تشخیص چهره در حوزه پلیسی

تشخیص چهره روشی برای شناسایی یا تأیید هویت افراد با استفاده از چهره آنهاست. سیستم‌های تشخیص چهره می‌توانند برای شناسایی افراد در عکس‌ها، ویدیوها یا در زمان واقعی استفاده شوند. مجری قانون همچنین ممکن است از دستگاه های تلفن همراه برای شناسایی افراد در هنگام توقف پلیس استفاده کند.

اما داده‌های تشخیص چهره می‌توانند مستعد خطا باشند، که می‌تواند افراد را در جرایمی که مرتکب نشده‌اند درگیر کند. نرم افزار تشخیص چهره به ویژه در تشخیص آمریکایی های آفریقایی تبار و سایر اقلیت های قومی، زنان و جوانان بد است، اغلب آنها را به اشتباه شناسایی می کند یا نمی تواند آنها را شناسایی کند و به طور متفاوت بر گروه های خاصی تأثیر می گذارد.

علاوه بر این، از تشخیص چهره برای هدف قرار دادن افرادی که در گفتار محافظت شده شرکت می کنند استفاده شده است. در آینده نزدیک، فناوری تشخیص چهره احتمالاً در همه جا فراگیر خواهد شد. ممکن است برای ردیابی حرکت افراد در جهان استفاده شود، مانند پلاک‌خوان‌های خودکار که وسایل نقلیه را با شماره پلاک ردیابی می‌کنند. تشخیص چهره در زمان واقعی در حال حاضر در کشورهای دیگر و حتی در رویدادهای ورزشی در ایالات متحده استفاده می شود.

 

تشخیص چهره چگونه کار می کند

سیستم‌های تشخیص چهره از الگوریتم‌های رایانه‌ای برای انتخاب جزئیات خاص و متمایز در مورد چهره افراد استفاده می‌کنند. این جزئیات، مانند فاصله بین چشم ها یا شکل چانه، سپس به یک نمایش ریاضی تبدیل می شوند و با داده های سایر چهره ها که در پایگاه داده تشخیص چهره جمع آوری شده اند مقایسه می شوند. داده‌های مربوط به یک چهره خاص اغلب الگوی چهره نامیده می‌شود و از یک عکس متمایز است، زیرا فقط شامل جزئیات خاصی است که می‌تواند برای تشخیص یک چهره از چهره دیگر استفاده شود.

برخی از سیستم‌های تشخیص چهره، به جای شناسایی مثبت یک فرد ناشناس، برای محاسبه امتیاز تطابق احتمالی بین فرد ناشناس و قالب‌های چهره خاص ذخیره شده در پایگاه داده طراحی شده‌اند. این سیستم ها به جای اینکه فقط یک نتیجه را برگردانند، چندین تطابق بالقوه را ارائه می دهند که به ترتیب احتمال شناسایی صحیح رتبه بندی می شوند.

سیستم های تشخیص چهره در توانایی آنها برای شناسایی افراد تحت شرایط چالش برانگیز مانند نور ضعیف، وضوح تصویر با کیفیت پایین و زاویه دید نامناسب (مانند عکسی که از بالا گرفته شده است و به فرد ناشناس نگاه می کند) متفاوت است.

وقتی صحبت از خطاها می شود، دو مفهوم کلیدی برای درک وجود دارد:

"نفی کاذب" زمانی است که سیستم تشخیص چهره نتواند چهره یک فرد را با تصویری که در واقع در یک پایگاه داده موجود است مطابقت دهد. به عبارت دیگر، سیستم در پاسخ به یک پرس و جو به اشتباه نتیجه صفر را برمی گرداند.

"مثبت کاذب" زمانی است که سیستم تشخیص چهره چهره یک فرد را با یک تصویر در پایگاه داده مطابقت می دهد، اما این تطابق در واقع نادرست است. این زمانی است که یک افسر پلیس تصویری از "جو" ارسال می کند، اما سیستم به اشتباه به افسر می گوید که عکس "جک" است.

هنگام تحقیق در مورد یک سیستم تشخیص چهره، مهم است که به نرخ "مثبت کاذب" و نرخ "منفی کاذب" دقت کنید، زیرا تقریبا همیشه یک مبادله وجود دارد. به عنوان مثال، اگر از تشخیص چهره برای باز کردن قفل گوشی خود استفاده می‌کنید، بهتر است سیستم چندین بار شما را شناسایی نکند (منفی کاذب) تا اینکه سیستم به اشتباه افراد دیگر را به عنوان شما شناسایی کند و به آن افراد اجازه دهد قفل گوشی شما را باز کنند. (مثبت کاذب). اگر نتیجه یک شناسایی نادرست این باشد که یک فرد بی گناه به زندان برود (مانند شناسایی اشتباه در پایگاه داده mugshot)، پس سیستم باید به گونه ای طراحی شود که تا حد امکان کمتر از موارد مثبت کاذب برخوردار باشد.

 

نحوه استفاده مجریان قانون از تشخیص چهره
سازمان‌های مجری قانون بیشتر و بیشتر از تشخیص چهره در پلیس‌های معمولی استفاده می‌کنند. پلیس عکس های دستگیر شده را جمع آوری می کند و آنها را با پایگاه های اطلاعاتی تشخیص چهره محلی، ایالتی و فدرال مقایسه می کند. هنگامی که عکس یک فرد دستگیر شده گرفته شد، این عکس در یک یا چند پایگاه داده باقی می ماند تا هر بار که پلیس جستجوی جنایی دیگری انجام می دهد، اسکن شود.

سپس مجری قانون می‌تواند از این پایگاه‌های اطلاعاتی گسترده پرس و جو کند تا افراد را در عکس‌های گرفته شده از رسانه‌های اجتماعی، دوربین‌های مدار بسته، دوربین‌های ترافیک یا حتی عکس‌هایی که خودشان در میدان گرفته‌اند شناسایی کنند. همچنین ممکن است چهره ها در زمان واقعی با «فهرست های داغ» افرادی که مشکوک به فعالیت غیرقانونی هستند مقایسه شوند.