Die Erkennung von Gesichtern ist kein isoliertes Feld der Informatik. Sie hat bedeutende Anwendungen in der Wirtschaft.
Eines der meistdiskutierten Themen unserer Zeit ist zweifellos die Gesichtserkennung.
Sie ist ein Bereich des angewandten maschinellen Lernens, der darauf abzielt, menschliche Gesichter zu erkennen und zu identifizieren. Dies war bisher eine große Herausforderung für Computer. Diese Entwicklung hat eine neue Welt voller aufregender Möglichkeiten und Herausforderungen für Unternehmen, Regierungen und Privatpersonen eröffnet.
Wenn Sie eine Führungskraft sind und sich fragen, warum es so viel Aufregung um dieses Thema gibt und ob diese neue Technologie Ihrem Unternehmen wirklich nützt, dann sind Sie hier genau richtig. In diesem Artikel werden wir die Geschichte der Gesichtserkennung, ihre Entwicklung, ihre aktuelle Verwendung, Kontroversen, Implementierung und viele andere Aspekte beleuchten.
Am Ende dieses Artikels werden Sie ein umfassendes Verständnis dafür haben, was die Gesichtserkennungstechnologie beinhaltet und welche Auswirkungen sie auf Unternehmen hat.
Legen wir los!
Die Entwicklung der Gesichtserkennung
Trotz des großen Medienechos und der Aufregung um die Gesichtserkennung gibt es diese Technologie schon seit einiger Zeit. Die erste wichtige algorithmische Arbeit zur Gesichtserkennung war das Viola-Jones-Objekterkennungs-Framework, das 2001 veröffentlicht wurde. Obwohl es sich um ein allgemeines Framework zur Identifizierung von Objekten in Bildern handelte, wurde es schnell und mit großem Erfolg für die Gesichtserkennung eingesetzt. Der Hauptgrund für die Beliebtheit dieses Algorithmus war seine Geschwindigkeit; während der Trainingsprozess sehr langsam war, lief der Erkennungsprozess extrem schnell.
Bereits zwischen 2001 und 2004 konnte ein durchschnittlicher Desktop-Computer, auf dem dieser Algorithmus lief, einen 300 x 300 Pixel großen Frame in nur 0,07 Sekunden verarbeiten (mehr dazu hier). Die Genauigkeit, obwohl nicht vergleichbar mit der menschlichen Leistung, war mit 90 % beeindruckend.
Wirkliche Fortschritte wurden jedoch erst im Jahrzehnt von 2010 bis 2020 erzielt, als sich konvolutionale neuronale Netze als die effektivste Methode zur Gesichtserkennung etablierten. Dies war auf die Verfügbarkeit von enormer Rechenleistung und großen Arbeitsspeichern zurückzuführen, die durch Cloud-Computing-Anbieter im Bereich Infrastructure-as-a-Service (IaaS) bereitgestellt wurden. Zum ersten Mal in der Geschichte übertrafen Computer die menschliche Fähigkeit zur Gesichtserkennung, insbesondere wenn es um eine große Anzahl von zufälligen Gesichtern ging.
Quelle: medium.com
Wie funktioniert die Gesichtserkennung?
Die Gesichtserkennung ist ein mehrstufiger Prozess, der mehrere spezialisierte Subsysteme umfasst.
Hier sind die verschiedenen Phasen im Detail:
Erkennung / Verfolgung: Dieser Teil der Vorverarbeitungsphase ist für die Identifizierung und Verfolgung von Gesichtern in der angegebenen Bild- oder Videodatei zuständig. Sobald dieser Vorgang abgeschlossen ist, wissen wir mit Sicherheit, dass die gegebene Eingabe ein Gesicht enthält und können mit der weiteren Verarbeitung fortfahren. Die Verfolgungsphase ist auch für die Verfolgung bestimmter Teile, Merkmale oder Ausdrücke in einem Gesicht verantwortlich, falls dies erforderlich sein sollte.
Ausrichtung: Das Problem der Gesichtserkennung wird dadurch erschwert, dass Gesichter in einem bestimmten Bild oder Video keinen bestimmten Regeln folgen. Die Person kann vergrößert oder verkleinert sein, hinter einem Baum hervorschauen oder in einem Seitenprofil erscheinen, was das Problem der Gesichtserkennung weiter erschwert. Hier kommt die Gesichtsausrichtung ins Spiel: Sie gibt an, wo sich die Gesichtslinien in dem angegebenen Bild/Video befinden und was die Konturen der Gesichtszüge sind.
