در چند سال اخیر، حضور و غیاب از یک کار تکراری اداری به یک موضوع استراتژیک در مدیریت منابع انسانی و کنترل تردد تبدیل شده است. وقتی پای هوش مصنوعی و «تشخیص چهره» وسط میآید، دیگر فقط بحث ثبت ورود و خروج نیست؛ موضوع این است که آیا سیستم شما میتواند در شرایط واقعی، با چهرههای متفاوت، نور نامناسب، ماسک، عینک و تردد بالا، همچنان نزدیک به ۹۹٪ دقیق باشد یا نه.
در این مقاله میخواهم دقیق و در عین حال قابلاستفاده توضیح بدهم که هوش مصنوعی در دستگاه حضور و غیاب تشخیص چهره دقیقاً چه کار میکند، دقت ۹۹٪ در عمل یعنی چه، چه چالشهایی وجود دارد و چطور میتوانید با تکیه بر محصولات و نرمافزارهای فراتکنو، این دقت را در سازمان خودتان به واقعیت تبدیل کنید. برای آشنایی با مدلها و دستهبندیها میتوانید دسته «دستگاههای حضور و غیاب تشخیص چهره» فراتکنو را هم ببینید:
چرا دقت در دستگاه حضور و غیاب تشخیص چهره اینقدر مهم است؟
وقتی از دقت ۹۹٪ صحبت میکنیم، ممکن است در نگاه اول تفاوت ۹۵٪ و ۹۹٪ خیلی بزرگ به نظر نرسد؛ اما در مقیاس یک سازمان با دهها یا صدها پرسنل، همین چند درصد، خودش را در چند جا نشان میدهد:
-
خطا در محاسبه کارکرد، اضافهکار و تأخیرها
-
افزایش اعتراض پرسنل به دلیل ثبت نادرست ورود و خروج
-
کاهش اعتماد به سیستم و برگشت به فرمهای دستی یا کنترل سنتی
-
ریسک امنیتی در مجموعههایی که حضور و غیاب با کنترل دسترسی در یک سامانه یکپارچه شده است
هر بار که دستگاه چهره را اشتباه رد میکند یا تشخیص نمیدهد، عملاً وقت پرسنل، واحد اداری و واحد آیتی گرفته میشود. هدف سیستم مبتنی بر هوش مصنوعی این است که این خطاها را به حداقل برساند و در دنیای واقعی – نه فقط در دیتاشیت – به عددی نزدیک به ۹۹٪ برسد.
هوش مصنوعی در قلب دستگاه حضور و غیاب تشخیص چهره
در ظاهر، دستگاه تشخیص چهره فقط یک صفحه و یک دوربین است؛ اما آنچه این دستگاه را «هوشمند» میکند، مدلهایی از جنس شبکههای عصبی عمیق و الگوریتمهای پردازش تصویر است که پشت صحنه اجرا میشوند.
مراحل کار به زبان ساده اینطور است:
-
چهره در تصویر زنده پیدا میشود.
-
از صورت، یک نمایه عددی منحصربهفرد ساخته میشود.
-
این نمایه با پایگاه داده چهرههای ثبتشده مقایسه میشود.
-
سیستم در کسری از ثانیه تصمیم میگیرد: این فرد چه کسی است و آیا مجاز است یا نه.
این «نمایه عددی» همان چیزی است که اجازه میدهد دستگاه، کارمند را حتی با تغییرات ظاهری مثل کوتاه یا بلند شدن ریش، عوض شدن مدل مو یا استفاده از عینک هم بشناسد.
