vi
en
Công nghệ nhận diện khuôn mặt không chỉ mang đến cho người dùng trải nghiệm nhanh chóng, tiện lợi mà còn nâng cao hiệu quả bảo mật cao trong quá trình xác thực danh tính. Tuy nhiên, liệu bạn đã hiểu rõ các phương pháp kỹ thuật nào đang được áp dụng trong công nghệ này chưa? Sau đây, FPT.AI sẽ giới thiệu các phương pháp nhận diện khuôn mặt chính được sử dụng trong việc xây dựng mô hình, từ các thuật toán cơ bản đến các công cụ tiên tiến.
Các phương pháp nhận diện khuôn mặt dựa trên hình học hoặc khuôn mẫu
Các phương pháp nhận diện khuôn mặt có thể được phân loại thành các phương pháp dựa trên hình học (Geometry-Based) và các phương pháp dựa trên khuôn mẫu (Template-Based). Các phương pháp này sử dụng các công cụ thống kê mạnh mẽ để phân tích và so sánh các mẫu khuôn mặt trong cơ sở dữ liệu với các hình ảnh đầu vào để xác minh danh tính. Dưới đây là các phương pháp nhận diện khuôn mặt dựa trên hình học hoặc khuôn mẫu chính:
SVM (Support Vector Machines)
SVM là một phương pháp học máy được sử dụng để phân biệt các lớp khác nhau trong không gian dữ liệu. Trong nhận diện khuôn mặt, SVM sẽ tìm kiếm các siêu phẳng phân chia các lớp khuôn mặt khác nhau sao cho khoảng cách giữa các lớp là lớn nhất. Điều này giúp phân biệt các khuôn mặt với độ chính xác cao và có khả năng tổng quát tốt với những dữ liệu chưa được thấy.
>>> XEM THÊM: Công nghệ nhận diện gương mặt trong ngân hàng và 4 ứng dụng thực tiễn
PCA (Principal Component Analysis – Phân tích thành phần chính)
PCA là một kỹ thuật phân tích thống kê giúp giảm chiều dữ liệu và tìm ra các thành phần chính của khuôn mặt, thường được gọi là “Eigenfaces”. PCA xác định các trục chính mà trên đó các khuôn mặt có sự biến đổi lớn nhất. Điều này giúp giảm kích thước của không gian đặc trưng mà vẫn giữ được các đặc điểm quan trọng để nhận diện khuôn mặt dễ dàng và nhanh chóng hơn.
LDA (Linear Discriminant Analysis – Phân tích phân biệt tuyến tính)
Khác với PCA, LDA không chỉ giảm chiều dữ liệu mà còn tối đa hóa sự phân biệt giữa các lớp (khuôn mặt khác nhau). LDA tìm kiếm các đặc trưng để phân biệt rõ ràng các lớp khuôn mặt, giúp nhận diện chính xác hơn khi có sự thay đổi nhỏ trong các đặc điểm khuôn mặt.
Kernel Methods
Phương pháp Kernel (chẳng hạn như Kernel PCA) là một mở rộng của PCA sử dụng các hàm Kernel để biến đổi không gian dữ liệu, giúp xử lý các trường hợp không tuyến tính. Thay vì chỉ phân tích các thành phần chính trong không gian dữ liệu ban đầu, Kernel PCA đưa dữ liệu vào một không gian mới, nơi các mối quan hệ không tuyến tính có thể trở thành tuyến tính, từ đó giúp nhận diện khuôn mặt hiệu quả hơn.
Trace Transform (Phép biến đổi dấu)
Đây là một phương pháp chuyển đổi các hình ảnh khuôn mặt thành các đặc trưng có thể so sánh được thông qua phép toán dấu. Nó thường được sử dụng trong các phương pháp nhận diện khuôn mặt dựa trên mẫu, khi mà các đặc trưng dấu có thể được tối ưu hóa để phù hợp với các mẫu khuôn mặt trong cơ sở dữ liệu.