Quelle: csc.kth.se
Merkmalsextraktion: Wie der Name schon sagt, werden in dieser Phase des Prozesses (wir befinden uns jetzt in der Erkennungsphase) die einzelnen Gesichtsmerkmale wie Augen, Nase, Kinn, Lippen usw. in einer Form extrahiert, die die Algorithmen in der nächsten Stufe verwenden können. In diesem Stadium hat der Computer genügend komplexe Daten gesammelt, um ein Gesicht eindeutig zu unterscheiden.
Merkmalsabgleich/Klassifizierung: In dieser Phase werden die Eingaben, die bei der Merkmalsextraktion erhalten wurden, mit der gegebenen Datenbank abgeglichen, um die Identität der Person zu ermitteln. Diese Phase wird auch als Klassifizierung bezeichnet, da der Algorithmus möglicherweise Gesichter kategorisieren muss, anstatt sie einzeln zu identifizieren.
Sobald dieser Prozess abgeschlossen ist, wissen wir mit Sicherheit, ob das angegebene Gesicht Teil der Datenbank ist, mit der wir verglichen haben oder nicht. Die endgültige Ausgabe kann auch Tagging enthalten, wie wir es von Facebook gewohnt sind.
Quelle: Towarddatascience.com
Überlegungen zur Bereitstellung: Serverseitig vs. Clientseitig
Die Gesichtserkennung kann sowohl auf dem Server als auch auf dem Gerät des Benutzers durchgeführt werden. Wenn Sie beispielsweise ein Foto auf Facebook hochladen, werden die Algorithmen serverseitig ausgeführt; Andererseits muss auf dem Client ein Identifikationssystem laufen, das Ihr Gesicht zum Entsperren des Geräts verwendet. Also, was ist besser?
Ehrlich gesagt geht es nicht darum, welche Methode besser ist. Sowohl die serverseitige als auch die clientseitige Bereitstellung haben ihre Vorteile; in der Praxis nutzen Unternehmen ein Hybridsystem. Die empfohlene Vorgehensweise ist es, Ihre Modelle serverseitig zu trainieren, wo die Trainingsdaten und Verarbeitungsressourcen unbegrenzt sind. Sobald die Modelle trainiert sind, können sie gepackt und clientseitig bereitgestellt werden, was die Geschwindigkeit des Systems verbessert und die Privatsphäre des Benutzers schützt.
Alles an den Server zu senden, führt zu Verzögerungen, die in manchen Fällen nicht hinnehmbar sein können. Wenn jedoch alles auf der Clientseite verbleibt, führt dies zu schwächeren Modellen.
Wie genau ist die Gesichtserkennung?
Genauigkeit ist bei der Gesichtserkennung ein schwer zu definierender Begriff. Der Hauptgrund dafür ist, dass es sich um ein unscharfes Problem handelt, das mit allen möglichen fehlerhaften Eingaben (schlechtes Licht, ein teilweise von Haaren bedecktes Gesicht, Kameraqualität usw.) und sogar irreführenden Eingaben zu tun hat (dazu später mehr!). Infolgedessen müssen die an der Gesichtserkennung beteiligten neuronalen Netze für das jeweilige Problem optimiert werden, was ihren Anwendungsbereich einschränkt. Während also ein industrielles Gesichtserkennungssystem eine Genauigkeit von 100 % aufweisen kann (was häufig der Fall ist), kann dasselbe System möglicherweise nicht einmal 20 % genau sein, wenn es darum geht, Gesichter auf einem überfüllten Foto zu identifizieren.
In einer Studie konnte eine bestimmte Art von Gesichtserkennungsalgorithmus eine Genauigkeit von 98,52 % erreichen, was höher ist als die menschliche Genauigkeit von 97,53 %, die im selben Test erzielt wurde. In einer anderen Studie im Bereich der Forensik führte die Kombination aus menschlichem Urteilsvermögen und Algorithmen in einigen Fällen zu den besten Ergebnissen.
Fazit: Für fokussierte, klar definierte Anwendungen ist die Gesichtserkennung das beste Werkzeug, das uns zur Verfügung steht.
Wo wird die Gesichtserkennung eingesetzt?
Selbst in der kurzen Zeit, in der praktikable Algorithmen entwickelt wurden, hat die Gesichtserkennung unglaublich nützliche und spannende Anwendungen gefunden. Einige davon sind sehr offensichtlich, andere sind so subtil und grundlegend in den Alltag verwoben, dass wir kaum noch darüber nachdenken, was eigentlich dahinter steckt.
