Huvudbild: Amazons Rekognition ansikte ID-system. Kredit: Amazon

“Du ser det hela tiden i filmer, de zoomar in på en bild och det är alla pixelerade och de säger "förbättra" och du får den här fina bilden,” säger Tom Heseltine, VD för ansiktsigenkänningsprogramföretag Aurora. “Det är inte riktigt. Men med djup inlärning försöker de att göra det, och det blir ganska bra. [Vissa ansiktsigenkänningssystem] kan ta den bilden och konstruera ett högupplöst ansikte.”

Det låter som något rakt ut ur en polisprocessuell, men tack vare förbättrad teknik för ansiktsigenkänning har verkliga brottsbekämpande myndigheter börjat experimentera med det. I Storbritannien har både Londons Metropolitan Police och South Wales Police använt ansiktsigenkänningssystem för att välja att bli oroliga i en realtid vid stora evenemang och vid 2017 Champions League fotbollsfinalen i den walisiska huvudstaden Cardiff, polisen gjorde en arrestering efter att systemet slog upp en matchning med en databas av önskade brottslingar.

  • Har du en lysande idé för nästa stora tekniska innovation? Ange vår Tech Innovation for Future-tävlingen och du kan vinna upp till £ 10,000!

Kritiker hävdar dock att systemet är felaktigt och i Syd-Wales polisstatistik visade att 92% av nästan 2500 matcher vid Champions League-finalen var "falska positiva". Men andra säger att numret är meningslöst på egen hand och endast bör beaktas i samband med hur systemet fungerar. Så hur fungerar tekniken? Och varför, om det är så avancerat, skulle antalet falska positiva vara så höga?

Djup lärning

De mest avancerade systemen, Heseltine, berättar TechRadar, arbeta men djupt lärande, en typ av maskininlärning som använder virtuella neurala nätverk för att väsentligen rekonstruera en simulering av en mänsklig hjärna. Du kan lära dig att systemet känner igen ansikten genom att visa det hundratusentals par ansikten och berätta om de matchar eller inte.

“Du lär det genom att säga "dessa två är samma människor, dessa två är olika människor",” Heseltine säger. “Du gör det på stora kraftfulla servrar, vanligtvis utrustade med GPU för att påskynda den här lärandeprocessen. Det lär dig långsamt över tiden, och när det är klart har du ett neuralt nätverk som kan känna igen ansikten.”

Aurors ansiktsigenkänningssystem används av flygplatser, byggföretag och i andra arenor där säkerhet är ett viktigt övervägande. Kredit: Aurora

(Bild: © Aurora)

Den inlärningsprocessen kan ta flera dagar, eller det kan vara så lite som några timmar för ett mindre avancerat system. Allt beror på vad du vill att systemet ska göra i praktiken. Om du ville att du skulle känna igen passfoton så skulle du bara visa den typen av bilder, som är högkvalitativa, färgfoton av personer som står inför kameran direkt.

Men “om det är allt neuralt nätverk någonsin har sett, det är allt det någonsin kommer att vara bra på,” lägger till Heseltine - så du kan inte använda det systemet för att känna igen ansikten i kornigt CCTV-fotografi, till exempel. Men du kan träna system för att känna igen bilder av lägre kvalitet från olika vinklar.

Ett ansiktsigenkänningssystem kan inte berätta om två bilder av ett ansikte är av samma person; Det tilldelar helt enkelt ett likhetspoäng baserat på likheten i deras egenskaper. Till exempel, för en kamera som spelar in realtidsvideo, kan systemet titta på ett ansikte i en bildram och jämföra den med alla ansikten på en känd polisdatabas. Det skulle då tilldela ett likhetspoäng för varje ansikte och generera en lång lista med siffror. Det litar fortfarande på en människa för att bekräfta om två ansikten matchas.

En polisbil som är utrustad med en ansiktsigenkänningskamera. Kredit: South Wales Police

(Bild: © South Wales Police)

Liknande poäng tröskeln över vilken du verifierar en potentiell match varierar väsentligt, förklarar Heseltine, beroende på vikten av att hitta en match, konsekvenserna för en falsk positiv och den manliga kraften som finns tillgänglig. Till exempel, om polisen letade efter en liten brottsling, kunde de bara titta på de allra högsta likhetspoängen. Men om de försökte fånga en seriemördare kan de sätta tröskeln lägre och följa upp någon som systemet identifierar som en potentiell match, med tanke på den ökade betydelsen av att fånga den personen.

