تعتبر تقنيات التحقق بالوجه من الأنظمة الحديثة لتحديد هوية الأشخاص بواسطة رسم خرائط لملامح الوجه ومقارنتها بمعلومات في قاعدة البيانات المخزنة في هذه البرامج، وقد أصبحت هذه التقنية في الآونة الأخيرة الأداة الأكثر أمانًا بالنسبة لكثير من المستخدمين على مستوى الدول أو المؤسسات أو على المستوى الشخصي.

وبالطبع استفاد مجال التعليم من هذه التقنية، حيث ظهرت العديد من الأنماط لتطبيق تكنولوجيا التحقق من الوجه وتوظيفها داخل النظام التعليمي وكذلك دمجها مع تطبيقات التعلم العميق، وفي هذه المقالة سنتناول تقنية التحقق بالوجه من حيث العناصر التالية:

أولا- تعريف التحقق بالوجه

هي تقنية تستخدم لالتقاط صورة للوجه، ثم التعرف على ملامح الوجه باستخدام معطيات بارومترية لتعيين ملامحه من خلال مطابقته بقاعدة بيانات ضخمة تضم ملايين الصور.

ثانيا- خلفية تاريخية عن التحقق بالوجه 

مر تاريخ محاولات الإنسان من التوثق بالشخصية بمحطات كثيرة أهمها:

1- الفِراسة

من عقود طويلة حاول الإنسان بالتخمين تارة أو عن طريق “علم الفراسة  physiognomy”  أي التخمين أو الاستدلال على الصفات الشخصية للإنسان عن طريق عوامل مميزة في سمات وجهه.

2- البصمات

انتقل الإنسان للتحقق من الشخصية بمرحلة البصمة، ومنها بصمة الأصبع أو الصوت أو العين أو الدم.. الخ

3- التحقق بالوجه

و في السنوات الأخيرة انتقل التحقق إلى التحقق بالوجه عن طريق برمجيات خاصة بذلك.

ثالثا- مراحل تطبيق تقنية التحقق بالوجه

تمر خوارزمية التحقق بالوجه بالمراحل التالية:

1- الكشف Detection

تلتقط صورة للشخص المراد التعرف عليه إما عن طريق التقاطها وسط حشد ما أو استخدام صورة متاحة من قبل أو استقطاعها من فيديو.

2- التحديد Alignment

بعد التقاط الصورة يقوم النظام بتحديد موضع الرأس وحجمه واتجاهه. وإذا كانت الكشف قد تم باستخدام كاميرا الفيديو ” ثلاثي الأبعاد ” فإنه يتمكن من تحديد ذلك حتى لو كانت الصورة جانبيه أي 90 درجة.

بينما لو كانت الصورة ثنائيه الأبعاد يجب أن لا يزيد الانحناء بين الوجه والكاميرا عن 35 درجة.

3- القياس Measurement

يقوم برنامج النظام بحساب المنحنيات والتعرجات على الوجه بدقة تصل إلى أجزاء من المليميتر. ويُحول تلك المعلومات إلى قالب للوجه، ويقصد بذلك استخلاص العلامات المميزة في الخصائص الفسيولوجية والسلوكية وذلك لوضع القالب في قواعد البيانات “المعلومات”.

4- التمثيل Representation

يقوم النظام في هذه الخطوة بترجمة القالب وتحويله إلى شفرة مكونة من مجموعة من الأرقام، تمثل سمات هذا القالب حيث تكون هذه الشفرات فريدة لكل قالب.

5- المقارنة Matching

تتم معالجة بيانات معالم الوجه لتدخل في معادلة رياضية تمكن البرنامج من مقارنة الصورة بقاعدة بيانات تضم عددا هائلا من الصور.

6- المصادقة  Verification / identification

عادة ما تتم العملية خلال بضع ثوان يتم خلالها تحديد مدى مطابقة الصورة لصورة موجودة في قاعدة بيانات النظام.

