FERET (teknik för ansiktsigenkänning)
FERET - programmet ( Facial Recognition Technology) var ett statligt sponsrat projekt som syftade till att skapa ett stort, automatiskt ansiktsigenkänningssystem för intelligens, säkerhet och brottsbekämpande ändamål. Programmet startade 1993 under ledning av Dr. Harry Wechsler vid George Mason University (GMU) och Dr. Jonathan Phillips vid Army Research Laboratory (ARL) i Adelphi, Maryland och resulterade i utvecklingen av ansiktsigenkänningstekniken (FERET) ) databas . Målet med FERET-programmet var att främja tekniken för ansiktsigenkänning genom att upprätta en gemensam databas med ansiktsbilder som forskare kan använda och sätta en prestandabaslinje för ansiktsigenkänningsalgoritmer.
Potentiella områden där denna ansiktsigenkänningsteknik kan användas inkluderar:
- Automatiserad sökning av muggböcker med hjälp av övervakningsfoton
- Kontrollera tillgången till begränsade faciliteter eller utrustning
- Kontrollera personalens legitimationsuppgifter för bakgrunds- och säkerhetstillstånd
- Övervakning av flygplatser, gränsövergångar och säkra tillverkningsanläggningar för särskilda individer
- Hitta och logga flera framträdanden av individer över tid i övervakningsvideor
- Verifiera identiteter vid bankomater
- Söker i foto-ID-poster för att upptäcka bedrägeri
FERET-databasen har använts av mer än 460 forskargrupper och förvaltas för närvarande av National Institute of Standards and Technology (NIST) . 2017 har FERET-databasen använts för att träna artificiell intelligensprogram och datorseendealgoritmer för att identifiera och sortera ansikten.
Historia
FERET-programmet började först som ett sätt att förena en stor mängd ansiktsigenkänningsteknologi under en standarddatabas. Innan programmet startade skapade de flesta forskare sin egen databas för ansiktsbilder som var anpassad till deras eget specifika studieområde. Dessa persondatabaser var små och bestod vanligtvis av bilder från mindre än 50 personer. De enda anmärkningsvärda undantagen var följande:
- Alex Pentlands databas med cirka 7500 ansiktsbilder vid Massachusetts Institute of Technology (MIT)
- Joseph Wilders databas med cirka 250 individer vid Rutgers University
- Christoph von der Malsburgs databas med cirka 100 ansiktsbilder vid University of Southern California (USC)
Avsaknaden av en gemensam databas gjorde det svårt att jämföra resultaten av ansiktsigenkänningsstudier i den vetenskapliga litteraturen eftersom varje rapport involverade olika antaganden, poängsättningsmetoder och bilder. De flesta av de tidningar som publicerades använde inte bilder från en gemensam databas och följde inte heller ett standardtestprotokoll. Som ett resultat kunde forskare inte göra välgrundade jämförelser mellan prestanda för olika ansiktsigenkänningsalgoritmer.
I september 1993 leddes FERET-programmet av Dr. Harry Wechsler och Dr. Jonathan Phillips under sponsring av USA:s försvarsdepartements program för utveckling av teknikutveckling mot droger.
Fas I
De första ansiktsbilderna för FERET-databasen samlades in från augusti 1993 till december 1994, en tidsperiod som kallas Fas I. Bilderna togs från början med en 35 mm-kamera vid både GMU- och ARL-anläggningar, och samma fysiska inställningar användes i varje fotograferingssession för att hålla bilderna konsekventa. För varje individ togs bilderna i uppsättningar, inklusive två frontvyer, en höger och vänster profil, en höger och vänster kvartsprofil, en höger och vänster halvprofil, och ibland på fem extra platser. Därför bestod en uppsättning bilder av 5 till 11 bilder per person. I slutet av fas I hade FERET-databasen samlat in 673 uppsättningar bilder, vilket resulterade i över 5 000 totalt bilder.
I slutet av Fas I fick fem organisationer möjlighet att testa sin ansiktsigenkänningsalgoritm på den nyskapade FERET-databasen för att jämföra hur de presterade mot varandra. Det var fem huvudutredare:
- MIT, ledd av Alex Pentland
- Rutgers University, ledd av Joseph Wilder
- The Analytic Science Company (TASC), ledd av Gale Gordon
- University of Illinois i Chicago (UIC) och University of Illinois i Urbana-Champaigne, ledda av Lewis Sadler och Thomas Huang
- USC, ledd av Christoph von der Malsburg
Under denna utvärdering gavs tre olika automatiska tester till huvudutredarna utan mänsklig inblandning:
- Det stora galleritestet, som tjänade till att basera hur algoritmer fungerade mot en databas när den inte har justerats korrekt.
- Falskt larmtest, som testade hur väl algoritmen övervakade en flygplats efter misstänkta terrorister.
- Rotationstestet, som mätte hur bra algoritmen presterade när bilderna på en individ i galleriet hade olika poser jämfört med de i sonduppsättningen.
För de flesta av testförsöken lyckades algoritmerna utvecklade av USC och MIT överträffa de andra tre algoritmerna för Fas I-utvärderingen.
Fas II
Fas II började efter Fas I, och under denna tid förvärvade FERET-databasen fler uppsättningar ansiktsbilder. Vid starten av Fas II-utvärderingen i mars 1995 innehöll databasen 1109 uppsättningar bilder för totalt 8525 bilder av 884 individer. Under den andra utvärderingen gavs samma algoritmer från Fas I-utvärderingen ett enda test. Men databasen innehöll nu betydligt fler dubbletter av bilder (463, jämfört med tidigare 60), vilket gjorde testet mer utmanande.
Fas III
Efteråt gick FERET-programmet in i fas III där ytterligare 456 uppsättningar ansiktsbilder lades till databasen. Fas III-utvärderingen, som ägde rum i september 1996, syftade inte bara till att mäta algoritmernas framsteg sedan Fas I-bedömningen utan också att identifiera styrkorna och svagheterna hos varje algoritm och fastställa framtida mål för forskningen. I slutet av 1996 hade FERET-databasen samlat på sig totalt 14 126 ansiktsbilder av 1 199 olika individer samt 365 dubbletter av bilder.
Som ett resultat av FERET-programmet kunde forskarna etablera en gemensam baslinje för att jämföra olika ansiktsigenkänningsalgoritmer och skapa en stor standarddatabas med ansiktsbilder som är öppen för forskning.
År 2003 släppte DARPA en högupplöst, 24-bitars färgversion av bilderna i FERET-databasen (befintlig referens).