Offer Ends In
00
:
00
:
00
:
00
التعرّف على الوجه (المعروف باسم Face ID كما أطلق عليه من خلال الميزة الشهيرة من Apple) هي تقنية تتيح للأنظمة أو الأجهزة التعرّف على الأشخاص والتحقق من هويتهم من خلال التعرف على ملامح وجوههم، وذلك لمنحهم صلاحية الوصول أو الموافقة على تنفيذ معاملة ما. بدلًا من الاعتماد على كلمات المرور أو رموز التحقق لمرة واحدة (OTPs) أو أي طرق أخرى تستغرق وقتًا أطول، تعمل هذه التقنية من خلال تصوير الوجه في أقل من ثانية، وفهم بنيته الفريدة، ثم مقارنته بالمعلومات المخزّنة مسبقًا لمعرفة ما إذا كان الوجه متطابق أم لا.
خلال السنوات القليلة الماضية، انتقلت تقنيات التعرف على الوجه من كونها تجريبية إلى كونها حل عملي للغاية وجزء من حياة الناس، بما في ذلك في المكاتب، والهواتف والتطبيقات، ومحلات البيع بالتجزئة، والمنشآت عالية التأمين.
لا يعد Face ID أو التعرّف على الوجه، من حيث التطوير والتنفيذ، إجراءً واحدًا، بل دورة متكاملة من العمليات. تبدأ هذه الدورة بجمع بيانات الوجه وتخزينها، ثم الإنتقال إلى المعالجة والتدريب، وتنتهي بالتعرف على الوجه والتحقق في الوقت الفعلي. تعتمد كل مرحلة على المرحلة السابقة، ولذلك، دقة النظام تعتمد على المنظومة بالكامل وليس على خطوة واحدة فقط.
يبدأ أي نظام للتعرّف على الوجه بالبيانات. قبل أن يتمكن النظام من التعرف على أي شخص، يجب عليه أولًا أن يتعلّم كيف تبدو الوجوه المختلفة، تمامًا كطفل يعتاد رؤية وجوه الأشخاص من حوله. يتطلب ذلك إنشاء قاعدة بيانات منظّمة للوجوه تحتوي على تنوع بصري كاف يعكس تنوع الوجوه في العالم الحقيقي.
يتم عادةً جمع الصور في ظروف إضاءة مختلفة، ومع تعبيرات وجه وزوايا رؤية متعددة. وتساعد هذه الظروف المتنوّعة النظام على التعرف على الأشخاص حتى عندما يتغير مظهرهم بشكل طفيف، مثل عند الابتسام، أو ارتداء النظارات، أو التواجد في إضاءة غير متجانسة.
للحفاظ على الاتساق، والذي ينعكس بدوره على الدقة، يتم توحيد الصور قبل تخزينها. لكي يتم ذلك، يتم تغيير حجم الوجوه إلى أبعاد متساوية وتحويلها إلى صور بتدرج اللون الرمادي. إزالة الألوان من الصور تبسط البيانات وتقلل من التعقيد غير الضروري، مما يسمح للنظام بالتركيز على تعلم بنية كل وجه بدلًا من التشتت في تفاصيل الألوان والتفاصيل غير الضرورية الأخرى.
بعد مرحلة الإعداد تأتي مرحلة التعلم. في هذه المرحلة، يقوم النظام بتحليل صور الوجوه المخزنة لفهم ما الذي يجعل كل وجه فريد. وبدلًا من تخزين هذه الوجوه على شكل صور، يتم تحويلها إلى تمثيلات رياضية تلتقط الأنماط الأساسية للوجه، والتي يتم توحيدها خلال مراحل التدريب أثناء التدرب على وجوه بشرية عامة.
تعمل الأساليب التقليدية على تبسيط بيانات الوجه إلى خصائص أساسية تميّز شخصًا عن آخر. وعلى الرغم من أن هذه الأساليب ليست جديدة، فإنها لا تزال فعّالة وذات كفائة عالية بما يكفي للاستخدام في الوقت الفعلي. لا يتذكّر النظام الوجوه بالطريقة التي يفعلها البشر، بل يتعلم العلاقات بين ملامح الوجه ويستخدم هذه العلاقات لاحقًا للتعرّف على أوجه التشابه.
بمجرد اكتمال التدريب والتطوير، يصبح النظام جاهزًا للاستخدام من قبل المستخدمين. تلتقط الكاميرات في الأجهزة الصور، وتكتشف الوجوه داخل كل إطار، ثم تقوم بإعدادها باستخدام الخطوات نفسها التي تم تطبيقها أثناء التدريب. يضمن ذلك أن تتطابق البيانات الحية مع تنسيق البيانات المخزنة قدر الإمكان.
بعد ذلك، يقارن النظام الوجه الذي التقط صورة له (على شكل تمثيلات رياضية) بقاعدة البيانات الخاصة به ويصدر نتيجة. تحدد هذه النتيجة ما إذا كان سيتم منح الوصول أم لا، وغالبًا ما تكون مصحوبة بدرجة ثقة تشير إلى مدى تطابق الوجه مع المعلومات المخزنة. إذا كانت النتيجة إيجابية، يمكن أن تؤدي إلى إجراءات مثل فتح الهاتف، أو منح الوصول إلى تطبيق، أو فتح باب.
لم تعد الشركات بحاجة إلى بناء أنظمة بيومترية معقدة من البداية. توفر خدمات مثل Authentica حلولًا جاهزة للمصادقة البيومترية دون كتابة أي كود، وبمعايير أمان عالية ونظام دفع مرن حسب الاستخدام، مما يقلل التكلفة المبدئية ويُسرّع من اعتماد التقنية.
بناء نظام للتعرّف على الوجه لا يعتمد على خوارزمية واحدة أو أداة واحدة. بل هو دورة تبدأ بإعداد البيانات، وتستمر عبر التعلم المنظم، ثم التكامل داخل النظام والتحسين المستمر. وعلى الرغم من أن هذا المقال ليس دليلا تقنيا، فإنه يقدم تصورا شاملا لكيفية عمل العملية من بدايتها من منظور عام.