رابعا- استخدامات تقنية التحقق بالوجه

أ-الحماية الأمنية

تستخدم كثير من الدول أنظمة التحقق بالوجه لأغراض أمنية أهمها الكشف عن المجرمين. فمثلا تستخدم الولايات المتحدة :نظام “US-VISIT”  لمنع دخول الأشخاص غير المرغوب بهم في أراضيها عن طريق مسح بصمات الأصابع ومطابقة الصورة الشخصية للزائر بقاعدة بيانات تحتوي على عدد هائل من صور “الإرهابين” والمجرمين المحتملين.

ب- أنظمة الحماية 

تستخدم بعض شركات الحماية الإلكترونية بوابات إلكترونية عن طريق التحقق بالوجه، كما تستخدم بعض شركات تصنيع الهواتف النقالة التقنية في حماية الهاتف، ومن أشهرهم شركة آبل عن طريق تقنية  Apple Face ID، فبدلا من استخدام كلمة مرور أو حتى بصمات الأصابع، بمجرد أن توجه وجهك لكاميرا الهاتف يقوم بمطابقة الأخرى المحفوظة مسبقا على الهاتف.

ج- الإعلانات الموجهة

العديد من الجهات تعتمد على التحقق بالوجه في توجيه إعلانات مناسبة للمستخدم، ومن  أشهرها Facebook الذي  يستخدم تقنية التعرف على الوجه لتصنيف المستخدمين من حيث شكل الجسم، وتسريحة الشعر والملابس، ليقوم بمعالجتها وإتاحتها بشكل مخصص للمعلنين لاستهداف المستخدمين المحتملين لشراء منتج أو طلب خدمة ما.

د- الترفيه 

انتشرت تطبيقات ترفيهية مثل faceapp تقوم بتغيير ملامح الوجه باستخدام الذكاء الصناعي أو الفوتوشوب، فيمكنك أن تبدو أكبر أو أصغر في العمر، ويمكن أن تغير الوجه الحزين إلى وجه مبتسم وحتى تغيير وجه الرجل ليبدو امرأة أو العكس.

هـ- التسوق الإلكتروني

تستخدم العديد من المواقع مثل ebay وغيرها التسوق عن طريق التقاط صورة للمنتج الذي ترغب في الحصول عليه، وعن طريق التحقق من أبعاد الصورة التي التقطها يتم عرض قوائم المنتجات المشابهة من حيث الشكل، سواء كانت هذه الصورة تم التقاطها حديثاً بواسطة كاميرا الهاتف الذكي أو كانت مخزنة على ذاكرة الهاتف أو تم العثور عليها من مواقع الإنترنت.

خامسا- مزايا تقنية التحقق بالوجه

– الأمن العام

تعمل التقنية على زيادة مستوى الأمان للمؤسسات المختلفة، فهي تسمح للمؤسسات الأمنية بتتبع تصرفات وسلوك جميع الأشخاص في محيط عملها عن طريق التحقق من قوائم وجوه المشتبه بهم الموجودة في قاعدة بيانات النظام لتقوم على الفور بإنذار المسؤولين عند ارتكاب أي فعل غير قانوني.

– سهولة التطبيق

يمكن لأي مؤسسة دمج هذه التقنية بنظام الأمن الذي تستخدمه الشركة، فالأمر لا يحتاج الى إعادة تطوير النظام ليلائم ما هو متبع في المؤسسة.

– الدقة في التعرف على الوجوه

مع مرور الوقت تصبح التقنية أكثر تطورا، بفضل استخدام كاميرات الأشعة تحت الحمراء واستخدام أسلوب التعرف على الوجه بشكل ثلاثي الأبعاد.

– لا حاجة للعامل البشري

بدلا من توظيف حراس أمن للاهتمام بأمن المؤسسة، تستطيع التقنية أتمتة العملية على مدار اليوم دون أي أخطاء.

