การทดสอบสแกนใบหน้า ในแต่ละปี สถาบันมาตรฐานและเทคโนโลยีแห่งชาติ (NIST) จะทำการทดสอบ Face Recognition Vendor Test (หรือที่เรียกว่า FRVT) ที่ออกแบบมาเพื่อให้การประเมินอิสระของเทคโนโลยีการจดจำใบหน้าที่มีจำหน่ายในท้องตลาดและต้นแบบ
NIST ก่อตั้งขึ้นในปี 2444 เป็นหน่วยงานรัฐบาลกลางที่ไม่อยู่ภายใต้การควบคุมภายในกระทรวงพาณิชย์ของสหรัฐอเมริกา ภารกิจของ NIST คือการส่งเสริมนวัตกรรมของสหรัฐอเมริกาและความสามารถในการแข่งขันในอุตสาหกรรมโดยการพัฒนาวิทยาศาสตร์ มาตรฐาน และเทคโนโลยีการวัดผลในทางที่ยกระดับความมั่นคงทางเศรษฐกิจและปรับปรุงคุณภาพชีวิตของเรา
การทดสอบสแกนใบหน้า ทำอย่างไร?
FRVT วัดประสิทธิภาพของเทคโนโลยีการจดจำใบหน้าอัตโนมัติที่ใช้กับแอพพลิเคชั่นทางแพ่ง การบังคับใช้กฎหมาย และความมั่นคงภายในประเทศ รวมถึงการตรวจสอบภาพวีซ่า การขจัดสำเนาหนังสือเดินทาง ขณะนี้ FRVT มีอัลกอริธึมการจดจำใบหน้าประมาณ 200 รายการ และทดสอบกับคอลเลกชั่นภาพถ่ายอย่างน้อย 6 ชุดซึ่งมีผู้คนมากกว่า 8 ล้านคนหลายชุด อัลกอริธึมที่ดีที่สุดสำหรับการยืนยันแบบ 1:1 ให้อัตราที่ไม่ตรงกันที่ 0.0003 ที่อัตราการจับคู่เท็จที่ 0.0001 สำหรับภาพวีซ่าคุณภาพสูง
5 ข้อจำกัดของ FRVT สำหรับกรณีการใช้งานการเฝ้าระวังวิดีโอ
ข่าวดีของ NIST คือเรามีหน่วยงานอิสระที่ทำการทดสอบซอฟต์แวร์ของบริษัทอื่น – a la Consumer Reports หรือ JD Power – และจัดทำมาตรฐานประสิทธิภาพในอุตสาหกรรม น่าเสียดายที่องค์กรหลายแห่งถือว่าการทดสอบเหล่านี้ใช้ได้กับซอฟต์แวร์เฝ้าระวังวิดีโอด้วยเช่นกัน แต่ก็ไม่เป็นเช่นนั้น
อย่าพลาด FRVT มีจุดมุ่งหมาย การทดสอบมีความเกี่ยวข้องอย่างมากกับกรณีการใช้งานที่หลากหลายตั้งแต่การควบคุมการเข้าถึงไปจนถึงการควบคุมชายแดน โดยที่วัตถุกำลังมองที่กล้องโดยตรง และเปรียบเทียบภาพของบุคคลนั้นกับรายการเฝ้าดูหรือรายชื่อพนักงานที่ได้รับอนุญาต ในกรณีการใช้งานเหล่านี้ รูปภาพของวัตถุและภาพในรายการเฝ้าดูมักจะมีคุณภาพสูง
อย่างไรก็ตาม ต่อไปนี้คือเหตุผลห้าประการที่องค์กรต่างๆไม่ ควร ใช้ FRVT เพื่อเปรียบเทียบโซลูชันการเฝ้าระวังวิดีโอโดยใช้การจดจำใบหน้า
1. FRVT ไม่ได้ประเมินโซลูชันการจดจำใบหน้าด้วยวิดีโอเฝ้าระวังแบบเรียลไทม์
