend kasutab visuaalseid detaile nahal, nagu standardselt digitaalselt pildistatud või skaneeritud fotod. Tehnika, mida kutsutakse naha tekstuuri analüüsiks, muudab unikaalsed silmaga nähtavaid jooned, mustrid ja punktid inimese nahal matemaatiliseks ruumiks.

Katsetused näitavad, et tänu naha tekstuuri analüüsile saab näotuvastusel näopilte suurendada 20–25 protsenti.

Tarkvara

Google Picasa pildi organisaatorit näotuvastusel on hakatud kasutama alates versioonist 3.5. See võimaldab seostada nägusid isikutega nii, et suudab iga pildi kohta leida teatud grupp sarnaseid inimesi. Picasaweb.com pakub sarnast võimalust ka selle kasutajatele.
Apple fotoprogramm iPhoto koos iLife'i tarkvaraga võimaldab inimestel teisi fotodel märkida (inglise tag). Pärast märkimist saavad nad vastavat inimest otsida, kasutades Spotlighti.
Sony Picture Motion Browser (PMB) analüüsib fotosid, luues seoseid neil olevate näokujutiste ja muude identsete näokujutiste vahel nii, et neid võib märkida vastavalt ning eristada fotodel, kus on üks või mitu inimest.

Tuntud kasutajaid ja kasutusalasid

Londoni linnaosa Newham Ühendkuningriigis on CCTV-süsteem kasutusel sel moel, et näotuvastuskaamerad on paigaldatud linnas paljudesse avalikesse kohtadesse.

Saksamaa Föderaalpolitsei kasutab näotuvastust, et võimaldada inimestel läbida täielikku automatiseeritud piirikontrolli Maini-äärse Frankfurdi rahvusvahelises lennujaamas. Abonendid peavad olema Euroopa Liidu või Šveitsi kodanikud. Alates 2005. aastast pakub Saksamaa Föderaalne kriminaalpolitsei tsentraliseeritud fotografeerimist näotuvastuse otstarbel kõikidele Saksa politsei asutustele.

Tuvastussüsteeme kasutatakse ka kasiinodes, et püüda kaardivargaid ja teisi mustas nimekirjas olevaid isikuid.

Austraalia tolliametil on automatiseeritud piirikontrollisüsteem SmartGate, mis kasutab näotuvastust. Süsteem võrdleb isiku pilti e-passi mikrokiibiga kindlustamaks, et passi valdaja on ikka selle õige omanik.

Pennsylvania õigusvõrgustik otsib kuriteopaikade fotodelt ja CCTV lindistatult varem arreteeritute (inglise keeles mugshot) andmebaasist isikuid. Paljudes lahendamatuks peetud juhtumites on tõde jalule seatud pärast seda, kui see süsteem 2005. aastal kasutusele võeti. Teised õiguse teostamise asutused USA-s või mujal kasutavad varem arreteeritute andmebaasi kohtus või kriminaaljuurdlustes.

Ameerika Ühendriikide välisministeerium (U.S Department of State) omab ühte maailma suurimat näotuvastusandmebaasi, kus on üle 75 miljoni foto ning mida kasutatakse viisade töötlemisel.

Kosmoselaev Maa Epcotis kasutab tuvastussüsteemi, mis on üks osa sõitmiseks.

Lisakasutusvõimalused

Lisaks sellele, et süsteeme kasutatakse turvasüsteemides, on autorid leidnud näotuvastusprogrammidele ka muid rakendusi.

Jaanuaris 2001 Super Bowl XXXVl aegu kasutas USA Florida osariigi Tampa Bay politsei näotuvastustarkvara Facelt, et otsida potentsiaalseid kurjategijaid ja terroriste ürituselt (süsteem leidis kokku 19 kuriteokahtlase toimikuga isikut).

2000. aasta presidendivalimiste aegu rakendas Mehhiko valitsus näotuvastustarkvara selleks, et välistada valimispettusi. Mõnedki isikud registreerisid end erinevate nimedega, et valida mitu korda. Uute näofotode võrdlus nendega, kes olid valijate andmebaasis juba olemas, aitas vähendada kattuvaid registreeringuid. Sarnaseid tehnoloogiaid kasutatakse Ameerika Ühendriikides, et vältida inimesi tegemast isikukaarti või juhilube.

Suured lootused on pandud praegu väljatöötatavale näotuvastustehnoloogiale, millel peaks olema hulganisti uusi kasutusvõimalusi. Näiteks võiks tehnoloogiat kasutada turvameetmena sularahaautomaatides (ATM); pangakaartide ja isikukoodi asemel ATM võiks teha foto näost ja võrrelda fotot panga andmebaasis olevate fotodega, et isikuid identifitseerida. Sama süsteemi võiks kasutada ka arvutite maailmas, kasutades veebikaamerat, et teha endast foto. See foto võiks asendada kõiki paroole. Sellega jääks ära paroolide lahtimurdmise või nende unustamise oht.

