De afgelopen week kwam op nu.nl een bericht voorbij over het inzetten van gezichtsherkenning bij de Championleague finale 2017 in Cardiff. Het doel was om vast te stellen of er zich criminele bevonden onder de bezoekers. er zin 170.000 bezoekers geweest waarvan er 2470 werden aangemerkt als misdadiger. Dit bleek 2297 (oftwel 92%) van de gevallen onterecht te zijn.
Verontrustend dat mensen als crimineel worden gezien, terwijl ze dat niet zijn. Voelt erg als eerst is iedereen schuldig tot je het tegendeel kunt bewijzen. we moeten goed weten hoe dit soort computersystemen werken, wil je ze op een opbouwende niet destructieve manier gebruiken.
In de kern is dit een classificatieprobleem. Op basis van ingevoerde beelden en een algoritme retourneert de computer de melding. Dit is een foto van een crimineel of een foto van een onschuldige burger. Nu is dat toekennen ingewikkeld proces waarin fouten worden gemaakt. De volgende typen fouten kunnen worden gemaakt:
1) een crimineel wordt aangemerkt als een onschuldige burger (false negative)
2) een onschuldige burger wordt aangemerkt als een crimineel (false positive)
Het nieuwsartikel beschrijft de false positives. Er zijn 2470 mensen als crimineel geclassificeerd die toch onschuldig bleken te zijn. Er zijn geen gegevens over de false postitives . Het lijkt mij overigens niet makkelijk om die data boven water te krijgen. Je zou alle criminelen moeten vragen of ze die dag in Cardiff waren of alle onschuldige burgers vragen waar ze waren die dag.
Het klassificatieproces bestaat uit de volgende stappen:
foto -> identiteit persoon -> staat bekend als crimineel
Omzetting van foto naar identiteit van persoon
Ondertaande foto zijn van Dr. Fei Zuo. De eerste stap voor de computer is te bepalen wie er op het plaatje staat. wij zien redelijk gemakkelijk dat het om dezelfde persoon gaat. Computeralgoritmes hebben hier flink meer moeite mee.
Daar komt ook nog bij dat deze foto's van gelijkmatige kwaliteit zijn en in de praktijk foto's verschillende afmetingen en kwaliteit / resolutie hebben en wat gbeurt er als mensen ineens makeup gaan dragen of een ander kapsel nemen?
In het geval van massa-suveillanse is de eerste stap dus ook een klassificatieprobleem, maar een met als uitgaande klassificatieklassen. Het aantal verschillende mensen die bekend zijn bij de politie. Dat lijkt mij een flinke verzameling.
Vervolgens zou je dan de mensen die als crimineel bekend staan eruit kunnen filteren. In de praktijk zal er wle een aparte database zijn met criminelen en hun foto's.
De eerste stap om te komen van beeld neer persoon bestaat weer uit een aantal substappen:
But face recognition is really a series of several related problems:
- First, look at a picture and find all the faces in it
- Second, focus on each face and be able to understand that even if a face is turned in a weird direction or in bad lighting, it is still the same person.
- Third, be able to pick out unique features of the face that you can use to tell it apart from other people— like how big the eyes are, how long the face is, etc.
- Finally, compare the unique features of that face to all the people you already know to determine the person’s name.
As a human, your brain is wired to do all of this automatically and instantly. In fact, humans are too good at recognizing faces and end up seeing faces in everyday objects:
Geen opmerkingen:
Een reactie posten