Trăim î ntr-o lume a tehnologiei avansate și nimeni nu își mai poate imagina o viată fără [625821]

1
Introducere
Trăim î ntr-o lume a tehnologiei avansate și nimeni nu își mai poate imagina o viată fără
calculatoare sau telefoane mobile.
Calculatoarele sunt reprezentate între timp pretutindeni și în viața cotidiană a fiecăruia
dintre noi: – începând de la tabela de in formare dintr -un Supermaket până la sistemul de entertain
din mașina, pe care o conducem. Să nu uităm telefoanele mobile care cele mai multe dintre ele
au funcții și aplicații informatice de ultimă generaț ie.
Nu toate aceste sisteme pot fi dirijate prin conceptul de bază, avâ nd mouse și tastatură .
Pentru astfel de situaț ii este nevoie de concepte noi de deservire.
Chiar dacă î ntre timp majoritatea acestor funcții și aplicații informatice au fost
imple mentate in tele foanele mobile nou apă rute pe piaț a și au devenit astfel accesibile publicului
larg, cadru de util izare a multora dintre aplicații este limitat și astfel nu toate problemele pot fi
rezolv ate prin montarea unor aplicaț ii.
Într-un domeniu, cum ar fi recunoașterea de chipuri sau de fețe, s -au încercat și aplicat
multiple metode. Fiind atâ t de vast acest domeniu se pot implementa metode noi sau perfecț iona
cele existente.
În filme se poate vedea mereu, cum unii dintre actori recurg la metode informatice
avansate de -a sparge un seif , de-a accesa niște date secrete dintr -o bază de date, de -a avea acces
în spații de siguranța, prin aplicaț ii cum ar fi recunoaș terea de voce, de iris, de chip, de amprentă.
Chiar dacă cele arătate în
film se pot cataloga drept ficțiune, conceptul de -a recunoaș te chipul sau amprenta, este aplicabil
și în lumea reală , departe de Hollywood.
În continuare sunt orașe precum Rotterdam, î n care s -a testat timp de un an un scanner de
chipuri, î n scopul de -a reduce vandalismul și violent,a într -o staț ie de metrou intens circulată. În
Germania s -au inițiat proiecte î n cadrul Festivalurilor de cultură , a concertelor de muzică î n aer
liber sau a meciurilor de fotbal , care au făcut posibilă recunoașterea chipurilor persoanelor
participante, în vederea depistării și id enticării indivizilor cu problem comportamentale.
Un chip recunoscut poate folosit ca și un factor biometric în vederea autentificării în
rețelele de calculatoare.
Se poate observa deci faptul că, recunoașterea digitala de chipuri sau de fețe este
răspând ită într – o oarecare măsură în domenii mai puțin obișnuite, cum ar fi criminalistică,
medicină legală, baza de date din cadrul Serviciului de evidentă al populației. Acest lucru are
bineînț eles mai multe motive, iar unul dintre acestea este desigur faptul că, transpunerea tehnică

2
nu este accesibilă tuturor. Persoanele care a r folosi aceste aplicaț ii nu sunt informaticieni cali cați
și astfel nu dispun de cunoștinț ele necesare pentru a transpune tehnic recunoașterea de chipuri
bazată pe aparate foto. Aici int ervine rolul unui informa tician. Acesta dispune de cunoș tințe de
limbaje de programare, cu ajutorul cărora se face posibilă transpunerea în realitate a recunoașterii
digitale de chipuri. Trebuie asigurat faptul că, aplicaț ia poate fi folosită de fiecare ș i de persoane
care dispun doar de puține cunoștinț e de programare.
1. Noțiuni generale
1.1 Recunoașterea facială
1.1.1 Ce este recunoașterea facial ă

