Facial Recognition

التعرف على الوجه تقنية حيوية تحدد هوية شخص أو تتحقق منها بمقارنة صورة وجهه بوجوه مخزنة. تستخدم الأنظمة الحديثة التعلم العميق لتحويل كل وجه إلى تضمين، أي متجه من الأرقام يُسمى غالبًا بصمة الوجه، ثم تحدد ما إذا كان وجهان للشخص نفسه وفق مدى تشابه التضمينين. وتتيح هذه التقنية فتح الهواتف، وتسريع مرور المسافرين عبر بوابات المطارات، والتحقق من العملاء عند فتحهم حسابات مصرفية عبر الإنترنت. وهي أيضًا من أكثر استخدامات الرؤية الحاسوبية خضوعًا للتنظيم، إذ يمكن التقاط صورة الوجه دون علم الشخص.

آلية عمل التعرف على الوجه#

ينفذ نظام التعرف أربع مراحل على كل صورة:

1. الكشف: يحدد كاشف الوجوه كل وجه ويعيد صندوق الإحاطة الخاص به وبعض المعالم الوجهية.
2. المحاذاة: يُدار الوجه ويُغيّر حجمه ويُقتطع بحيث تقع العينان والأنف والفم في مواضع ثابتة، ما يزيل معظم التباين الناجم عن وضعية الرأس والمسافة.
3. الترميز باستخدام CNN: تحوّل الشبكة القصاصة المحاذاة إلى تضمين ذي طول ثابت.
4. المطابقة باستخدام التشابه الجيبي: يُقارَن التضمين الجديد بالتضمينات المسجلة، وتحدد عتبة ما إذا كان ثمة تطابق. وتخزن عمليات النشر الكبيرة بصمات الوجوه المسجلة في قاعدة بيانات متجهية لتسريع البحث.

يُعدّ كشف الوجوه مسألةً من مسائل كشف الأجسام، ويمكن لنموذج YOLO26 من Ultralytics، الذي جرى ضبطه بدقة على مجموعة بيانات للوجوه مثل WIDER FACE، تنفيذ الكشف في الوقت الفعلي على كاميرات الحافة وتمرير مربعات إحاطة الوجوه إلى المراحل اللاحقة. قبل التعلّم العميق، اعتمدت الأنظمة على سمات مصممة يدويًا، بدءًا من المسافات بين معالم الوجه وصولًا إلى الوجوه الذاتية والأنماط الثنائية المحلية؛ وحلّت التضمينات المتعلّمة محلّها لأنها تظل أكثر استقرارًا بكثير عبر اختلاف الإضاءة وتعابير الوجه والعمر. درّب FaceNet عام 2015 تضمينات مدمجة ذات 128 بُعدًا مباشرةً باستخدام خسارة ثلاثية، وتزيد الخسائر القائمة على الهامش، مثل ArcFace، الآن المسافة بين تضمينات الأشخاص المختلفين. تجيب مرحلة المطابقة عن سؤالين مختلفين:

تجيب عملية التحقق (1:1) عما إذا كان الوجه يعود إلى هوية يدّعيها الشخص، كما يحدث عندما يتحقق الهاتف من صاحبه. أما تحديد الهوية (1:N) فيقوم بـالبحث في معرض كامل، كما يحدث عندما يقارن نظام التحكم في الوصول وجهًا بوجوه كل الموظفين المسجلين. وتنفذ نماذج OpenCV Zoo المسار بأكمله في بضعة أسطر؛ ويسجل هذا الرمز الوجوه في صورة، ثم يحدد الوجوه في نسخة معكوسة بمقارنتها بذلك المعرض.

import urllib.request

import cv2

# Download OpenCV Zoo's face detector (YuNet), face recognizer (SFace), and a test image
zoo = "https://github.com/opencv/opencv_zoo/raw/main/models"
urllib.request.urlretrieve(f"{zoo}/face_detection_yunet/face_detection_yunet_2023mar.onnx", "yunet.onnx")
urllib.request.urlretrieve(f"{zoo}/face_recognition_sface/face_recognition_sface_2021dec.onnx", "sface.onnx")
urllib.request.urlretrieve("https://ultralytics.com/images/bus.jpg", "bus.jpg")
img = cv2.imread("bus.jpg")
detector = cv2.FaceDetectorYN.create("yunet.onnx", "", (img.shape[1], img.shape[0]))
recognizer = cv2.FaceRecognizerSF.create("sface.onnx", "")

# Enroll each detected face as an aligned 128-D embedding
gallery = [recognizer.feature(recognizer.alignCrop(img, face)) for face in detector.detect(img)[1]]

