Skip to content
Hi
Hi
เทคโนโลยีการตรวจสอบใบหน้า by ZKteco

เทคโนโลยีการตรวจสอบใบหน้า by ZKteco

แนะนำเทคโนโลยีการตรวจสอบใบหน้าแบบไร้ข้อจำกัด (Deep Unconstrained Face Verification)  และเทคโนโลยีป้องกันการปลอมแปลงลักษณะใบหน้า (Face anti-spoofing technology)

ZKTeco เป็นผู้บุกเบิกเทคโนโลยี Deep Unconstrained Face Verification และ Face Anti-Spoofing ซึ่งเป็นนวัตกรรมใหม่ด้านเทคโนโลยีการจดจำใบหน้า โดยการใช้ปัญญาประดิษฐ์มาใช้ในการเรียนรู้ค่าประเมินการวัดใบหน้าเพื่อทำการเปรียบเทียบลักษณะใบหน้าของมนุษย์เพื่อให้ได้ความแม่นยำสูงขึ้นกว่าวิธีเดิม และการเก็บข้อมูลความลึกของพิกเซลที่แม่นยำเพื่อป้องกันการปลอมแปลงลักษณะใบหน้าโดยทำการแยกความแตกต่างระหว่างใบหน้าและรูปทรงแบน

ZKTeco มีความมุ่งมั่นในการพัฒนาความก้าวหน้าด้านเทคโนโลยีเพื่อชีวิตที่ดีขึ้น ดังนั้น เทคโนโลยี Deep Unconstrained Face Verification และ Face Anti-Spoofing Technology จึงเป็นทางเลือกที่ดีที่สุดสำหรับโซลูชันการตรวจสอบใบหน้า

การตรวจสอบใบหน้าแบบไร้ข้อจำกัด (Deep Unconstrained Face Verification) คืออะไร

Deep Unconstrained Face Verification จะนำปัญญาประดิษฐ์มาใช้ในการเรียนรู้ค่าประเมินการวัด (regularized metric) ใบหน้าและนำไปทำการเปรียบเทียบกับลักษณะใบหน้าของมนุษย์เพื่อให้ได้ความแม่นยำที่สูงขึ้นกว่าวิธีการเดิม เช่น FaceNet โดยการค้นหาคุณลักษณะที่ดีที่สุดของใบหน้าและนำไปกำหนดรูปแบบการตัดสินใจโดยการเรียนรู้ตัวอย่างแฝง และจับคู่กับลักษณะที่ตรงกันและเปรียบเทียบกับตัวอย่างเป้าหมายกระจายที่ดีและแยกออกจากกันอย่างชัดเจน โดยเฉพาะอย่างยิ่ง เครือข่ายจะร่วมกันทำการเรียนรู้การแสดงของคุณลักษณะและค่าการวัดที่ดีที่สุดที่เป็นไปตามการกระจายเป้าหมายเพื่อใช้ในการแยกแยะภาพใบหน้า

วิธีการดังกล่าวจะมีความได้เปรียบจากวิธีการอื่น ๆ. เนื่องจากจะใช้ประโยชน์จากเครือข่าย MetricNet ทำให้มีความแม่นยำสูงกว่าวิธีการแบบเดิมจาก 98.06% ไปเป็น 99.80% โดยการเรียนรู้ค่าการวัดภาพและนำไปเปรียบเทียบกับคุณสมบัติบนใบหน้า ซึ่งส่งผลให้ความสามารถในการแยกแยะของเครือข่ายมีความแม่นยำมากยิ่งขึ้น และในขณะเดียวกันก็ช่วยให้เครือข่ายได้เรียนรู้ค่าการวัดที่ดีที่สุดและสามารถติดตามการกระจายเป้าหมายเพื่อให้ได้ความแม่นยำและผลลัพธ์ที่ดีขึ้น

Deep Unconstrained Face Verification มีวิธีการทำงานอย่างไร

ลำดับที่ 1 – FeatureNet

หลังจากได้รับภาพใบหน้ามนุษย์แล้ว FeatureNet จะทำการดึงลักษณะใบหน้าที่โดดเด่นที่สุด รูปแบบสถาปัตยกรรมของ FeatureNet มีความสำคัญอย่างมากเนื่องจากมันสามารถนำสถาปัตยกรรมปัญญาประดิษฐ์มาใช้ในการเรียนรู้คุณลักษณะที่ดีได้