سادسا- تحديات استخدام تقنية التحقق بالوجه

– التشابه: يتصادف التشابه الكبير بين بعض الأوجه خاصة في حالات (التوائم/ التشابه).

– الخصوصية: يمكن لأي كاميرا التقاط صورة لك دون معرفتك، مما يمكن أحدهم من ترصدك او ابتزازاك.

– مساحة تخزين الصور: صعوبة الاحتفاظ بالكم الهائل من الصور.

– جودة الصور: تستخدم في هذه التقنية كاميرات عالية الجودة لكي تعمل الخوارزميات على أكمل وجه. لكن توجد بعض المعوقات، فعندما تلتقط الكاميرا صورة للهدف يمكن أن يكون بعيدا عنها نسبيا مما يؤدي إلى ضعف الجودة وبالتالي تصعب-عملية المقارنة.

– زاوية المراقبة: تُصعِّب زاوية التقاط الصورة على النظام تحديد الهوية، لذلك يتم التقاط العديد من الصور بزوايا مختلفة لإخراج قالب مخصص للوجه. وكلما كانت الصورة ذات دقة عالية وكانت زاوية التقاطها مباشرة كلما كان الناتج أكثر دقة.

– ضعف الدقة والوضوح للصور التي تؤخذ عن بعد.

– من عيوب تقنية التعرف على الوجه بواسطة صور ثنائية الأبعاد هو أنها تعتمد على الطيف الضوئي (Visible spectrum) كما ذكرنا سلفًا. وبمعنى أوضح، لن يمكن للتقنية أن تعمل في الظلام. ولكن يمكن حل هذه المشكلة باستخدام كاميرا التصوير الحراري التي تعتمد على الأشعة تحت الحمراء كضوء مرئي.

سابعا- طريقة بناء خوارزميات التحقق بالوجه

تعتمد الخوارزميات البارامترية لتقنية التحقق بالوجه على عدت توجهات:

أ- بيئة MATLAB

تعتبر ماتلاب MATLAB  أيضًا بمثابةِ مصفوفةٍ أو خوارزميةٍ جيء بها خصيصًا لغايات خلق بيئة حوسبةٍ رقميةٍ ذات نماذجٍ متعددةٍ، ويعود الفضل في تطويرها إلى Mathworks، وتتيح هذه اللغة عالية المستوى الفرصة في إجراء تطويرٍ وتغييرٍ على المصفوفات وطرق تخطيط البيانات وتطبيقها كخوارزميات، وتترك بصمةً واضحةً في إنشاء واجهات المستخدم وإقامة حلقة وصلٍ مع البرامج المكتوبة بلغاتٍ أخرى كلغة بايثون وفورتران جافا.

والفيديو التالي يوضح باختصار طريقة بناء خوارزمية تحقق بالوجه عبر MATLAB :

ب- بيئة Python

هي لغة من لغات البرمجة عالية المستوى، تتميز ببساطة كتابتها وقراءتها، و هي سهلة التعلم، تستخدم أسلوب البرمجة الكائنية، مفتوحة المصدر، وقابلة للتطوير. تعتبر لغة بايثون لغة تفسيرية، متعددة الأغراض وتستخدم بشكل واسع في العديد من المجالات، كبناء البرامج المستقلة باستخدام الواجهات الرسومية المعروفة وفي عمل برامج الويب، بالإضافة إلى استخدامها كلغة برمجة نصية للتحكم في أداء بعض من أشهر البرامج المعروفة أو في بناء برامج ملحقة لها.

والفيديو التالي يوضح طريقة بناء خوارزمية تحقق بالوجه في Python :

ج- بيئة  Raspberry Pi

هو عبارة عن قطعة إلكترونية أو جهاز كمبيوتر بحجم كف اليد، تستطيع توصيل شاشتك الخاصه به، وأيضاً لوحة المفاتيح والفأرة، وهو كمبيوتر قادر على عمل ما يعمله جهازك الذي تقرأ منه هذه التدوينة الآن. و يتيح لك استخدام المهام المختلفة كبرامج التحرير والتصفح وحتى الألعاب. كما يستطيع تشغيل فيديو عالي الدقة عن طريق منفذ الـ HDMI.