Recunoașterea feței este o sarcină ușoară pentru oameni. Difetite au arătat că și
copiii în vârstă de una până la trei zile sunt capabili să distingă fețele cunoscute. Sa
demonstrat că creierul nostru are niște celule nervoase specializate care răspund anumitor
caracteristici loc ale ale unei scene, cum ar fi linii, muchii, unghiuri sau mișcări. Deoarece
nu vedem lumea ca niște piese împrăștiate, cortexul nostru vizual trebuie să combine într –
un fel diferitele surse de informații în modele utile. Recunoașterea automată a feței
vizează extragerea acelor trăsături semnificative dintr -o imagine, punerea lor într -o
reprezentare utilă și efectuarea unui fel de clasificare asupra lor.
Recunoașterea feței pe baza caracteristicilor geometrice ale unei fețe este probabil
cea mai intuitivă ab ordare a recunoașterii faciale. Unul dintre primele sisteme automate
de recunoaștere a feței a fost descris astfel: punctele marker (poziția ochilor, urechilor,
nasului etc.) au fost folosite pentru a construi un vector caracteristic (distanța dintre
punct e, unghiul dintre ele,). Recunoașterea a fost efectuată prin calcularea distanței
euclidiene dintre vectorii de trăsături ale unei probe și imaginea de referință. O astfel de
metodă este robustă împotriva modificărilor iluminării prin natura ei, dar are un
dezavantaj uriaș: înregistrarea exactă a punctelor marker este complicată, chiar și cu
algoritmi de ultimă oră. Unele dintre cele mai recente lucrări privind recunoașterea
geometrică a feței care au fost efectuate a un vector de 22 de dimensiuni și exper imentele
pe seturi de date mari au arătat că numai caracteristicile geometrice nu au suficientă
informație pentru recunoașterea feței. [1]
Recunoașterea fețelor de azi funcționează cel mai bine atunci când li se dau imagini
frontale complete ale fețelor, în condiții relativ uniforme de iluminare, deși imaginile ce urmează
a fi stocate în baza de date sunt create la diferite varietati de lumină.
!!!!screenshot cu baza de date!!!!!!

3
Unele dintre cele mai vechi abordări pentru recunoașterea feței au implicat găsirea
locațiilor cu trăsături distinctive ale imaginii, cum ar fi ochii, nasul și gura, și măsurarea
distanțelor între aceste locații caracteristice. Abordările mai recente se bazează pe compararea
imaginilor de nivel de culoare gri proiectate p e dimensiuni reduse subspații numite eigenfaces și
modelarea în comun a formei și a aspectului variații utilizând modele de aspect activ . [2]
1.1.2 Aplicații și domenii care azi se folosesc sisteme de recunoa ștere facială
Platformele de social media au folosit recunoașterea faciala pentru a -și diversifica
funcționalitățiile și pentru a atrage o gamă cât mai mare de utilizatori.
SnapChat este o aplicatie media ce foloseste filtre speciale pentru modificarea feței, fapt
ce i-a adus un real succes pe intreg mapamondul, toate acestea fiind posibile prin utilizarea
tehologiilor de recunoaștere faciala.

DeepFace este un sistem de recunoaștere facială, creat de un grup de cercetare de pe
Facebook. Identifică chipurile umane în imagini digitale. Utilizează o rețea neurală cu nouă
straturi, cu peste 120 de milioane de greutăți de conectare, și a fost instruită pe patru milioane de
imagini încărcate de utilizatorii Facebook. Se spune că sistemul este 97% corect, comparati v cu
85% pentru sistemul de identificare de generație următoare a FBI [20]
.
Chiar și noile tehnologii mobile folosesc sisteme biometrice de recunoaștere
facială, unul diintre acestea este Face ID, introdus de Iphone, pentru noul model de
telefon: Ip hone X, acesta fiind introdus pe motive de securitate, pe langă amprenta
digitală. ID -ul feței are un senzor de recunoaștere a feței care constă din două părți: un
modul "Romeo" care proiectează mai mult de 30.000 de puncte infraroșu pe fața
utilizatorului și un modul "Julie" care citește modelul. Modelul este trimis la un "Secure
Enclave" local din unitatea centrală de procesare a dispozitivului pentru a confirma o
potrivire cu fața proprietarului telefonului.
Un alt domeniu in care recunoașterea facială a re un rol important este in poliție,
Forța de frontieră australiană și serviciile vamale din Noua Zeelandă au înființat un