ลำดับที่ 2 – Concat

มิติของคุณลักษณะของใบหน้าจะถูกนำมาเชื่อมโยงเข้าด้วยกันและส่งต่อไปยัง MetricNet

ลำดับที่ 3 – MetricNet

MetricNet จะทำการร่างแผนผังของรูปภาพไปยังเป้าหมายในพื้นที่แฝง ซึ่งในขั้นตอนเหล่านี้ มันจะทำให้สามารถเรียนรู้ค่าการวัดที่ดีที่สุดตามมิติต่าง ๆ ของใบหน้าเพื่อนำไปเทียบเข้ากับเป้าหมาย 

ลำดับที่ 4 – การกระจายเป้าหมาย

ค่าการวัดที่ดีที่สุดจะเป็นไปตามการกระจายเป้าหมายเพื่อใช้ในการแยกแยะภาพใบหน้า คู่ที่ตรงกัน (เป็นบุคคลเดียวกัน - สีน้ำเงิน) จะจับคู่กับการกระจายเป้าหมายที่มีค่าเฉลี่ยที่แตกต่างอย่างมากจากคู่ที่ไม่ตรงกัน (บุคคลที่ต่างกัน - สีแดง)

 เทคโนโลยีป้องกันการปลอมแปลงลักษณะใบหน้า (Face anti-spoofing technology) คืออะไร

โดยทั่วไปแล้ว ระบบชีวมิติ (biometric system) มักจะมีความเสี่ยงต่อการถูกโจมตีต่อสื่อที่ใช้ในการนำเสนอต่าง ๆ เช่น สิ่งพิมพ์ วิดีโอหน้ากาก 3 มิติและการแต่งหน้า ดังนั้น การป้องกันการปลอมแปลงลักษณะใบหน้า(Face anti-spoofing - FAS) จึงมีบทบาทสำคัญในการรักษาความปลอดภัยระบบจดจำใบหน้า

เทคโนโลยี FAS ล่าสุดจะนำกล้อง 3 มิติมาใช้เพื่อเก็บข้อมูลความลึกของพิกเซลที่มีความแม่นยำยิ่งขึ้น ซึ่งจะสามารถแยกแยะและตรวจจับความแตกต่างระหว่างใบหน้ามนุษย์และรูปทรงแบน ประสิทธิภาพที่มีความเสถียรทำให้เทคโนโลยีนี้มีแนวโน้มที่จะทำการป้องกันการปลอมแปลงได้ดียิ่งขึ้น ซึ่งมีความแตกต่างจากวิธีดั้งเดิมของการใช้เทคโนโลยี Residual Block เนื่องจากเทคโนโลยี Residual Scale Residual Scale Block (RSAN) ล่าสุดมีความปลอดภัยสูงกว่าสำหรับการป้องกันการปลอมแปลงลักษณะใบหน้า

Face Anti-Spoofing มีวิธีการทำงานอย่างไร

ลำดับที่ 1 – Residual Block

ระบบจะทำการแยกแยะลักษณะที่ตื้นของใบหน้า เช่น แก้ม ขอบ และรูปร่างของใบหน้า

ลำดับที่ 2 – Multi-Scale Module

ทำการเชื่อมต่อผังที่มีคุณลักษณะระดับต่ำและประกอบด้วยหลายมาตราส่วน

ลำดับที่ 3 – Attention Module

เพื่อการรักษาคุณสมบัติที่มีความเฉพาะในขณะที่ทำการเน้นลักษณะทั่วไป บริเวณผม ใบหน้า และพื้นหลัง มีการกระตุ้นที่ค่อนข้างมากสำหรับใบหน้าของสิ่งมีชีวิต ในขณะที่บริเวณใบหน้ามีคุณสมบัติที่อ่อนต่อการป้องกันการปลอมแปลงใบหน้า

ลำดับที่ 4 – การเชื่อมต่อลักษณะเฉพาะ (Feature Fusion)