Ühe uurimisvõimalusena kasutab Briti politsei biomeetrilist näotuvastust. Seda kasutatakse näiteks lapseröövijate tuvastamiseks.

Veel ühe biomeetrilise kasutusena modernsed digikaamerad sisaldavad näotuvastusprogrammi, mis võimaldab paremini teravustada inimeste nägusid ja inimeste kaugust, tagades sellega, et fookuses olev inimene on pildistamisel peamine sihtmärk. Mõned kaamerad sisaldavad smile shutter tarkvara või teevad automaatselt teise võtte, kui näiteks pildistamise ajal kellelgi olid silmad kinni.

Võrdlev uuring

Biomeetriline näotuvastus ei pruugi olla kõige usaldusväärseim ja efektiivsem. Üks olulisemaid eeliseid on see, et see ei nõua abi uuritavatelt teemadelt. Korralikult töötavad süsteemid on kasutusel lennujaamades, multipleksides ja muudes avalikes kohtades, kus on vaja inimesi rahvamassi sees identifitseerida. Teised biomeetrilised süsteemid nagu sõlmejäljelugeja, iiriseskanner ja hääletuvastus ei suuda sellist massilist identifitseerimist. Siiski on esitatud palju küsimusi ja probleeme näotuvastustarkvara efektiivsuse ja turvalisuse saavutamise kohta lennu- ja rongijaamades.

Kriitika

Nõrkused

Näotuvastus ei ole täiuslik veel ning süsteem ei toimi igal tingimusel, vaid teatud tingimustel. Ralph Gross, Carnegie Melloni robootikainstituudi teadlane, kirjeldab, kuidas üheks suureks takistuseks on näo vaatenurk kaamera suhtes. Süsteem ei suuda tuvastada inimesi väga suure nurga all.

Samuti on veel probleeme süsteemi toimimise osas kui on halb valgus, päikeseprillid, pikad juuksed, halva resolutsiooniga fotod või muud objektid mis nägu mingil määral moonutavad või varjavad.

Veel üks suur miinus näotuvastusprogrammide efektiivsuse koha pealt on, siis kui näoilmet muuta. Isegi naeratus võib süsteemi toimimist rikkuda. Näiteks: Kanada lubab ainult neutraalse näoilmega passifotosid.

Efektiivsus

Süsteemi kriitikud kaebavad, et Londoni linnaosa Newham süsteem on nagu 2004. aastal, mis pole ühtegi kurjategijat veel tuvastanud, vaatamata sellele, et mitmed kurjategijad andmebaasis elavad seal ja süsteem on töötanud juba palju aastaid. "Sugugi mitte ühe korra, niipalju kui politsei mäletab, pole automaatne näotuvastus leidnud kurjategija." See informatsioon on aga vastuolus väitega, et süsteem vähendas kuritegevust 34% – see oli ka põhjuseks, miks süsteemi hakati kasutama ka Birminghamis.

Katsetused kohaliku politsei poolt USA-s Florida osariigis on sarnased pettuma panevad tulemused.

"Kaamera tehnoloogia, mille eesmärk on kohapeal ära tunda potentsiaalsed terroristid nende näo omaduste alusel lennujaamades, kukkus läbi esimesel peakatsetusel Bostoni Logani lennujaamas."

Eraelu puutumatusega seotud probleemid

Paljud elanikud on hakanud muretsema, et nende privaatsus on ohustatud. Mõni kardab, et see võib viia "ühiskonna täieliku järelevalveni", et valitsusel ja teistel asutustel on kogu aeg võimalus teada saada, kus sa oled ja mida teed. Seda ei tohiks alahinnata, sest nagu ajalugu on näidanud, on riigid varemgi sellise võimaluse korral valesti tegutsenud.

Viimase aja areng

2006. aastal hinnati näotuvastusalgoritmid (Face Recognition Grand Challange). Katsetes kasutati kõrge resolutsiooniga näopilte, 3D-näoskannerit ja iirisepilte. Tulemused näitasid, et uued algoritmid on kümme korda täpsemad kui olid näotuvastusprogrammid aastal 2002, ja sada korda paremad kui 1995. Mõned algoritmid suutsid edestada osalejate tundmisi ning suutsid identifitseerida identsed kaksikud.

Ka väikese eraldusvõimega ehk kehva kvaliteediga näofotodest saab näotuvastusel asja, kui neid täiustada nn silmamoondustehnoloogia (face hallucination) võtetega. Suurimaid edusamme on tehtud suure piksliarvuga kaamerates, mis on aidanud lahendada ebapiisava resolutsiooni probleeme.

Viited

Artikkel on tõlgitud siit.