Facebook ist vielleicht das bekannteste Beispiel für moderne Gesichtserkennungssysteme. Sobald Sie ein Foto hochladen, ist das soziale Netzwerk in der Lage, Gesichter zu erkennen. Während Sie vor einiger Zeit noch aufgefordert wurden, Freunde zu markieren, kann Facebook das jetzt selbstständig tun.
Quelle: labnol.org
Eine interessante neue Anwendung von Facebook ist das Feature, Benutzer zu informieren, wenn Fotos mit ihrem Gesicht von jemandem hochgeladen werden, auch wenn sie auf diesen Fotos nicht markiert wurden.
Snapchat nutzt die Gesichtserkennung für viele seiner Funktionen, insbesondere die beliebten lustigen Filter.
Quelle: gistreeel.com
Damit diese Filter funktionieren, müssen die Konturen und Merkmale des Gesichts des Motivs perfekt erkannt werden, da die Überlagerungen sonst nicht realistisch wirken. Das Gleiche gilt für Face Swap, eine weitere beliebte Funktion von Snapchat. Falls Sie sich für eine eingehendere Untersuchung der Gesichtserkennungsfähigkeiten von Snapchat interessieren, finden Sie hier weitere Informationen.
Uber kämpft schon seit einiger Zeit mit Bedenken hinsichtlich Datenschutz und Sicherheit. Die neueste Waffe im Arsenal des Unternehmens ist die Gesichtserkennung. Das Unternehmen hat eine neue Funktion eingeführt, mit der die Identität seiner Fahrerpartner mit ihren Gesichtern überprüft wird. Das Unternehmen gab in seinem Blog bekannt, dass es sich nach Tests mit mehreren Anbietern von Gesichtserkennungstechnologien aufgrund der hohen Qualität für die Microsoft Face API entschieden hat. Interessanterweise funktioniert diese Echtzeit-ID-Überprüfung auch bei schlechten Lichtverhältnissen gut und kann Brillen erkennen.
Da sich die Gesichtserkennung in der Praxis als erfolgreich erweist, ist es leicht vorherzusagen, dass sie bald andere Identifizierungsmethoden in Bildungseinrichtungen, Krankenhäusern, Bibliotheken usw. ersetzen wird.
Die Verbrechensbekämpfung im Einzelhandel ist eine natürliche Erweiterung des Einsatzes der Gesichtserkennung. Der Einzelhandel verliert schätzungsweise 45 Milliarden Dollar pro Jahr durch Ladendiebstähle und andere Einzelhandelsdelikte. Bisher war es kaum möglich, diesem Problem etwas entgegenzusetzen. Jetzt können Unternehmen wie FaceFirst Einzelhändlern helfen, die Gesichtserkennung zu nutzen, um frühere Straftäter zu erkennen und das Sicherheitspersonal zu alarmieren.
Die Polizeiarbeit beginnt, die Gesichtserkennung zu nutzen, wie auch alle anderen Institutionen. In Großbritannien beispielsweise verwendet die Polizei von South Wales Kameras, die an Lieferwagen befestigt sind, um die Überwachung von Menschenmengen zu erleichtern.
Quelle: theconversation.com
Während diese neu gewonnene Supermacht in den Händen der Polizei hitzige öffentliche Debatten über die Privatsphäre des Einzelnen ausgelöst hat, glaubt die Polizei, dass sie ihnen helfen wird, Kriminelle besser zu fassen. Wie Richard Lewis, stellvertretender Polizeichef von South Wales, gegenüber der Financial Times sagte:
Wenn Sie jemanden identifizieren, der eine Straftat begangen hat [previously], sagen Sie im Grunde: Wir wissen, dass Sie hier sind, bitte benehmen Sie sich.
Im Gesundheitswesen gab es kürzlich eine unerwartete Anwendung, bei der die Gesichtserkennung dabei half, eine seltene genetische Störung namens DiGeorge-Syndrom zu erkennen.
Das DiGeorge-Syndrom tritt bei etwa 1 von 6.000 Kindern auf und führt zu Missbildungen an verschiedenen Körperteilen. Das Gesundheitsproblem ist in diesem Fall schwerwiegender für ärmere Länder, die nicht die Ressourcen für teure Diagnosemethoden haben. Daher bietet die Gesichtserkennung mit einer erstaunlichen Genauigkeit von 96,6 % neue Hoffnung für Opfer des DiGeorge-Syndroms.