>>> XEM THÊM: eKYC là gì? Lợi ích và ứng dụng của eKYC trong Ngân hàng
Các phương pháp nhận diện khuôn mặt một phần/toàn bộ
Phương pháp Piecemeal (phân tích từng phần khuôn mặt) và Wholistic (phân tích toàn bộ khuôn mặt) đại diện cho hai cách tiếp cận khác nhau trong việc nhận diện khuôn mặt. Một số nghiên cứu sử dụng cách tiếp cận Piecemeal, phân tích các phần cụ thể của khuôn mặt, chẳng hạn như mắt, mũi, miệng. Những phần này có thể được so sánh với các đặc trưng tương ứng trong cơ sở dữ liệu để nhận diện khuôn mặt. Ví dụ, khoảng cách giữa hai mắt hay hình dạng của mũi có thể cung cấp những dấu hiệu nhận diện rõ ràng.
Tuy nhiên, các phương pháp Wholistic lại phân tích toàn bộ khuôn mặt cùng một lúc, với một tập hợp các đặc trưng tổng thể thay vì tách biệt các phần riêng biệt. Đây là một cách tiếp cận mạnh mẽ, vì toàn bộ khuôn mặt có thể cung cấp một bức tranh đầy đủ và chính xác hơn về đặc điểm nhận diện, đồng thời giúp tránh sai sót khi các bộ phận khuôn mặt có sự thay đổi do các yếu tố như góc nhìn hay ánh sáng.
>>> XEM THÊM: Công nghệ Deepfake là gì? Cách thức hoạt động và Ứng dụng của Deepfake
Các phương pháp nhận diện khuôn mặt dựa trên hình dáng hoặc mô hình
Các phương pháp nhận diện khuôn mặt dựa này tập trung vào việc mô hình hóa khuôn mặt từ các đặc trưng hình dáng hoặc cấu trúc tổng thể của khuôn mặt. Phương pháp dựa trên hình dáng (Appearance-Based) sử dụng các kỹ thuật phân tích hình ảnh để trích xuất các đặc trưng từ khuôn mặt mà không cần phải hiểu rõ về các thành phần cấu trúc bên trong. Cách tiếp cận này sử dụng các kỹ thuật học máy để học từ dữ liệu huấn luyện, sau đó sử dụng các mô hình đã học để nhận diện khuôn mặt trong các tình huống mới.
Cách tiếp cận dựa trên mô hình (Model-Based) sử dụng các mô hình toán học hoặc mô hình 3D để mô phỏng cấu trúc khuôn mặt, bao gồm các đặc điểm như hình dạng của xương mặt, sự chuyển động của các cơ, và các đặc trưng khác có thể biến đổi theo thời gian. Các mô hình này thường được xây dựng dựa trên các nguyên lý hình học và được tối ưu hóa để nhận diện khuôn mặt chính xác hơn.
>>>> XEM THÊM: Facematch AI – Công nghệ xác thực khuôn mặt cốt lõi trong eKYC
Các phương pháp nhận diện khuôn mặt dựa trên đối sánh mẫu, thống kê hoặc mạng thần kinh
Các phương pháp nhận diện khuôn mặt này sử dụng các kỹ thuật khác nhau để nhận diện khuôn mặt dựa trên mẫu, thống kê hoặc các mạng thần kinh nhân tạo.
- Template Matching (Đối sánh mẫu): Đây là phương pháp đơn giản nhưng hiệu quả, trong đó hệ thống sẽ so sánh hình ảnh khuôn mặt đầu vào với các mẫu khuôn mặt có sẵn trong cơ sở dữ liệu. Phương pháp này dựa trên sự tương đồng giữa các mẫu khuôn mặt, giúp nhận diện chính xác khi có ít sự thay đổi về ánh sáng hoặc góc nhìn.
- Statistical Approach (Phương pháp tiếp cận thống kê): Các phương pháp thống kê trong nhận diện khuôn mặt sử dụng các phép toán và mô hình xác suất để phân tích dữ liệu hình ảnh. Những phương pháp này có thể sử dụng các mô hình thống kê như các phân phối Gaussian – một mô hình thống kê trong đó dữ liệu được phân bố theo một dạng chuông đối xứng, với giá trị trung bình ở giữa và các giá trị khác phân tán xung quanh – để mô hình hóa khoảng cách giữa các đặc điểm trên khuôn mặt trong các điều kiện khác nhau, như ánh sáng yếu hay góc nhìn lệch.
