التعرف على الوجه

التعرف على الوجه هي تقنية بيومترية تحدد هوية الفرد أو تتحقق من هويته من خلال ملامح وجهه. إنه تطبيق متطور للرؤية الحاسوبية والذكاء الاصطناعي (AI) الذي انتقل من الخيال العلمي إلى التطبيقات اليومية، وأصبح منتشراً بشكل متزايد في مجال الأمن والأجهزة الشخصية والصناعات المختلفة. على عكس التصنيف البسيط للصور الذي يصنف الصور بناءً على المحتوى، يركز التعرف على الوجه على وجه التحديد على تحديد هوية الأفراد أو التحقق منها بناءً على خصائص الوجه الفريدة.

المفاهيم الأساسية للتعرف على الوجه

يوجد في صميم عملية التعرّف على الوجه العديد من المفاهيم الأساسية التي تمكّن الآلات من "رؤية" الوجوه و"التعرّف" عليها مثلما يفعل البشر. وتشمل هذه المفاهيم ما يلي:

• استخراج السمات: تتضمن هذه العملية خوارزميات تحدد وتقيس السمات الفريدة للوجه البشري. ويمكن أن تشمل هذه السمات، المعروفة أيضًا باسم معالم الوجه، المسافة بين العينين وعرض الأنف وعمق تجويف العينين ومحيط خط الفك. تستخدم الأنظمة الحديثة غالبًا تقنيات التعلم العميق، وخاصة الشبكات العصبية التلافيفية (CNNs)، لتعلم واستخراج هذه السمات المعقدة تلقائيًا.
• قواعد بيانات الوجه: للتعرّف على الوجه، تتم مقارنة السمات المستخرجة بقاعدة بيانات للوجوه المعروفة. يمكن أن تتراوح قواعد البيانات هذه من مجموعات محلية صغيرة (مثل تلك الموجودة على الهاتف الذكي الشخصي) إلى مجموعات البيانات الضخمة المستندة إلى السحابة التي تستخدمها جهات إنفاذ القانون أو منصات التواصل الاجتماعي. تعتمد دقة التعرف على الوجه بشكل كبير على حجم وجودة قواعد البيانات هذه والخوارزميات المستخدمة للمطابقة.
• خوارزميات المطابقة: بمجرد استخراج ميزات الوجه، تُستخدم خوارزميات المطابقة لمقارنة هذه الميزات بتلك الموجودة في قاعدة البيانات. تقوم هذه الخوارزميات بحساب درجة التشابه التي تشير إلى مدى تطابق الوجه المكتشف مع وجه في قاعدة البيانات. ثم يقرر النظام بعد ذلك ما إذا كان التطابق قريبًا بما يكفي لتأكيد الهوية، استنادًا إلى عتبة محددة مسبقًا. يمكن أن تؤثر عوامل مثل الإضاءة والوضعية وتعبيرات الوجه على دقة المطابقة، مما يجعل الخوارزميات القوية ضرورية للتعرف على الوجه بشكل موثوق.

كيف تعمل ميزة التعرّف على الوجه

تتضمن عملية التعرف على الوجه عادةً عدة مراحل:

1. اكتشاف الوجه: يحتاج النظام أولاً إلى اكتشاف ما إذا كان هناك وجه داخل صورة أو إطار فيديو. وغالبًا ما يتم تحقيق ذلك باستخدام خوارزميات الكشف عن الوج وه، مثل Ultralytics YOLOالتي يتم تدريبها على تحديد الوجوه البشرية وسط خلفيات وظروف مختلفة. تقوم خوارزميات اكتشاف الوجوه بمسح المدخلات المرئية بسرعة لتحديد مناطق الوجه وعزلها.
2. تحليل الوجه: بمجرد اكتشاف الوجه، يشرع النظام في تحليله. يتضمن ذلك تعيين ملامح الوجه كما هو موضح في "استخراج الملامح". يهدف التحليل إلى إنشاء قالب رقمي فريد أو "بصمة وجه" لوجه الفرد. هذا القالب عبارة عن تمثيل رقمي لمعالم الوجه الرئيسية وعلاقاتها المكانية.
3. التعرّف على الوجه: في مرحلة التعرّف، تتم مقارنة "بصمة الوجه" للوجه المكتشف مع قاعدة بيانات الوجه. تقوم خوارزمية المطابقة بحساب درجة التشابه. إذا تجاوزت النتيجة عتبة معينة، يتم اعتبار الوجه مطابقًا لهوية معروفة في قاعدة البيانات. واعتماداً على التطبيق، قد يؤدي ذلك إلى مصادقة المستخدم أو التعرف على الهوية في حشد من الناس أو غير ذلك من الإجراءات.

تطبيقات التعرف على الوجه

تتمتع تقنية التعرّف على الوجه بمجموعة واسعة من التطبيقات، مما يؤثر على العديد من القطاعات:

• الأمن والمراقبة: يُستخدم التعرف على الوجه على نطاق واسع في أنظمة الأمن لمراقبة الدخول والمراقبة وإنفاذ القانون. تستخدمه المطارات ومراقبة الحدود والأماكن العامة بشكل متزايد لتحديد الأفراد ذوي الأهمية أو التحقق من الهويات. على سبيل المثال، يمكن لأنظمة الإنذار الأمني استخدام خاصية التعرف على الوجه لتحديد الأفراد المصرح لهم والتنبيه إلى الأفراد غير المصرح لهم، مما يعزز أمن البيانات.
• أمان الأجهزة الشخصية: تستخدم الهواتف الذكية وأجهزة الكمبيوتر المحمولة عادةً ميزة التعرّف على الوجه لإلغاء قفل الأجهزة، مما يوفر بديلاً مريحاً وآمناً لكلمات المرور أو أرقام التعريف الشخصية. يعزز هذا التطبيق تجربة المستخدم مع الحفاظ على طبقة قوية من الأمان الشخصي.
• البيع بالتجزئة وتجربة العملاء: يستكشف تجار التجزئة التعرف على الوجه لإضفاء الطابع الشخصي على تجارب العملاء، وتتبع التركيبة السكانية للعملاء للحصول على رؤى تسويقية، وحتى لمنع الخسارة. على سبيل المثال، يمكن تعزيز الذكاء الاصطناعي لإدارة مخزون التجزئة بشكل أكثر ذكاءً من خلال فهم تدفق العملاء ومشاركتهم باستخدام بيانات التعرف على الوجه (مع مراعاة اعتبارات الخصوصية المناسبة).
• الرعاية الصحية: في مجال الرعاية الصحية، يمكن استخدام تقنية التعرف على الوجه للتعرف على المريض، خاصةً في الحالات التي لا يستطيع فيها المرضى تحديد هويتهم شفهياً. كما يمكن أن يساعد أيضاً في مراقبة حالات المرضى، مثل مستويات الألم أو الحالات العاطفية، من خلال تحليل تعابير الوجه، مما قد يعزز تحليل الصور الطبية.
• وسائل التواصل الاجتماعي والترفيه: تستخدم منصات وسائل التواصل الاجتماعي التعرف على الوجه لاقتراح وضع علامات على الأصدقاء في الصور، وقد تستخدمه صناعات الترفيه لتحليل الجمهور أو تقديم محتوى مخصص.

التعرف على الوجه مقابل التقنيات المماثلة

في حين أن التعرف على الوجه هو شكل متخصص من أشكال الكشف عن الأشياء، فمن المهم تمييزه عن التقنيات الأخرى ذات الصلة:

• التعرّف على الصور: التعرف على الصور هو مصطلح أوسع نطاقًا يشمل تحديد الأشياء والمشاهد والأشخاص والأماكن داخل الصور. التعرف على الوجوه هو مجموعة فرعية من التعرف على الصور، ويركز بشكل خاص على تحديد الوجوه البشرية أو التحقق منها. يمكن استخدام التعرّف على الصور في مجموعة متنوعة من المهام التي تتجاوز الوجوه، مثل تحديد أنواع مختلفة من الأشياء في الصورة.
• التعرف على المشاعر: على الرغم من الخلط أحيانًا مع التعرف على الوجه، فإن التعرف على المشاعر هو تقنية مختلفة تهدف إلى تفسير الحالات العاطفية من تعبيرات الوجه. يركز التعرف على الوجه على الهوية، بينما يركز التعرف على المشاعر على الإشارات العاطفية. تحليل المشاعر، على الرغم من تطبيقه في كثير من الأحيان على النصوص، إلا أن له أوجه تشابه في التعرف على المشاعر للبيانات المرئية.
• تقدير الوضعية: يركز تقدير الوضعية على تحديد وتتبع وضعية جسم الشخص، بما في ذلك النقاط الرئيسية مثل المفاصل. في حين أنه يمكن دمجه مع التعرف على الوجه في تطبيقات مثل الأمن أو المراقبة لتوفير المزيد من السياق، إلا أن تقدير الوضعية في حد ذاته لا يهتم في المقام الأول بالهوية.

الأدوات والتقنيات

يتضمن تطوير أنظمة التعرف على الوجه ونشرها مجموعة من الأدوات والتقنيات:

• Ultralytics YOLO:: Ultralytics YOLO النماذج، لا سيما أحدثها YOLOv8 و YOLOv11، فعالة للغاية في مرحلة الكشف عن الوجوه في التعرف على الوجه. سرعتها ودقتها تجعلها مناسبة للكشف عن الوجه في الوقت الحقيقي في مختلف التطبيقات.
• Ultralytics HUB:Ultralytics يوفر HUB منصة لتدريب ونشر نماذج مخصصة Ultralytics YOLO مخصصة، والتي يمكن تكييفها لمهام محددة للتعرف على الوجه، مثل التعرف على الأفراد في بيئات خاضعة للرقابة أو مع مجموعات بيانات محددة.
• OpenCV: OpenCV (مكتبة الرؤية الحاسوبية مفتوحة المصدر) هي مكتبة مستخدمة على نطاق واسع في مجال الرؤية الحاسوبية، وتقدم مجموعة من الخوارزميات والأدوات الأساسية لبناء أنظمة التعرف على الوجه. وهي تتضمن وظائف لمعالجة الصور واستخراج الميزات وخوارزميات التعلم الآلي المختلفة.
• المنصات السحابية: توفر منصات الحوسبة السحابية مثل AzureML Quickstart و Google Colab موارد قابلة للتطوير لتدريب نماذج التعرف على الوجه المعقدة وإدارة قواعد بيانات الوجه الكبيرة. وهي توفر القدرة الحاسوبية والتخزين اللازمين لتطوير ونشر تطبيقات قوية للتعرف على الوجه.
• حزم SDK المتخصصة للتعرف على الوجه: تقدم العديد من الشركات مجموعات تطوير البرمجيات (SDKs) المتخصصة في التعرف على الوجه، وتوفر خوارزميات ووظائف مبنية مسبقاً ومُحسّنة من حيث الدقة والأداء. ومن الأمثلة على ذلك Face++ Face++ Face++ Face++ و Amazon Rekognition Amazon Rekognition. غالبًا ما تتضمن مجموعات تطوير البرمجيات هذه ميزات مثل اكتشاف العمر والجنس، والتعرف على المشاعر، وإجراءات مكافحة الانتحال.