In der Luftfahrt nimmt die Einführung der Gesichtserkennung zu und wird bald die herkömmlichen Bordkarten ersetzen. Derzeit gibt es begrenzte, aber vielversprechende Ergebnisse bei der Unterstützung Passagieren beim Ausreisen. Tatsächlich hat die Transport Security Administration (TSA) der USA einen Plan für den weit verbreiteten Einsatz von Biometrie auf der Grundlage der Gesichtserkennung erstellt.
Kontroverse Anwendungen der Gesichtserkennung
Die Technologie gibt uns Werkzeuge in die Hand, doch die Art und Weise, wie sie eingesetzt wird, liegt in unserer Verantwortung. Daher ist es nicht verwunderlich, dass etwas so Mächtiges und Grundlegendes wie die Gesichtserkennung auf eine Weise eingesetzt wird, die Bedenken hinsichtlich grundlegender Menschenrechte und ethischer Fragen aufwirft.
Das bekannteste Beispiel für den umstrittenen Einsatz der Gesichtserkennung ist Chinas riesiges Überwachungssystem, das schätzungsweise 200 Millionen Kameras einsetzt, um die 1,4 Milliarden Bürger im Auge zu behalten.
Quelle: sbs.com
Das System verfolgt Personen und bewertet ihre Aktionen, wobei es eine Metrik namens Bürgerbewertung ständig aktualisiert. Während es einen gewissen Wert hat, ein mächtiges staatlich kontrolliertes Überwachungssystem zu haben (z. B. zur Verfolgung von Schuldnern), sehen die meisten darin die Ankunft der dystopischen Zukunft, die sich George Orwell vorgestellt hat. Es ist eine Zukunft, in der Regierungen uneingeschränkte Macht über den Einzelnen haben und Privatsphäre nicht existiert.
Das zweite Beispiel für den kontroversen Einsatz der Gesichtserkennung kommt (wenig überraschend) ebenfalls aus China. Diesmal setzt das Schulsystem die Gesichtserkennung ein, um sicherzustellen, dass die Schüler während des Unterrichts „aufmerksam“ sind. Das neue Gesichtserkennungssystem ersetzt zwar noch nicht flächendeckend Ausweise, Bibliothekskarten, Anwesenheitssysteme usw., aber es verwendet das Gesicht des Schülers zur Identifizierung.
Quelle: businessinsider.com
Doch das Besorgniserregende daran ist, dass dieses System die Aufmerksamkeit der Schüler, die Nutzung von Mobiltelefonen usw. überwacht und die Lehrer benachrichtigt, wenn eine bestimmte Schwelle überschritten wird.
Die durch Gesichtserkennung unterstützte Videoüberwachung ist zwar nicht exklusiv für China, doch die USA haben Anstrengungen unternommen, um die Waffengewalt in Schulen einzudämmen – aber China scheint weiter zu gehen als jedes andere Land.
Vergleich beliebter Gesichtserkennungs-APIs
Welche Möglichkeiten haben Sie, wenn es um den Einsatz der Gesichtserkennung geht? In diesem Abschnitt werden wir uns ansehen, was häufig verwendet wird und wie sich die verschiedenen Lösungen im Vergleich schlagen.
Bevor wir jedoch beginnen: Wir möchten Sie daran erinnern, dass sich diese APIs schnell weiterentwickeln, und Sie werden wahrscheinlich auf Blogbeiträge stoßen, in denen behauptet wird, dass diese API über diese oder jene Funktion nicht verfügt. Treffen Sie Ihre Entscheidungen nicht auf dieser Grundlage. Analysieren Sie zunächst Ihre geschäftlichen Anforderungen, prüfen Sie sorgfältig die angebotenen Funktionen, beginnen Sie mit der Recherche und treffen Sie erst dann Ihre Entscheidung.
OpenCV
Die KI-Forschung ist ein Fass ohne Boden. Ein Gesichtserkennungssystem zu trainieren und zu perfektionieren ist schwierig und sollte am besten großen Konzernen mit tiefen Taschen und einer Armee von Forschern überlassen werden. Wenn Ihre Anforderungen jedoch einfach sind und Sie die volle Kontrolle haben möchten – und Sie natürlich bereit sind, ein kleines Ingenieurteam zu beschäftigen – könnte OpenCV genau das Richtige für Sie sein.