ثامنا- تطبيقات التحقق بالوجه في التعليم

من تطبيقات التحقق بالوجه في التعليم :

أ- الحضور للمدرسة

-التحقق لدخول المدرسة:

استخدام أنظمة لعمل نطاق التحقق بالوجه من المصرح لهم بدخول المدرسة سواء الطلاب أو أولياء الأمور أو إدارة المدرسة والمعلمين.

– حضور وغياب الطلاب:

استخدام أنظمة لتحديد موعد حضور كل طالب للمدرسة أو غيابه عن الحضور.

ب- رصد حضور الحصة:

استخدام أجهزة أو تطبيق هاتف  لتحديد موعد حضور كل طالب للحصة أو غيابه عن الحضور.

ويتم ذلك عن طريق :

– كاميرات مثبتة في الفصل الدراسي.

– استخدام المعلم لتطبيق بالهاتف الذكي الخاص به.

حيث يقوم بالتقاط صورة عامة للفصل، وبناء على التحقق من وجوه الطلاب يتم رصد حضور الحصة بشكل آلي.

ج- تسجيل الدخول على أنظمة المدرسة

بديلا عن استخدام أنظمة التعليم الإلكتروني باستخدام بطاقة تحتوي على اسم مستخدم وكلمة مرور وما يصاحب ذلك من مشكلات مثل فقدان بيانات الدخول أو صعوبة الدخول على النظام لاسيما مع صغار الطلاب.

وتتيح العديد من الأنظمة التعليمية مثل Moodle   و Classera  و OpenCV مثل هذه الخدمة عبر إجراءات برمجية بسيطة، كمثال في هذا الرابط.

والفيديو التالي لتطبيق الخدمة في نظام OpenCV :

د- التحقق من الطالب أثناء حل الاختبار

تعاني أنظمة التعلم الإلكتروني، بل والتعلم بشكل عام من مشكلة لجوء الطالب لوسيط يقوم بحل التكاليف (الواجب/ الاختبار) بنفسه، ويمكن لتقنية التحقق بالوجه أن تخدم هذه الخاصية في النواحي التالية:

– السماح بالدخول على الاختبار :

يسمح الدخول إلى الطالب لحل الاختبار بعد التحقق بوجه المسجل في قاعدة بيانات المدرسة، وذلك لضمان أن الطالب يقوم بالحل بنفسه.

– التحقق من عدم تداخل شخص آخر مع الطالب أثناء الحل :

للتغلب على مشكلة عدم وجود شخص يساعد الطالب أثناء الحل، يتم استخدام تقنية التحقق بالوجه، وتعتمد هذه التقنية على أنه يتم (طوال فترة حل الطالب) مراقبة الطالب بواسطة الكاميرا الخاصة بجواله أو الكمبيوتر الخاص به، وفي حال وجود (شريك في الشاشة) غير الطالب يتم تحذير الطالب، وفي حال استمرار أو تكرار التداخل يتم إغلاق الاختبار تماما.

هـ- قياس انتباه/تركيز الطلاب

تستخدم تقنيات التحقق بالوجه عبر تقنيات التعلم العميق Deep Learning في قياس مدى تركيز وانتباه الطلاب أثناء الحصة الدراسية، وتنبيه المعلم لنسب انخفاض معدلات التركيز.

وتنقسم هذه التقنيات إلى قسمين:

1- قياس التركيز الجماعي

تتم عن طريق شاشة مراقبة لجميع الطلاب تظهر عند المعلم بشكل احصائي يمكنه من معرفة “متوسط انتباه” الطلاب اثناء شرح الدرس، وتنبيه المعلم في حال انخفاض المتوسط عن حد معين ليقوم بتغيير استراتيجيات التدريس بما يناسب تنشيط وجذب انتباه الطلاب مجددا.