4
sistem automatizat de prelucrare a frontierelor, numit SmartGate, care utilizează
recunoașterea feței, care compară fața călătorului cu datele din microcipul e -passport.
Principalele aeroporturi canadiene vor folosi un nou program de recunoaștere facială care
va compara fețele oamenilor cu pașapoartele lor. Aeroportul Internațional Tocumen din
Panama operează un sistem de supraveghere l a nivel de aeroport, folosind sute de camere
de recunoaștere a feței vii pentru a identifica persoanele care au căutat să treacă prin
aeroport. Forțele de poliție din Marea Britanie au încercat tehnologia de recunoaștere
facială în direct la evenimentele p ublice din 2015. Cu toate acestea, un raport recent și o
investigație efectuată de Big Brother Watch au constatat că aceste sisteme au fost de până
la 98% inexacte.
Recunoașterea faciala este folosită și in securitatea națională și internațională, un
bun e xemplu ar fi Departamentul de Stat al SUA administrează unul dintre cele mai mari
sisteme de recunoaștere a feței din lume, cu o bază de date de 117 milioane de adulți
americani, fotografiile făcute în mod obișnuit din fot ografiile licenței de conducere . Deși
este încă departe de a fi finalizat, este pus în aplicare în anumite orașe pentru a da indicii
despre cine a fost în fotografie. FBI folosește fotografiile ca instrument de investigație,
nu pentru identificarea pozitivă. Începând cu anul 2016, recunoa șterea facială a fost
utilizată pentru a identifica persoanele din fotografiile făcute de poliție în San Diego și
Los Angeles (nu în timp real și numai î n rezervarea fotografiilor) , iar utilizarea a fost
planificată în Virginia de Vest și Dallas. [3]
1.1.3 Punctele slabe sistemului de recunoaștere facială
Punctele slabe ale recunoașterii faciale sunt reprezentate de factori cum ar fi
unghiul de vizionare al feței, sistemele de recunoaștere facială sunt capabile să
recunoască o față în poziție frontală până la un punct de aproximativ 20°, dar dacă fața
este înclinata la mai mult de 20°, sistemul nu mai poate detecta si recunoaște fața
respectivă. Un alt factor ce aduce un dezavantaj rescunoașterii faciale este rezoluția cu
care sunt captate imagiiniile , prec um și luminozitatea în care acestea sunt captate, acești
factori duc la scăderea precizie i de recunoaștere faială.
!!!!imagini cand nu se realizeaza recunoasterea

1.2 Rețele neuronale
1.2.1 Noțiuni generale
Rețele neuronale reprezintă ansambluri de elemente de procesare simple, interconectate
prin canale de comunicații prin care se propagă informație numerică. Altfel spus rețelele
neuronale artifciale sunt rețele alcătuite din neuroni artifciali. Acestea reprezintă obiectul de
cercetare a neuroi nformaticii și reprezintă ramura inteligenței artifciale. Rețelele neuronale
artifciale au la fel ca și neuronii artifciali un model biologic.[4] [5]