برای آشنایی بیشتر با مبانی تشخیص چهره، میتوانید مقاله آموزشی درباره فناوری تشخیص چهره در وبلاگ فراتکنو را هم مرور کنید:
مراحل پردازش چهره در چند صدم ثانیه
برای اینکه تصویر واضحتری از فرایند داشته باشید، میشود کل مسیر تشخیص را در چند گام خلاصه کرد:
-
تشخیص چهره در تصویر
سیستم ابتدا فقط تشخیص میدهد «در این قاب، کجا صورت انسان وجود دارد؟». این مرحله بهخصوص وقتی چند نفر همزمان از جلوی دستگاه رد میشوند یا افراد کمی دورتر میایستند مهم است. -
همترازسازی و نرمالسازی
اگر صورت کمی کج باشد، سر بالاتر یا پایینتر باشد یا فرد بهطور کامل روبهروی دستگاه نایستاده باشد، الگوریتم سعی میکند صورت را به وضعیت استاندارد نزدیک کند تا صورتهای مختلف در شرایط مشابه با هم مقایسه شوند. -
استخراج ویژگیها
شبکه عصبی از روی تصویر، یک «بردار ویژگی» تولید میکند؛ برداری از چند ده یا چند صد عدد که ساختار چهره را خلاصه میکند. این بردار چیزی شبیه امضای دیجیتال همان فرد است. -
مقایسه با پایگاه داده
بردار بهدستآمده با بردارهای ذخیرهشده پرسنل در دستگاه (یا سرور) مقایسه میشود. هر چه فاصله دو بردار کمتر باشد، احتمال این که متعلق به یک نفر باشند بیشتر است. -
تصمیمگیری و ثبت تردد
اگر شباهت از یک آستانه مشخص بالاتر باشد، دستگاه هویت فرد را تأیید میکند و حضور یا خروج را ثبت میکند؛ در غیر این صورت درخواست رد میشود یا از کاربر خواسته میشود دوباره تلاش کند.
این مراحل روی کاغذ طولانی به نظر میرسند، اما در دستگاههای جدید، در حد چند دهم ثانیه اتفاق میافتند.
نقش یادگیری عمیق در رسیدن به دقت ۹۹٪
آنچه دستگاههای مدرن حضور و غیاب تشخیص چهره را از نسلهای قدیمی جدا میکند، استفاده از مدلهای یادگیری عمیق (Deep Learning) است. این مدلها بهجای اینکه فقط چند نقطه ساده روی صورت را اندازه بگیرند، الگوی کلی چهره را یاد میگیرند.
مدلهای مورد استفاده معمولاً روی مجموعهدادههای بسیار بزرگ و متنوع آموزش داده میشوند؛ تصاویری از:
-
افراد در سنین مختلف
-
با عینک و بدون عینک
-
با ماسک و بدون ماسک
-
در نور روز، نور داخل، نور ضعیف و نور ترکیبی
-
از زوایای کمی مایل، نیمرخ و روبهرو
هرچه تنوع دادههای آموزشی بیشتر باشد، دستگاه در دنیای واقعی با چهرههای متفاوت کمتر غافلگیر میشود و در نهایت نرخ خطای سیستم پایین میآید.
در برخی مدلهای جدید فراتکنو مثل LF10 از فناوری نور مرئی (Visible Light) برای بهبود تشخیص چهره در شرایط واقعی استفاده شده که به افزایش دقت و سرعت شناسایی کمک میکند.
دقت ۹۹٪ در دنیای واقعی به چه معنی است؟
یک نکته مهم این است که عدد دقت روی بروشور، همیشه همه واقعیت را نشان نمیدهد. دقت در محیطهای کنترلشده آزمایشگاهی یک چیز است، دقت در محیط واقعی سازمان شما با نور، شلوغی، رفتار پرسنل و نوع استفاده روزمره چیز دیگری.
برای اینکه بفهمیم دستگاه در عمل چقدر دقیق است، باید ببینیم در این شرایط چه رفتاری دارد:
-
کارمند با عجله وارد میشود، کامل روبهروی دستگاه نمیایستد.
-
نور صبح از پنجره مستقیم به صورت فرد میخورد یا عصرها نور محیط کم میشود.
-
بخشی از صورت با ماسک، شال یا کلاه پوشانده شده است.
-
در زمان شروع شیفت، چند نفر پشت سر هم مقابل دستگاه قرار میگیرند.
سیستمی که در چنین شرایطی همچنان بتواند بخش عمده ترددها را بدون خطا ثبت کند، واقعاً به دقت نزدیک به ۹۹٪ رسیده است؛ وگرنه عدد روی کاغذ کاربرد عملی زیادی ندارد.