Es ist eine Open-Source-Bibliothek für maschinelles Sehen, die bemerkenswert genau ist und für alle Programmierplattformen verfügbar ist. Hier ist ein verblüffendes Beispiel, wie Sie mit Python und OpenCV in nur 25 Codezeilen ein Gesichtserkennungssystem erstellen können!
Möglicherweise stoßen Sie auf einige Blogs, in denen behauptet wird, dass OpenCV keine Gesichtserkennung unterstützt. Nun, das ist schlichtweg falsch, und hier ist der Beweis. Alles in allem kann OpenCV eine gute Wahl für Ihr Unternehmen sein, wenn die Anforderungen einfach und spezifisch sind.
Amazon Rekognition
Rekognition ist ein leistungsstarkes Angebot von einem der größten Cloud-Anbieter – AWS. Es ist ein vollständig verwalteter, leistungsstarker Service für die AWS-Plattform. Wenn Sie AWS bereits für Ihr Deployment verwenden, ist Rekognition wahrscheinlich die beste Wahl.
Einige der beeindruckenden Funktionen von Rekognition sind:
- Echtzeitanalyse (während Sie ein Bild oder Video in S3 hochladen)
- Umfangreiche Gesichtsanalyse (Geschlecht, Haarfarbe, Gesichtsausdruck, ob die Augen offen oder geschlossen sind usw.)
- Pathing (Erfassen der Wege identifizierter Objekte in Videos)
- Szenen- und Aktivitätserkennung (drinnen/draußen, „Fußball spielen“ usw.)
- Moderation unsicherer Inhalte (z. B. Nacktheit)
Das größte Plus von Rekognition ist gleichzeitig auch das größte Minus – es ist wirklich schwierig, es mit Nicht-AWS-Diensten zu verwenden, so dass Sie es möglicherweise einfach aufgeben müssen.
Kairos
Im deutlichen Gegensatz zu Rekognition stellt Kairos Ihnen die KI über eine API zur Verfügung (die Reime sind unbeabsichtigt, wir schwören!), sodass Sie die vollständige Kontrolle über Ihre Daten und Server haben. Kairos positioniert sich als ein Dienst, der die Privatsphäre in den Mittelpunkt stellt und ist äußerst kritisch gegenüber Amazon und anderen Unternehmen, die mit Regierungen zusammenarbeiten (das Gleiche gilt übrigens für ACLU).
Kairos funktioniert sowohl mit Bildern als auch mit Videos und verfügt über alle nützlichen Funktionen, die man von einer modernen Gesichtserkennungs-API erwarten würde. Es hat einige der erstaunlichen Funktionen von Rekognition, aber wenn Sie diese nicht benötigen und Ihre Daten bereits verwalten, warum sollten Sie sich dann die Mühe machen?!
Kairos bietet eine On-Premises-Bereitstellung für diejenigen, die in Bezug auf den Datenschutz paranoid sind und nicht einmal Daten zur Verarbeitung über die Leitung senden möchten. Die Preise für Kairos hängen von Ihrem Anwendungsfall ab und können ziemlich hoch sein.
Google Cloud Vision
Google hat sich entschieden, zwischen seinen Gesichtserkennungsdiensten für Bilder und Videos zu unterscheiden. Die Bild-API ist bekannt als Cloud Vision, während der videofokussierte Dienst Video Intelligence genannt wird.
Während der bildorientierte Dienst dem ähnelt, was AWS zu bieten hat, verfügt der Videodienst über eine nützliche Funktion zum Katalogisieren und Suchen. Dies ist nützlich für Unternehmen, die über große Videoarchive verfügen, die sie möglicherweise analysieren oder durchsuchen möchten.
Allerdings fehlen Video Intelligence zum jetzigen Zeitpunkt die Gesichtserkennungsfunktionen, und diese scheinen nur in Cloud Vision angeboten zu werden. Objektverfolgung und Texterkennung befinden sich ebenfalls im Beta-Stadium und liegen damit weit hinter den Angeboten von Amazon zurück.
Azure Face API
Da Microsoft seine Cloud-Angebote (endlich) ernster nimmt als seine Desktop-Angebote, ist die Azure Face API ein attraktives Angebot. Es verfügt über alle interessanten Funktionen, die Sie erwarten würden (Erkennung, Identifizierung, Gruppierung von Gesichtern, Suche nach ähnlichen Gesichtern, Emotionen usw.) und funktioniert auch mit Videos gut.