การทดสอบ FRVT เริ่มต้นด้วยอินพุตเดียว – ภาพถ่ายคงที่ของใบหน้า ไม่ว่าจะเป็นภาพ mugshot หรือวีซ่า (ภาพถ่ายจะถูกรวบรวมโดยเชื่อมโยงกับการยื่นคำร้องขอวีซ่า) – และภาพถ่าย “ป่า” (ภาพถ่ายของบุคคลที่ถ่าย โดยทั่วไปแล้ว การตั้งค่าทุกวัน)
ซอฟต์แวร์ เช่น โซลูชัน OnWatch ของ Oosto ทำงานร่วมกับการสตรีมวิดีโอเพื่อระบุตัวบุคคล โดยเฉพาะขณะที่พวกเขากำลังเข้าสู่สถานที่ เพื่อตรวจสอบว่าพวกเขาอยู่ในรายการเฝ้าดูหรือไม่ AI และโครงข่ายประสาทเทียมที่อยู่เบื้องหลังการจดจำใบหน้าด้วยวิดีโอนั้นมีความแตกต่างกันโดยพื้นฐานจากอัลกอริธึมการรู้จำรูปภาพแบบ 1:1 และ 1:n แบบพื้นฐานที่ใช้โดย NIST
2. FRVT ไม่ได้ระบุเงื่อนไขในโลกแห่งความเป็นจริงสำหรับการเฝ้าระวังวิดีโอ
อัลกอริธึมของ Oosto ได้รับการฝึกฝนบนฟุตเทจในโลกแห่งความเป็นจริง และทำงานได้ดีเป็นพิเศษในสภาวะที่ไม่เอื้ออำนวย เช่น ในที่แสงน้อย มุมแย่ การบดบัง (เช่น หน้ากาก) การโพสท่าสุดขั้ว และชุดข้อมูลที่หลากหลายมาก ในทางตรงกันข้าม ผู้ค้าหลายรายที่เข้าร่วมใน NIST อาจทำงานได้ดีในสภาวะของห้องปฏิบัติการที่มีการควบคุม แต่ไม่ดำเนินการอย่างรวดเร็วหรือแม่นยำในสถานการณ์ “ในธรรมชาติ”
เมื่อฉันใช้คำว่า “ในป่า” สิ่งนี้แตกต่างจากคำจำกัดความของ “ป่า” ของ NIST ซึ่งผู้คนไม่จำเป็นต้องโพสท่าหรือให้ความร่วมมือในการถ่ายภาพ ภาพทั่วไปของ NIST อาจเบลอหรือมีคุณภาพต่ำ แต่ภาพยังค่อนข้างชัดเจน โดยทั่วไปแล้วกล้องจะอยู่ในระดับใบหน้า และการจัดแสงก็ดี ในโลกแห่งความเป็นจริง บางทีในคาสิโนหรือสนามกีฬา อาสาสมัครจะให้ความร่วมมือน้อยกว่ามาก และไม่มองที่กล้องโดยตรง ในสถานการณ์จริงเหล่านี้ เรามักพบท่าทางที่รุนแรง (ตามตำแหน่งของกล้อง) คุณภาพของภาพไม่ดี แสงน้อย หรือการบดบัง เช่น หมวก หน้ากาก หรือสิ่งปิดบังอื่นๆ นี่คือการทดสอบซอฟต์แวร์จดจำใบหน้าที่แท้จริง
ในภาพด้านบน ให้สังเกตว่าภาพวิดีโอมีความพร่ามัวและระดับการบดเคี้ยวสำหรับหลาย ๆ ใบหน้า นี่เป็นปัญหาที่ยากกว่าการจับคู่ภาพนิ่งของบุคคลที่หันหน้าเข้าหากล้องโดยตรงในสภาพแวดล้อมที่มีแสงสว่างเพียงพอ
3. FRVT ไม่ได้ประเมินเทคโนโลยีการจดจำใบหน้าที่ออกแบบมาเพื่อระบุตัวบุคคลภายในฝูงชน การทดสอบสแกนใบหน้า