5
O reprezentare simplifcată a unei rețele neuronale artifciale este prezentată în figura

Rețea neuronala

Rețelele neuronale artif ciale se bazeaza de cele mai multe ori pe o interconectare a mai
multor neuroni sau devieri uș oare de la aceștia. În principiu pot găsi aplicație și alț i neuroni
artifciali într -o rețea neuronală artifcială . Topologia unei rețele trebuie să fie bine gândită. După
construcția unei reț ele ur mează faza de antrenament, în care o reț ea învață .
Din punct de vedere teoretic o rețea poate învăța prin urmă toarele metode:
a. Dezvoltarea de noi conexiuni, radierea conexiunilor existente.
b. Modifcarea ponderii (a ponderii wij de la neuronal i la neuronul j).
c. Adaptarea valorilor prag a neuronilor.
d. Adăugarea sau ștergerea de neuroni.
La programele cu rețele neuronale nu există o zonă fixă de memorare.Datele sunt
memorate prin stabilirea valorilor corespunzatoare ale ponderilor conexiunilor sinaptice dintre
neuronii reț elei. La programele standarte cu locaț ie fixă de memorare in cazul defectării zonei de
memorare î ntregul program este inutil, spre diferența de programele cu reț ele neuronal e unde
distrugerea unei zone nu implică distrugerea sau neputința de rezolvare a sarcinii. La asemenea
defecțiune scade doar perfomanța, acuratețea progra mului.
Algoritmul la reț ele neuronal e este puțin neconvențional față de cele obiș nuite prin faptul
că ele nu necesită scrierea amănunțită a pasilor, ele obțin soluția/soluț iile prin învățarea din
exemple. Evindent cu cî t se fac mai multe exemple cu atâ t mai apropiat este programul de soluția
ideală .
1.2.2 Neuronul biologic
Neuronii sunt celule individuale, specifce pentru sistemul nervos, care comunică între ele.
Mărimea unui neuron este cuprinsa între 100 -200 µm si 4 -8 µm. Neuronii sunt
interconectaț i prin sinapse.
Neuronul este format din:
– dendrite, se colectează semnalele de intrare de la alți neuroni.
– soma (corpul neuronului/celulei), formată din membrană si substanța intracelulară –
trasnformă în anumite condiț ii semnalele de intrare în semnale de ieș ire.
– axon, se trans mit semnalele de ieșire spre alț i neuroni.
Semnalele care se transm it între neuroni au o formă electrică, potenț ialul electric

6
variază spațio -temporal. Aceste schimbă ri au loc pe membrama celulei. î n stare de repaus
interiorul celulei este încărcat cu sarcină negativă . Diferent, a de potenț ial între interior si
exterior e ste aproximativ -70 mV. Dendritele sunt canalele de intrare in neuron.

1.2.3 Neuronul artificial
Rețelele neuronale sunt modele matematice făcute după sistemele nervoase biologice. Un
neuron artifcial este o unitate de procesare simplă într -o rețea neuro nală artificială, analogă
neuronului biologic. Neuronul artifcial formează baza pentru un model al rețelei neuronale
artifciale, un model din neuroinformatică, care este motivat prin rețele neuronale biologice. Ca și
model conectionist neuronii formează în tr-o rețea formată din neuroni artifciali, o rețea
neuronală artificială și pot astfel aproxima în mod arbitrar funcții complexe, î nvață exerciții ș i
rezolva probleme, la care este dificilă sau nerealizabilă o modelare explicită. Exemple ar fi
recunoașterea feței ș i a limbajului.
Neuronul articial s -a născut dintr -un mode l biologic al celulei nervoase și poate pre lucra
mai multe introducer i de date și reacționa corespunză tor cu privire la activarea
sa. Pentru acest lucru intro ducerile sunt preda te unei funcț ii de emitere, care calculează activarea
neuronală . Compor tamentul acestora le este dat î n general prin învățatare
folosindu -se un procedeu de învațare . [6]

7

Bibliografie

[1] https://docs.opencv.org/2.4/modules/contrib/doc/facerec/facerec_tutorial.html#introduction ;
[2] Computer Vision: Algorithms and Applications Rich ard Szeliski September 3, 2010 draft;
[3] https://en.wikipedia.org/wiki/Facial_recognition_system#cite_note -21
[4] N.L. Tudor. Ret,ele neuronale artifciale. Aplica ții Matlab. Ed. MATRIX ROM Bucuresti,
Romania, București, 2012.
[5] M.H. Hassoun. Fundamentals of Articial Neural Networks. MIT press, 1995.
[6] F. Rosenblatt. Two theorems of statistical separabiliiy in the perceptron. 164 -165:1