نقش هوش مصنوعی در  پیاده سازی تشخیص چهره با ماسک در دستگاه کنترل تردد چیست؟

از جدیدترین فناوری‌های ارائه شده در زمینه احراز هویت، می‌توان به فناوری تشخیص چهره با ماسک اشاره کرد. این فناوری بخصوص در زمان اپیدمی کرونا ویروس، به دلیل الزام به استفاده از ماسک برای رعایت پروتکل‌های بهداشتی و حل مشکل اختلال در ثبت تردد در دستگاه حضور و غیاب با ماسک با استقبال خوبی روبه‌ور شد. الگوریتم تشخیص چهره با ماسک با استفاده از فناوری هوش مصنوعی پیاده سازی شده و به تدریج شاهد حضور پر رنگ‌تر ردپای ماشین لرنینگ و هوش مصنوعی در حوزه ساخت دستگاه حضور و غیاب هستیم.

چرا دستگاه حضور و غیاب تشخیص چهره با ماسک بخریم؟

همانطور که اشاره شدف از مهمترین مشکلات در زمان شیوع کرونا ویروس، ثبت تردد افراد با ماسک است. حال اگر بخواهیم به توضیح چگونگی و چرایی استفاده از این تکنولوژی در احراز هویت با چهره بپردازیم، در اولین گام باید به اختلال ناشی استفاده از ماسک در احراز هویت اشاره کرد.

همانطور که می‌دانید برای استفاده از روش تشخیص چهره، نیاز به ثبت الگوی اولیه چهره فرد در دستگاه است و به این منظور تصویری از چهره فرد در دستگاه ثبت شده و نقاطی از چهره به عنوان ملاک شناسایی فرد در نظر گرفته می‌شود.

توجه به این نکته که در حین ثبت چهره در دستگاه نیاز به قرار گرفتن در زاویه و فاصله مناسب در کنار نور محیطی کافی حائز اهمیت است. حال در زمان استفاده از ماسک، بسیاری از نقاط کلیدی چهره که ملاک تشخیص دستگاه برای احراز هویت فرد است، پوشانده شده و عملا کار دستگاه مختل می‌شود.

اما با روی کار آمدن تکنولوژی تشخیص چهره با ماسک، عملیات شناسایی با استفاده از نقاطی در نواحی دور چشم، ابرو، گونه و عنبیه چشم انجام می‌شود. در جدیدترین دستاورد‌های حوزه‌ی احراز هویت، امکان شناسایی از روی رگ های موجود در چهره نیز ممکن شده است. دستگاه حضور غیاب تشخیص چهره با ماسک، مدل XF100 با قابلیت شناسایی چهره با ماسک یکی از بهرتین گزینه‌های حال حاضر بازار داخلی بوده که یک دستگاه کامل برای کنترل تردد مجموعه‌ها بشمار می‌رود.

روش داده افزایی (Data augmentation)چیست؟

همانطور که میدانید اکثر سیستم های کامپیوتری با حجم بالای داده عملکرد بهتری خواهند داشت اما زمانی که جمع آوری داده پر هزینه است و یا داده های کمی در دسترس داریم میتوانیم از روش داده افزایی  در یادگیری عمیق به عنوان یک تکنیک مناسب برای افزایش حجم داده ها و بهبود سیستم ها استفاده نماییم.

تکنیک Data augmentation با تولید تصاویر جدید به طور مصنوعی از تصاویر اصلی به ما کمک می‌کند تا تصاویر جدیدی برای آموزش دادن به سیستم کامپیوتری داشته باشیم. در اینصورت با ذخیره تمام این داده ها، پایگاه داده ما به یک پایگاه داده قوی تبدیل خواهد شد و تمام داده های مشابه با داده های ثبت شده را تشخیص خواهد داد.

این کار در هر کاربرد و دامنه‌ای از شبکه‌های یادگیری عمیق روش‌های مخصوص به خود را دارد. در مساله‌های تشخیص وجود شئ در تصویر به عنوان مثال ماسک بر روی تصویر چهره یا پیدا کردن دقیق جای چند شئ در یک تصویر، تکنیک‌های دیگری مثل چرخش و تغییر روشنایی و بریدن تصویر استفاده می‌شود.

این موضوع، اساساً فرضیه داده افزایی است. در دنیای واقعی، ممکن است پایگاه داده ای داشته باشیم که تصاویر آن در شرایط محدودی تهیه شده باشد. اما برنامه هدف ما ممکن است در شرایط مختلفی مانند جهت، موقعیت، مقیاس، روشنایی و غیره وجود داشته باشد. این موقعیت ها ، توسط آموزش شبکه عصبی با داده ها ی اصلاح شده مصنوعی اضافی در نظر گرفته می شوند.