เพื่อความเป็นธรรม การทดสอบ NIST FRVT ไม่เคยออกแบบมาเพื่อประเมินเทคโนโลยีในสภาพแวดล้อมที่แออัดซึ่งมีผู้คนจำนวนมากเข้ามาในอาคารในเวลาเดียวกัน FRVT ได้รับการออกแบบสำหรับการควบคุมชายแดนหรือกรณีการใช้งานการยืนยันตัวตน (บริการตนเอง) น่าเสียดายที่องค์กรจำนวนมากที่ประเมินโซลูชันการจดจำใบหน้าไม่เข้าใจหรือชื่นชมในความแตกต่างนี้ จนกว่าพวกเขาจะปรับใช้โซลูชันการจดจำใบหน้าและพบกับผลบวกลวงและผลลบลวงจำนวนมาก เนื่องจากซอฟต์แวร์และอัลกอริธึมพื้นฐานไม่ได้ออกแบบมาเพื่อระบุตัวบุคคลใน ฝูงชนซึ่งจะมีการบดเคี้ยวและความพร่ามัวในระดับที่สูงขึ้นตามธรรมชาติ
4. FRVT ไม่คำนึงถึงคุณภาพของกล้องวิดีโอ
การทดสอบ NIST FRVT ทำให้เกิดสมมติฐานบางประการเกี่ยวกับคุณภาพของกล้องในสถานที่ซึ่งกำลังจับภาพวัตถุ นี่เป็นอีกครั้งที่สมเหตุสมผลเมื่อคุณพิจารณากรณีการใช้งานการควบคุมชายแดนที่ FRVT ได้รับการออกแบบมา แต่เมื่อคุณเปลี่ยนบริบทเป็นการแจ้งเตือนรายการเฝ้าดู – ระบุตัวผู้ไม่หวังดีหรือ VIP – แบบเรียลไทม์ คุณภาพของกล้องจะมีความสำคัญมาก ประสิทธิภาพของระบบจดจำใบหน้าขึ้นอยู่กับคุณภาพของทั้งภาพทดสอบและภาพอ้างอิงที่เข้าร่วมในกระบวนการเปรียบเทียบใบหน้า ด้วย AI และโมเดลการเรียนรู้เชิงลึก กล้องจดจำใบหน้าอัจฉริยะจะแสดงความแม่นยำและประสิทธิภาพที่ดีขึ้นอย่างมาก แม้จะมีความท้าทายในชีวิตประจำวัน เช่น ในระยะทางไกล วิดีโอความละเอียดต่ำ หรือสถานการณ์เมื่อใบหน้าไม่ได้หันเข้าหากล้อง สถานประกอบการที่ใช้ความละเอียดสูง
5. FRVT ติดตั้งกล้องที่ระดับใบหน้า
อัลกอริธึมการจดจำใบหน้ามีแนวโน้มที่จะมีความแม่นยำที่ดีในงานตรวจสอบของ NIST เนื่องจากวัตถุมักจะรู้ว่ากำลังถูกสแกนและสามารถจัดตำแหน่งตัวเองเพื่อให้กล้องมองเห็นใบหน้าได้ชัดเจน ในการตั้งค่าที่มีการควบคุมมากขึ้น (เช่น การควบคุมเส้นขอบหรือการควบคุมการเข้าใช้) รูปภาพที่ใช้สำหรับการจดจำใบหน้ามักจะ “มีแสงสว่างเพียงพอ” ซึ่งหมายความว่าแสงจะเต็ม ไม่มีเงาหรือแสงจ้าเกินไป
แต่โดยทั่วไปจะไม่เป็นเช่นนั้นเมื่อพูดถึงกล้องวงจรปิดในป่า เช่น กับกล้องวงจรปิดในเครือข่าย ลองนึกถึงสนามกีฬาที่พยายามระบุตัวนักเลงหัวไม้ที่รู้จักกันดีหรือคาสิโนที่พยายามระบุผู้เล่นที่ได้เปรียบ กล้องวงจรปิดมักจะติดตั้งบนผนังหรือเพดานสูง เนื่องจากรูปภาพที่มีใบหน้าลดระดับจาก “คุณภาพของภาพศีรษะ” เป็น “แสงน้อยเป็นเม็ดๆ” อัลกอริธึมการจดจำใบหน้าและโครงข่ายประสาทเทียมจึงต้องทำงานหนักขึ้น
