Yüz tanıma sistemleri nasıl çalışır?

Yüz tanıma sistemleri bilim kurgunun çok ötesine geçti: telefonlarda, bankalarda, havalimanlarında, alışveriş merkezlerinde, ofis binalarında ve şehir gözetim ağlarında kullanılıyor. Ancak çoğu insan için "gizli planda" tam olarak ne olduğu, kameraların, algoritmaların ve veritabanlarının bir görüntüyü "bu sensin" veya "bu sen değilsin" gibi bir karara nasıl dönüştürdüğü hâlâ belirsiz.

Yüz tanımanın yalnızca "yakınlaştırmalı bir kamera" olmadığını anlamak önemlidir. Bir çerçevedeki insan yüzünün tespit edilmesiyle başlayan ve bu yüzün büyük veritabanlarıyla eşleştirilmesiyle biten çok adımlı bir işlem hattıdır. Bu yazıda bu sistemlerin nasıl çalıştığını, neden yüz şablonlarını kullandıklarını ve hangi gizlilik risklerini beraberinde getirdiklerini göreceğiz.

Yüz tanıma ve sıradan video gözetimi

Geleneksel bir CCTV kamera:

• yalnızca bir video akışını kaydeder;
• bazen yerel bir kayıt cihazında veya bulutta saklar;
• her kareyi otomatik olarak analiz etmez.

Yüz tanıma sistemi:

• çerçevedeki yüzleri otomatik olarak arar;
• her yüzü ayrı bir nesne olarak çıkarır;
• matematiksel bir temsil oluşturur (bir vektör “yüz izi”);
• bu gösterimi bilinen şablonlardan oluşan bir veritabanıyla karşılaştırır.

Temel fark, yalnızca görüş alanında bulunan kişilerin kaydedilmesi değil, arama ve kimlik tanıma özelliklerinin de ortaya çıkmasıdır.

Adım 1. Görüntüdeki bir yüzün algılanması

İlk adım, resimdeki insan yüzlerini bulmaktır.

Yüz algılama algoritmaları:

• görüntüyü farklı ölçeklerde ve konumlarda tarayın;
• kafa hatları, gözler, burun ve ağız gibi karakteristik özellikleri arayın;
• yüzün oluşma olasılığının yüksek olduğu dikdörtgenleri döndürün.

Modern modeller, büyük görüntü veri kümeleri üzerinde eğitilmiş sinir ağlarını kullanır. Şunları yapabilirler:

• yüzleri farklı açılarda konumlandırın;
• değişen aydınlatma koşullarıyla başa çıkmak;
• yüz olmayan nesneleri filtreleyin.

Bu aşamada kişi henüz tanımlanmamıştır; sistem yalnızca bir yüzün mevcut olduğunu bilir.

Adım 2. Yüz görüntüsünü normalleştirme ve ön işleme

Farklı kareleri karşılaştırılabilir hale getirmek için sistem, algılanan yüzü "standart" bir forma getirir:

• görüntüyü anahtar noktaları (gözler, burun, ağız) kullanarak hizalar;
• boyutu ve konumu normalleştirir;
• parlaklığı ve kontrastı ayarlar.

Amaç aşağıdakilerin etkisini azaltmaktır:

• kafa eğimi ve kamera açısı;
• kameralar ve lensler arasındaki farklar;
• aydınlatma koşulları (gölgeler, parlak güneş ışığı vb.).

Sonuç, tanıma modeline aktarılabilecek hazırlanmış bir yüz kırpmasıdır.

Adım 3. Bir “yüz şablonu” oluşturma (yerleştirme)

Daha sonra bir sinir ağı, yüz görüntüsünü bir özellik vektörüne, yani sabit uzunlukta bir sayı listesine (örneğin, 128 veya 512 bileşen) dönüştürür. Bu vektöre genellikle şu ad verilir:

• bir yerleştirme;
• dijital bir “yüz izi”;
• bir şablon veya profil.

Anahtar noktalar:

• bu bir fotoğraf değildir ve yüzün doğrudan bir "resmi" değildir;
• vektörden normal görünümlü bir yüzü kolayca yeniden oluşturamazsınız;
• ancak bu vektörleri kullanarak bir kişiyi diğerlerinden çok güvenilir bir şekilde ayırt edebilirsiniz.

Bu vektörler, yüz tanıma sistemlerinin öncelikle veritabanlarında, genellikle orijinal görüntülerin yanında veya yerine depoladığı şeylerdir.

Adım 4. Bir veritabanıyla eşleştirme ve karar verme

Sistem bir yüz şablonu oluşturduktan sonra:

• bu vektörü veritabanında depolanan şablonlarla (çalışanlar, müşteriler, "izleme listeleri", aranan kişiler vb.) karşılaştırır;
• vektörler arasındaki “mesafe” veya benzerlik ölçüsünü hesaplar;
• en yakın eşleşmeleri seçer.

Bundan sonra ne olacağı yapılandırmaya bağlıdır:

• Doğrulama: "Bu, bu referans örneğindeki kişiyle aynı mı?" (telefon kilidini açma, hesap girişi).
• Kimlik: "N bilinen kişi arasında bu kim?" (galeride arama, erişim kontrolü, kolluk kuvvetlerinin kullanımı).