ทำการสร้างคุณลักษณะหลากมิติที่นำมาผสมกันหลังจากการรวมภายในระดับเดียวกันและระหว่างระดับที่ต่างกัน ซึ่งมีทั้งข้อมูลเชิงพื้นที่ระดับต่ำและการเลือกปฏิบัติระดับสูง วิธีการนี้จะทำการแยกแยะความแตกต่างระหว่างขอบและรูปร่างของลักษณะใบหน้าระหว่างสิ่งมีชีวิตในมาตราส่วนต่าง ๆ กับใบหน้าที่ทำการปลอมแปลง พร้อมทั้งแสดงให้เห็นถึงความแตกต่างระหว่างสิ่งมีชีวิตและรูปลักษณ์ที่ทำการปลอมแปลงขึ้นมา

 ลำดับที่ 5 - การกำหนดผังการตัดสินใจ (Decision Mapping)

ทำการแยกแยะใบหน้าของสิ่งที่มีชีวิตจากใบหน้าที่ถูกปลอมแปลงขึ้นมา โดยการเปรียบเทียบผังที่มีความสามารถในการเลือกกับช่วงค่าที่ถูกกำหนดมา หากผลลัพธ์สูงกว่าค่ามาตรฐาน จะถือว่าตัวอย่างเป็นใบหน้าของสิ่งที่มีชีวิต หากผลลัพธ์ต่ำกว่าค่ามาตรฐาน จะถือว่าเป็นใบหน้าที่มีการปลอมแปลงขึ้นมา ซึ่งจะส่งผลให้ระบบทำการปฏิเสธ

อัตราการยอมรับเท็จ (FAR) และอัตราการปฏิเสธเท็จ (FRR) ของระบบการจดจำใบหน้า

ระบบการจดจำใบหน้าใหม่ล่าสุดได้มีการปรับปรุงความเร็วในการจดจำที่เพิ่มขึ้น

- ความเร็วในการจดจำใบหน้าที่แท้จริงหลังจากการติดตั้งเฟิร์มแวร์: 0.3 วินาที

- ความเร็วในการทำงานของชุดของคำสั่งอัลกอริธึม: 0.15 วินาที (ความเร็วเพิ่มขึ้นสองเท่าเมื่อเทียบกับรุ่นที่ผ่านมา)

การนำเสนอผลิตภัณฑ์ที่หลากหลาย

ZKTeco มีผลิตภัณฑ์คุณภาพสูงที่หลากหลายประเภทที่สามารถตอบสนองต่อความต้องการของลูกค้าทั่วโลกตั้งแต่เครื่องการจดจำใบหน้า กล้องเครือข่าย ไปจนถึงเครื่องตรวจจับโลหะ ซึ่งผลิตภัณฑ์ทั้งหมดนี้สามารถทำงานร่วมเข้ากับเทคโนโลยีการจดจำใบหน้า ด้วยการเน้นทั้งทางด้านคุณภาพ เทคโนโลยี และความคุ้มค่า ZKTeco มีโซลูชันที่ดีที่สุดในหลากหลายมิติ

การใช้งานผลิตภัณฑ์ต่าง ๆ ของ ZKTeco

ผลิตภัณฑ์ระบบการตรวจสอบชีวมิติแบบไร้การสัมผัสของ ZKTeco เป็นทางเลือกที่ดีเพื่อให้คนไข้หรือคนทั่วไปหลีกเลี่ยงในการสัมผัสลูกบิดประตู และได้ถูกนำไปใช้อย่างแพร่หลายในสถานการณ์จริงหลายประเภท เช่น โรงพยาบาล สถานศึกษา โรงงาน สถานที่ก่อสร้าง ห้างสรรพสินค้า สวนสาธารณะ ไอที ระบบขนส่งสาธารณะ ธนาคาร องค์กรธุรกิจองค์กรขนาดเล็กและขนาดกลาง องค์กรของรัฐ และอื่น ๆ

ผู้นำด้านระบบความปลอดภัยและโซลูชั่นการจัดการด้านเวลา

Next article 5 อุปกรณ์ ใกล้ตัวในกระเป๋า ใช้เป็นอาวุธ ป้องกันตัวได้