ตามที่ NIST ได้บันทึกไว้: “ภาพถ่ายคุณภาพต่ำบ่อนทำลายการจดจำ อาจเป็นเพราะระบบภาพไม่ดีหรือเพราะวัตถุนำเสนอผิดกับกล้อง” (การวางแนวศีรษะ การแสดงออกทางสีหน้า การบดเคี้ยว ฯลฯ)
นี่ไม่ใช่คำฟ้อง การทดสอบสแกนใบหน้า
โพสต์นี้ไม่ได้มีวัตถุประสงค์เพื่อวิพากษ์วิจารณ์ NIST สร้างขึ้นเพื่อช่วยให้ผู้ซื้อระดับองค์กรเข้าใจวัตถุประสงค์และข้อจำกัดของการทดสอบและการรายงาน FRVT ของ NIST ได้ดีขึ้น หากองค์กรของคุณกำลังประเมินโซลูชันที่มีการนำเสนอภาพนิ่งของบุคคล และคุณจำเป็นต้องเปรียบเทียบภาพนั้นกับฐานข้อมูลภาพถ่าย FRVT เป็นวิธีที่ดีในการเปรียบเทียบผู้ขายรายหนึ่งกับอีกรายหนึ่ง (โดยเข้าใจข้อแม้บางประการที่ระบุไว้) การทดสอบสแกนใบหน้า
แต่สำหรับกรณีการใช้งานการเฝ้าระวังวิดีโอส่วนใหญ่ที่มีการวิเคราะห์วิดีโอสำหรับการตรวจจับการจดจำใบหน้าแบบเรียลไทม์ FRVT นั้นไม่เพียงพอและไม่เหมาะสมทั้งหมดเป็นเกณฑ์มาตรฐาน
เราสนับสนุนให้ NIST สร้างวิธีการทดสอบใหม่เพื่อเปรียบเทียบโซลูชันการเฝ้าระวังวิดีโอกับการจดจำใบหน้าซึ่งปัจจัยในสภาพจริง เช่น แสงไม่ดี การบดเคี้ยว และมุมกล้องที่ท้าทายและแม้แต่คุณภาพของกล้อง เห็นได้ชัดว่าสิ่งนี้จะช่วยให้ผู้ซื้อเชิงพาณิชย์เข้าใจประสิทธิภาพที่แท้จริงของโซลูชันการเฝ้าระวังวิดีโอเหล่านี้ แทนที่จะอาศัยการทดสอบ FRVT ที่ไม่ได้เลียนแบบโลกแห่งความเป็นจริง
ทั้งนี้บริษัทเคแอนด์โอ จึงได้มุ่งเน้นการจัดการแก้ไขปัญหา จัดการเอกสาร ด้านเอกสารขององค์กรมาอย่างยาวนาน และ ให้ความสำคัญกับด้านงานเอกสาร ต่อลูกค้าเป็นอย่างดี จนถึงปัจจุบันก็ได้ความยอมรับจากองค์กร ขนาดใหญ่ ขนาดกลาง และขนาดเล็กมากมาย จึงใคร่ขออาสาดูและปัญหาด้านเอกสารให้กับองค์กรของท่านอย่างสุดความสามารถ เพราะเราเป็นหนึ่งในธุรกิจ ระบบจัดเก็บเอกสาร ที่ท่านไว้ใจได้
Face-sso (By K&O) หากท่านสนใจ เครื่องสแกนใบหน้ารุ่นต่างๆ หลากหลายรุ่น หรือ ติดตั้งระบบสแกนใบหน้า สามารถติดต่อสอบถามได้โดยตรง เรามีแอดมินคอยคอบคำถาม 24 ชั้วโมงที่ Line OA เครื่องสแกนใบหน้า สามารถ ขอราคาพิเศษได้ ตามงบประมาณที่เหมาะสม สอบถามได้สบายใจทั้ง เรื่องค่าบริการ ราคา และ งบประมาณ มั่นใจเพราะเป็นราคาที่สุด คุ้มค่าที่สุด
หากท่านมีความสนใจ บทความ หรือ Technology สามารถติดต่อได้ตามเบอร์ที่ให้ไว้ด้านล่างนี้
Tel.086-594-5494
Tel.095-919-6699