- Neural Networks (Mạng thần kinh): Đây là một trong những phương pháp mạnh mẽ nhất hiện nay trong nhận diện khuôn mặt. Các mạng thần kinh nhân tạo, đặc biệt là các mạng nơ-ron sâu (Deep Neural Networks), có khả năng học từ dữ liệu lớn và phân loại các khuôn mặt rất chính xác. Chúng có thể xử lý các đặc điểm khuôn mặt phức tạp và nhận diện khuôn mặt trong nhiều điều kiện khác nhau như thay đổi ánh sáng, góc nhìn hay biểu cảm khuôn mặt.
>>> XEM THÊM: Video KYC gia tăng hàng rào bảo mật cho các giải pháp eKYC
Giải pháp tích hợp công nghệ nhận diện khuôn mặt đạt tiêu chuẩn quốc tế
Tại Việt Nam, FPT Smart Cloud là một trong những đơn vị tiên phong trong việc phát triển giải pháp định danh khách hàng tiên tiến tích hợp AI tạo sinh (Generative AI) cùng các công nghệ hiện đại bậc nhất như công nghệ nhận diện khuôn mặt (Face-matching), Xác minh thực thể sống (Liveness Detection), Video eKYC và Quy trình xác thực doanh nghiệp (eKYB). Giải pháp FPT AI eKYC của FPT Smart Cloud đã được cải tiến liên tục để đáp ứng các tiêu chuẩn quốc tế khắt khe về chống gian lận và giả mạo khuôn mặt, nâng cao khả năng bảo mật toàn diện.
Giải pháp định danh khách hàng điện tử này đã đạt chứng nhận quốc tế ISO/IEC 30107-3 sau khi vượt qua bài kiểm tra Presentation Attack Detection (PAD) của iBeta, đơn vị kiểm định uy tín được công nhận bởi Viện Tiêu chuẩn Kỹ thuật Quốc gia Hoa Kỳ (NIST). Điều này chứng minh FPT AI eKYC có khả năng phát hiện và ngăn chặn các hình thức gian lận tinh vi như sử dụng ảnh tĩnh, video phát lại, ảnh in, ngón tay giả và các công cụ mô phỏng khuôn mặt.
Đặc biệt, công nghệ Fraud Detection giúp FPT AI eKYC phát hiện và ngăn chặn các gian lận liên quan đến giấy tờ tùy thân giả hoặc bị chỉnh sửa. Giải pháp này cũng sử dụng các phương pháp nhận diện khuôn mặt 3D để phân tích khuôn mặt từ nhiều góc độ, nhận diện chính xác ngay cả trong những điều kiện ánh sáng hoặc môi trường không thuận lợi.
Toàn bộ quá trình xác minh danh tính khách hàng trên FPT AI eKYC chỉ mất 35-40 giây, với độ chính xác lên đến 98%. Đây không chỉ là một công cụ giúp nâng cao hiệu suất xác thực danh tính mà còn đóng vai trò quan trọng trong việc bảo vệ an ninh và ngăn chặn gian lận trong môi trường trực tuyến ngày nay.
Tóm lại, các phương pháp nhận diện khuôn mặt đằng sau công nghệ nhận diện khuôn mặt vô cùng đa dạng và phức tạp. Mỗi phương pháp có những ưu điểm riêng và được ứng dụng trong các tình huống khác nhau. Với sự phát triển không ngừng của công nghệ, nhận diện khuôn mặt sẽ tiếp tục đóng vai trò quan trọng trong việc nâng cao trải nghiệm người dùng và ứng dụng trong các lĩnh vực khác nhau. Nếu cần được tư vấn chi tiết hơn về giải pháp định danh khách hàng điện tử, hãy liên hệ ngay với FPT.AI.
>>> XEM THÊM:
- Deep Learning là gì? So sánh DL với AI và Machine Learning
- Xử lý ngôn ngữ tự nhiên là gì? 3 Ứng dụng thực tế của NLP (Natural Language Processing)
- AI Agents là gì? Sự khác biệt giữa AI Agents và AI Chatbot