# Identify the faces of a mirrored copy against the gallery (SFace match: cosine >= 0.363)
mirror = cv2.flip(img, 1)
for face in detector.detect(mirror)[1]:
    probe = recognizer.feature(recognizer.alignCrop(mirror, face))
    print([round(recognizer.match(probe, g, cv2.FaceRecognizerSF_FR_COSINE), 2) for g in gallery])

يطبع [0.87, 0.06] و[0.09, 0.89]: إذ تسجل كل صورة وجه معكوسة درجة أعلى بكثير من العتبة 0.363 عند مقارنتها بالتضمين المسجل الخاص بها، وأقل بكثير منها عند مقارنتها بوجه الشخص الآخر.

التعرف على الوجه والمصطلحات ذات الصلة#

• اكتشاف الوجوه: يحدد مواقع الوجوه في الصورة دون تحديد هويات أصحابها؛ وهو المرحلة الأولى من التعرّف على الوجوه، كما يُستخدم أيضًا لضبط التركيز التلقائي للكاميرا وتمويه الوجوه.
• تحليل الوجه والحوسبة الوجدانية: يقدّران سمات مثل التعبير ووضعية الرأس والعمر دون تحديد الهوية.
• إعادة تحديد هوية الأجسام (Re-ID): تطابق الأشخاص عبر الكاميرات استنادًا إلى مظهر الجسم كله، مثل الملابس؛ وتنجح من الخلف وبدقة منخفضة، لكن على مدى زمني قصير فقط.

تطبيقات عملية#

• فتح الأجهزة: تتحقق الهواتف من هوية أصحابها في جزء من الثانية؛ إذ يعرض Face ID من Apple أكثر من 30,000 نقطة بالأشعة تحت الحمراء لإنشاء خريطة عمق لا تستطيع صورة مطبوعة محاكاتها.
• السفر ومراقبة الحدود: تقارن البوابات الإلكترونية الآلية صورة حية للمسافر بالصورة المخزنة على شريحة جواز سفره الإلكتروني.
• التحقق من الهوية: تقارن المصارف والخدمات عبر الإنترنت صورة شخصية للمستخدم بالصورة الموجودة على وثيقة هوية حكومية عند فتح الحساب، إلى جانب فحوصات إثبات الحيوية.
• تنظيم الصور: تجمع تطبيقات الصور الوجوه في مكتبة شخصية كي يتمكن المستخدمون من العثور على كل صور أحد أفراد الأسرة.

الدقة والتحيز والانتحال#

تنطوي كل الأنظمة على مفاضلة بين خطأين: تقبل المطابقة الكاذبة الشخص الخطأ، بينما ترفض المطابقة السلبية الكاذبة الشخص الصحيح؛ وتحدد عتبة التشابه نقطة التوازن. ويقيّم اختبار NIST لتقنيات التعرف على الوجه (FRTE)، الذي كان يُعرف سابقًا باسم FRVT، الخوارزميات التجارية باستخدام ملايين الصور. ووجدت دراسة أجراها عام 2019 على 189 خوارزمية من 99 جهة مطورة فروقًا ديموغرافية في معدلات الإيجابيات الكاذبة لدى أغلبيتها، وهو مثال محوري على التحيز الخوارزمي. ويمكن أيضًا خداع أنظمة التعرف بالصور وإعادات العرض على الشاشات والأقنعة، لذا تضيف أنظمة الإنتاج كشف هجمات العرض، الذي يُسمى غالبًا كشف الحيوية، باستخدام مستشعرات العمق أو الأشعة تحت الحمراء أو تحليل الحركات الدقيقة.

الخصوصية والتنظيم#

تُعد بصمات الوجوه بيانات حيوية، لذا تتعامل القوانين معها بوصفها بيانات شخصية شديدة الحساسية. وبموجب GDPR، تُعد البيانات الحيوية المستخدمة لتحديد هوية شخص فئةً خاصة تتطلب أساسًا قانونيًا صريحًا، كما يشترط قانون خصوصية المعلومات الحيوية في إلينوي موافقة خطية قبل أن تجمع الشركة بصمة وجه. ويذهب قانون الذكاء الاصطناعي للاتحاد الأوروبي إلى أبعد من ذلك: فمنذ 2 فبراير 2025، حظر إنشاء قواعد بيانات للتعرف على الوجه عبر كشط الصور من الإنترنت أو كاميرات المراقبة دون استهداف محدد، كما حظر تحديد الهوية الحيوية عن بُعد في الزمن الحقيقي في الأماكن العامة لأغراض إنفاذ القانون، باستثناء حالات قليلة محددة بدقة.