آموزش شبکه‌های عصبی مصنوعی عمیق با داده‌های بیشتر می‌تواند به داشتن شبکه‌های قوی تر منتهی شود و تکنیک‌های Image data augmentation می‌توانند گونه‌هایی از تصاویر را بسازند که شبکه بتواند با یادگیری خصوصیات جدیدی از آن‌ تصاویر – علاوه بر تصاویر اصلی – قدرت درک گستره بیشتری از هر شئ داشته و یا به اصطلاح Generalized باشد.

شاید بتوان گفت که Image data augmentation شناخته‌شده‌ترین نوع data augmentation است. به عنوان مثال تعداد خیلی زیادی عکس چهره با ماسک و تعداد خیلی زیادی عکس چهره بدون ماسک (این تصاویر می تواند در فضاهای مختلفی گرفته شده باشد.

به عنوان مثال تصویر چهره  با ماسک و بدون ماسک در پارک، فرودگاه …) سپس یک مدل (الگوریتم) طراحی می کنیم و به کامپیوتر تک تک تصاویر را به صورت کامل نشان می دهیم. نهایتا بعد ازاینکار امکان تمایز چهره بدون ماسک و با ماسک برای کامپیوتر فراهم می شود. و به این ترتیب در صورت ارائه عکس جدید به سیستم کامپیوتری امکان تشخیص چهره فرد با ماسک و بدون ماسک فراهم می شود.

چگونه به کمک داده افزایی میتوانیم چهره افراد دارای ماسک را شناسایی کنیم؟

به بیان ساده در روش داده افزایی بصورت کاملا کامپیوتری یا دیجیتال با قرار دادن ماسک بر روی چهره افراد و بهرمندی از deep learning، سیستم امکان شناسایی چهره با ماسک را خواهد داشت. هر چند در این روش ها به دلیل کاهش نقاط شناسایی دقت سیستم تا حد زیادی کاهش می یابد.

 امروزه الگوریتم های تشخیص چهره با ماسک رایج شده و در مقابل سایر روش های تشخیص هم درصد قابل قبولی داشته به عنوان مثال تحقیقات نشان داده که 77 درصد موارد تشخیص موفق بوده در حالیکه در روش های قدیمی 96 درصد شناسایی با موفقیت صورت می گرفته است.

با استفاده از deep learning و تکرار فناوری داده افزایی بر روی تصاویر مختلف می‌توان موقعیت اجزا مختلف چهره را تخمین زده و ماسک مجازی را روی صورت افراد پیاده سازی کنیم. با ثبت هر گونه تصویر بدون ماسک از افراد جدید در پایگاه داده ، به طور خودکار این عملیات توسط سیستم انجام میشود به اینصورت که ماسک بر روی تصویر قرار میگیرد تا چهره فرد با ماسک را نیز بیاموزد و  دفعات بعدی بتواند آن را با ماسک نیز تشخیص دهد.

معرفی دستگاه حضور و غیاب تشخیص چهره با ماسک نانوتایم مدل XF100

یکی از نقاط قوت دستگاه کنترل تردد با ماسک نانوتایم مدل XF100، قابلیت تشخیص چهره افراد با انواع ماسک ( جراحی، سه بعدی و…، است که از طریق داده افزایی برای هر فرد میسر می‌شود. از دیگر قابلیت‌های این دستگاه می‌توان به  امکان شناسایی فرد حتی با چرخش سر فرد از -30 تا 30 درجه اشاره کردف در حالی که سایر دستگاه ها این زاویه بین -15 تا 15 درجه است.

دستگاه حضور و غیاب xf100، از جدیدترین محصولات برند نانوتایم بوده که با بهرمندی از تکنولوژی هوش مصنوعی امکان تشخیص چهره افراد با ماسک را میسر می‌سازد. از مهمترین قابلیت های دستگاه میتوان به تشخیص چهره با ماسک در کمترین زمان و تشخیص چهره چند نفر به طور همزمان  اشاره کرد.

همچنین نوار LED، قرار گرفته شده در قسمت بالای دستگاه امکان تشخیص چهره در نور کم را نیز فراهم کرده است. این دستگاه یکی از مناسبترین دستگاه های حضور وغیاب تشخیص چهره در سازمان های کوچک و بزرگ به شمار می آید و تاثیر زیادی در  حفظ سلامت کارکنان و صرفه جویی در وقت و هزینه های سازمان خواهد داشت.