"Liknande tröskel"

De bästa systemen är nu väldigt korrekta, säger Heseltine och kommer nästan alltid att ge höga likhetspoäng till matchande ansikten om bildkvaliteten är tillräckligt bra. Så, varför skulle polisystem ha höga falska positiva? Det finns flera faktorer att spela. För det första är andelen falska positiva, när de tas isolerat, “nästan meningslös” eftersom det bara återspeglar "likhetst tröskeln" som polisen valde att spela in en potentiell match. De kunde ha satt tröskeln mycket hög och hade inga falska positiva men det skulle också innebära att systemet inte skulle fungera för att fånga brottslingar.

“Om de gör 200 falska ID, beror det på att de ställer tröskelvärdet så att det skulle göra 200 falska ID-skivor. Kanske är det 200 numret för att det är en hanterbar figur som en människa kan granska och bestämma vad man ska göra åt det.

“De kunde göra det 0 och ha en fantastisk rapport om de vred [tröskeln] uppåt. Men jag föreställer mig från polisperspektivet att om du försöker hitta en seriemakare skulle du hellre titta på 200 matcher och ta reda på om de är där inne.”

Aurors ansiktsigenkänningssystem använder specialdesignade IR-sensorer för att säkerställa tillförlitlighet vid alla ljusförhållanden. Kredit: Aurora


(Bild: © Aurora)

Det är en liknande situation på flygplatser, där Auroras teknik främst används. Bilder av passagerarnas ansikten är fångade när de går in i ett säkert område, och den bilden hänvisas till när samma person försöker gå ombord på ett plan.

Ett lågt jämställdhetspoäng kan tyda på att någon annan har tagit passagerarens plats och några falska positiva skäl är nödvändiga för att säkerställa att reella fall fångas. Flygplatser kommer att ställa in tröskeln baserat på antalet passagerare som de kan följa upp. “Vi har råd att stoppa och ifrågasätta och söka en på 100 passagerare, det är vad vi kan hantera, så det är vad de ställt på,” Heseltine förklarar.

Du kan också få höga falska positiva resultat på grund av en stor databas som matchar, en stor mängd bilder - antingen på grund av massor av kameror eller bilder med hög bildhastighet - eller om du kör systemet över en lång period. Men svagheter i tekniken är också delvis skyldiga.

Ansiktsigenkänningsprogram fungerar mycket bra på tydliga bilder av hög kvalitet, men det kan kämpa när bildkvaliteten är dålig. Aurors system på flygplatser använder kameror som är speciellt utformade för det ändamålet, men andra kameror, som i CCTV-system, “har installerats utan ansiktsigenkänning i åtanke, och de är antagligen fem, 10 år gamla”, Heseltine säger.

Bekymmer om South Wales Police-rättegången behandlas i ovanstående video av biträdande chefkonstellanten Richard Lewis, som säger att några av bilderna som den använde inte var av tillräcklig kvalitet och så officerare identifierade personer felaktigt eftersom de inte kunde få detalj på en bild. Kraften har sedan installerat speciella kameror på skåpbilar som fungerar bättre.

Det kan också vara svårt för ett system att identifiera personer om huvudet ligger i en vinkel, eller om en del av sitt ansikte är dunklat av skugga. Och i slutändan är det “extremt lätt” för att undvika att bli kända av kamerorna om du “täck ditt ansikte med en baseballlock, mörka glasögon och en skjorta eller bygel som kommer upp högt,” Heseltine säger.

“Vi har råd att stoppa och ifrågasätta och söka en på 100 passagerare, så det är vad de sätter tröskelvärdet på,”

Tom Heseltine, VD, Aurora

I ett offentligt utrymme kan du inte göra mycket om det, men ansiktsigenkänningsleverantörer arbetar för att förbättra detektering i bilder av dålig kvalitet, eller där en del av ansiktet är dolt. Förutom CSI-stil zoom och förbättringsteknik innehåller andra innovationer system som kan förutsäga vad vänster sida av ansiktet ser ut om det bara kan se höger sida, liksom de som Hesletine säger “regenerera ett område som omfattas av skugga”.

Sekretessbekymmer relaterade till hur polis och andra organisationer använder foton och andra data som är kopplade till systemen kommer att förbli, och i veckan krävde arbetstagare på Amazon att företaget slutade sälja sin ansiktsigenkänningsprogram, kallad Rekognition, till brottsbekämpning. Men förbättringar i teknikens noggrannhet och en minskning av falska positioner kan bidra till att förhindra vissa kritikeras bekymmer.

Utvärderingen av det år långa försöket om användningen av tekniken vid South Wales Police fortsätter, och resultaten kan visa sig vara avgörande för den framtida användningen av ansiktsigenkänning i Storbritannien..

Syd-Wales polis och polischefsrådet nekade att intervjuas för denna artikel.

Techradar s Nästa Up-serien kommer till dig i anslutning till ära

  • Tror du att du har den bästa innovationsidean? Då kan du vinna 10 000 £!