Das hat zwar nicht direkt mit Gesichtserkennung zu tun, aber es ist erwähnenswert, dass Azure auch einen Computer Vision für Kunden anbietet Service, mit dem Sie Ihre Eingaben verwenden und Modelle nach Ihren Bedürfnissen trainieren können.
Genau wie bei dem Dienst von Google gibt es direkt auf der Startseite ein Playground, der das Testen der API sehr unterhaltsam macht!
Gibt es signifikante Unterschiede zwischen den am besten verwalteten Gesichtserkennungsdiensten? Nicht wirklich. Es herrscht derzeit ein intensiver Wettbewerb in diesem Bereich, und neue Funktionen werden schneller eingeführt als Pizzen gebacken. Wenn Sie bereits an ein bestimmtes Ökosystem gebunden sind, ist es sinnvoll, den dazugehörigen Gesichtserkennungsdienst zu nutzen. Ansonsten sollten Sie vielleicht einen anderen Anbieter wählen, wenn Ihre Anforderungen sehr spezifisch sind (Kontrolle über Ihre eigenen Daten, nur einfache Erkennung usw.).
Anti-Gesichtserkennungssysteme
So wie einige Forscher ihr Leben der Perfektionierung der Gesichtserkennungstechnologie gewidmet haben, sind andere damit beschäftigt, Techniken zu entwickeln, um sie auszutricksen. Eine solche interessante Entwicklung ist die Gegnerbrille, die für Menschen völlig normal aussieht, aber in der Lage ist, hochentwickelte Gesichtserkennungssysteme auszutricksen.
Quelle: digitaltrends.com
Diese Brillen sind jedoch noch nicht auf dem Markt erhältlich, obwohl die Forscher sagen, dass sie sich leicht im 3D-Druck herstellen lassen.
Eine weitere interessante Entwicklung war die Einführung der Ekō-Brille auf Kickstarter. Obwohl das Produkt inzwischen eingestellt wurde, basierte es auf einer bemerkenswert einfachen Idee: eine schlichte, alltägliche Sonnenbrille für 45 US-Dollar, die einfach das Licht reflektierte und Kameras und Videoüberwachungsgeräte „ausrasten“ ließ.
Genau wie im Bereich der Cybersicherheit liefern sich „Hacker“ und Forscher im Bereich der Gesichtserkennung einen Wettlauf um Perfektion. Um das Jahr 2014 herum erlebten wir die Popularität von Camouflage-Make-up, das eine Art Unsichtbarkeit vor der Gesichtserkennung bot, aber heutzutage nicht mehr brauchbar ist. Wird es eine AES-Verschlüsselung der Gesichtserkennung geben? Das wird die Zeit zeigen!
Ist die Gesichtserkennung etwas für Sie?
Die Art von Unternehmen, die von der Gesichtserkennung profitieren kann, ist diejenige, die sich mit Menschen beschäftigt – und das bedeutet so ziemlich jedes Unternehmen! Während die aktuellen Anwendungen der Gesichtserkennung von Regierungen, großen Unternehmen oder Technologie-Startups vorangetrieben zu werden scheinen, gibt es keinen Grund, warum Ihr Unternehmen nicht davon profitieren könnte.
Die Möglichkeiten sind wirklich grenzenlos, wenn wir etwas kreatives Denken hinzufügen – Kunden in einem Hotel begrüßen und identifizieren, Ihre Freunde in einer Menschenmenge finden, Menschen mit ähnlichen Gesichtern finden (vielleicht um sie als Schauspieler einzusetzen), Persönlichkeiten für Vorstellungsgespräche identifizieren (auch hier lassen wir der Fantasie freien Lauf; eine solche Studie hat möglicherweise keine Substanz), maßgeschneiderte Banking-Erfahrung, wenn ein wertvoller Kunde eintritt … Es gibt unzählige Möglichkeiten, die Gesichtserkennung auf kleiner und großer Ebene zu nutzen, um die Leistung Ihres Unternehmens zu verbessern.
Fazit
Schon bald wird die Gesichtserkennung so allgegenwärtig sein, dass wir sie nicht einmal mehr wahrnehmen werden (ähnlich wie bei Mobiltelefonen?). Die zugrunde liegende Technologie ist nahezu perfektioniert, aber in der realen Welt geht es nicht nur darum, Gesichter zu erkennen – es geht darum, was wir mit dieser Fähigkeit anfangen können.
Klingt faszinierend und Sie sind daran interessiert, mehr zu erfahren? Dann schauen Sie sich diesen brillanten Kurs über Computer Vision an.