ومن أمثلة التطبيقات في الوطن العربي لتقنيات التحقق بالوجه في قياس التركيز الجماعي للطلاب مشروع “المدرسة الافتراضية” في المملكة العربية السعودية المستخدم فيه أجهزة Cisco CTS-SX80-IP60-K9

وفي الفيديو التالي شرح مختصر للخدمة:

2- قياس التركيز الفردي

من تطبيقات التحقق بالوجه في التعليم توجد أيضا مراقبة الانتباه الفردي لكل طالب من الطلاب أثناء الدرس.

وفي الفيديو التالي إحدى تطبيقات التحقق بالوجه في قياس التركيز الفردي للطلاب في مدرسة في الصين:

تاسعا- مستقبل التحقق بالوجه

يوما تِلو اليوم يزداد ارتبط تقنية التحقق بالوجه بمجال التعلم العميق Deep Learning

ومن تلك الأفكار:

• تسعى شركة Microsoft لاستخدام وتطوير تقنية التعرف على الوجه، واستخدام الذكاء الاصطناعي لتحليل العاطفة من خلال صور الوجه.
• استمرار التحول من التحقق الأمني بكلمات المرور التقليدية، وما يصاحبها من اختراقات أمنية واحتيال إلكتروني إلى التحقق الأمني السيبراني باستخدام تقنيات التحقق بالوجه، حيث إنها أكثر التقنيات الحيوية الواعدة في الذكاء الاصطناعي، والتي تعتبر من تقنيات التحقق التي تستخدم قدرة الذكاء الاصطناعي على التعلم العميق.
• اتساع دائرة الشراء بتقنية التحقق بالوجه، ومن المتوقع في 2020 أن تحقق توسع يتجاوز %20 من السوق الحالي.

المراجع:

• https://dw.com/en/in-germany-controversy-still-surrounds-video-surveillance/a-50976630
• https://www.gemalto.com/govt/biometrics/facial-recognition
• https://gemalto.com/brochures-site/download-site/Documents/gov-info-facial-recognition-travel.pdf
• https://ai/the-threats-and-benefits-of-facial-recognition-what-should-we-know-17008f69ae74?gi=da8d0da105d8
• https://gemalto.com/brochures-site/download-site/Documents/gov-info-facial-recognition-travel.pdf
• https://fastcompany.com/90336549/the-creeping-threat-of-facial-recognition
• https://theguardian.com/commentisfree/2018/aug/17/we-underestimate-the-threat-of-facial-recognition-technology-at-our-peril
• https://mathworks.com/videos/face-recognition-with-matlab-98076.html
• https://com/face-recognition-with-python/
• https://pyimagesearch.com/2018/06/18/face-recognition-with-opencv-python-and-deep-learning/
• https://pyimagesearch.com/2018/06/25/raspberry-pi-face-recognition/
• https://com/microcontroller-projects/raspberry-pi-and-opencv-based-face-recognition-system
• https://aindralabs.com/products/smart-attendance/
• https://semanticscholar.org/paper/Attendance-management-system-using-hybrid-face-Jayant-Borra/9f0dc8a916f8cb6a6f463e7a11b4d3c8b35b49f4
• http://arpnjournals.org/jeas/research_papers/rp_2016/jeas_0716_4570.pdf
• https://wordpress.com/2014/06/13/moodle-login-using-face-recognition/
• https://com/an-intro-to-deep-learning-for-face-recognition-aa8dfbbc51fb
• https://com/knowledge-base/face-recognition-deep-learning/
• http://re-work.co/deep-learning-experts-discuss-the-next-5-years/
• https://com/knowledge-base/face-recognition-deep-learning/
• https://com/deep-learning-past-present-and-future-a-review/