Hassasiyet eşikleri ayarlanabilir:

• daha katı eşikler daha az yanlış pozitif ancak daha fazla "tanınmayan" sonuç anlamına gelir;
• daha gevşek eşikler daha fazla eşleşme anlamına gelir, ancak insanların kafasını karıştırma riski daha yüksektir.

Yüz tanıma sistemlerinin kullanıldığı yerler

Pratikte bu sistemler kurulur:

• akıllı telefonlarda — Face ID ve kilit açma ve işlem onayına yönelik benzer özellikler;
• bankalarda ve fintech'te — uzaktan müşteri katılımı, işlem doğrulama, dolandırıcılığın önlenmesi;
• şehir gözetim ağlarında — izleme listelerindeki kişileri aramak, hassas sitelere erişim kontrolü;
• perakende ve ofis binalarında — insan akışı analizleri, erişim kartları, "VIP müşteri" programları;
• çevrimiçi hizmetlerde — kayıt sırasında kimlik doğrulama, KYC kontrolleri.

Dağıtım ne kadar geniş olursa, zaman içinde o kadar çok yüz şablonu oluşturulur ve depolanır.

Doğruluk zorlukları: hatalar, önyargı ve yanlış eşleşmeler

En son teknolojiye sahip sistemler bile:

• özellikle zayıf aydınlatma, düşük kaliteli kameralar veya görünümdeki değişiklikler nedeniyle hata yapmak;
• önyargı sergileyebilir; eğitim verileri dengesizse belirli yaş grupları, cinsiyetler veya etnik kökenler üzerinde daha kötü performans gösterebilir;
• masum bir kişinin yanlışlıkla bir izleme listesi girişiyle eşleştirildiği tehlikeli sahte eşleşmeler üretebilir.

Tüketici senaryolarında (telefon kilidini açma), bir hata genellikle yalnızca bir şifre girmeniz gerektiği anlamına gelir.
Kolluk kuvvetlerinde veya bankacılıkta bir hatanın, hizmetlerin reddedilmesinden haksız şüpheye kadar ciddi sonuçları olabilir.

Gizlilik riskleri: bilginiz olmadan büyük ölçekli izleme

Gizlilik açısından bakıldığında sorun yalnızca doğruluk değil aynı zamanda ölçektir:

• yüz tanımayla birlikte kamera sürekli tanımlama için bir araç haline gelir;
• Bir kişinin hareketleri kameralar ve konumlar arasında takip edilebilir;
• çevrimdışı gözlemler çevrimiçi davranış, satın alma işlemleri ve diğer veri kümeleriyle ilişkilendirilebilir (ayrıca bkz. Yapay zeka kullanıcı gözetimini nasıl güçlendirir).

Bu rahatsız edici soruları gündeme getiriyor:

• yüz şablonu veritabanlarını kimin kontrol ettiği;
• verilerin ne kadar süre saklanacağı;
• tanıma sonuçlarına kimler ve hangi koşullar altında erişebilir;
• verilerinizin bu tür sistemlerden kaldırılmasını sağlayıp sağlayamayacağınız.

Bireyler risklerini nasıl azaltabilirler?

Modern şehirlerde yüz tanımayı tamamen engellemeniz pek mümkün değildir, ancak şunları yapabilirsiniz:

• Yüz tanımayı nerede kolaylık amacıyla kullanmak istediğinize, nerede devre dışı bırakmayı tercih ettiğinize bilinçli olarak karar verin (örneğin, gerekli olmayan uygulamalarda yüzle oturum açmayı etkinleştirmeyin);
• Cihazlarda ve hizmetlerde gizlilik ayarlarını inceleyin — bazıları şablonların bulutta saklanmaması için seçenekler sunar;
• güvenmediğiniz hizmetlere, özellikle de küçük, bilinmeyen uygulamalara biyometri yüklemekten kaçının;
• Biyometrik verileri silmek için yasal haklara başvurmak ve bu hakların yargı alanınızda mevcut olması durumunda biyometrik veri tabanını kimin işlettiğini sormak.

Şunu da hatırlamakta yarar var:

• çevrimiçi olarak yayınladığınız fotoğraf ve videolar, üçüncü taraf tanıma sistemlerini eğitmek ve çalıştırmak için kullanılabilir;
• halka açık görselleriniz ne kadar yüksek olursa, diğer bağlamlarda kimliğinizin belirlenmesi de o kadar kolay olur.

Çözüm

Yüz tanıma sistemleri şunlara dayanır:

• çerçevedeki bir yüzün algılanması;
• onu matematiksel bir şablona dönüştürmek;
• seçilen eşikleri kullanarak bu şablonu veritabanlarıyla eşleştirmek.

Bu teknoloji modern şehir, iş ve dijital altyapıya derinlemesine yerleştirilmiştir. Kolaylık ve yeni güvenlik olanakları sunarken aynı zamanda benzeri görülmemiş kitlesel gözetleme biçimlerine de olanak tanır. Kullanıcıların bu sistemlerin nasıl çalıştığını anlamaları ve dijital şablon olarak kime güvenecekleri konusunda bilinçli kararlar vermeleri gerekiyor.