در مقاله مقایسه دستگاه حضور و غیاب اثر انگشتی و تشخیص چهره در وبلاگ فراتکنو هم به همین موضوع دقت در شرایط مختلف اشاره شده است:
عوامل محیطی موثر بر دقت تشخیص چهره
مهمترین چیزهایی که در محیط واقعی روی دقت اثر میگذارند عبارتاند از:
-
نور: نور خیلی کم یا خیلی شدید، سایههای تند و نور از پشت میتواند کیفیت تصویر را پایین بیاورد.
-
زاویه صورت: اگر کارمند کاملاً روبهروی دستگاه نایستد و مثلاً سرش را به سمت همکار چرخانده باشد، الگوریتم کار سختتری دارد.
-
پوشش صورت: ماسک، شال، کلاه، و گاهی حتی ریش خیلی پر، بخشی از صورت را پنهان میکنند.
-
کیفیت نصب: ارتفاع نامناسب، زاویه اشتباه نصب یا فاصله زیاد کاربر تا دستگاه، همگی روی کیفیت تصویر اثر میگذارند.
-
رفتار کاربر: اگر کاربر بیش از حد نزدیک یا دور بایستد، سریع رد شود یا جلوی لنز را با دست بگیرد، احتمال خطا بیشتر میشود.
خود هوش مصنوعی تلاش میکند بخشی از این مشکلات را با نرمالسازی تصویر جبران کند، اما نقش نصب اصولی و آموزش اولیه به کاربران را هم نباید دستکم گرفت.
هوش مصنوعی چطور خطا را مدیریت میکند؟
برای نزدیک شدن به دقت ۹۹٪، فقط تشخیص چهره کافی نیست؛ سیستم باید یاد بگیرد با خطاها و شرایط غیرعادی هم هوشمندانه برخورد کند. چند نمونه از این قابلیتها:
-
تنظیم خودکار روشنایی و کنتراست تصویر در لحظه
-
تشخیص زنده بودن چهره (Liveness Detection) برای جلوگیری از تقلب با عکس و ویدئو
-
آستانههای پویا برای تشخیص، متناسب با سطح امنیت مورد نیاز
-
امکان تعریف روشهای پشتیبان مثل کارت یا اثر انگشت برای موارد خاص
دستگاههایی حضور و غیاب AI12F و NF50 در فراتکنو معمولاً بیش از یک روش احراز هویت (تشخیص چهره، اثر انگشت، کارت) را در کنار هم ارائه میدهند تا اگر در شرایطی خاص دقت روش تشخیص چهره کاهش پیدا کرد، سیستم همچنان قابلاعتماد بماند.
کاربردهای واقعی در سازمانها و صنایع مختلف
یکی از نکات قوت تشخیص چهره مبتنی بر هوش مصنوعی این است که در فضای اداری مرتب، کارخانه پر سر و صدا، درمانگاه شلوغ یا باشگاه ورزشی، همگی میتواند کار کند؛ البته به شرط انتخاب درست مدل و نصب استاندارد.
-
در ادارات و شرکتها، مهمترین مزیت، راحتی و سرعت ثبت تردد است؛ بدون نیاز به کارت و لمس دستگاه.
-
در کارخانهها و محیطهای صنعتی، مقاومت دستگاه و توان کار در شرایط سختتر (گردوغبار، تردد زیاد، شیفت شب) مهم است.
-
در فضاهای آموزشی و درمانی، سرعت بالا و عدم نیاز به تماس فیزیکی با دستگاه اهمیت دارد.
اگر میخواهید ببینید چه مدلهایی با شرایط کاری شما سازگارتر است، صفحه لیست قیمت دستگاههای حضور و غیاب فراتکنو نقطه شروع خوبی است:
مزایای تجاری دقت نزدیک به ۹۹٪ برای کسبوکار
وقتی دستگاه شما در عمل دقیق کار کند، فقط یک وسیله ثبت تردد ندارید؛ بلکه یک ابزار مدیریت منابع انسانی و کنترل هزینهها در اختیار دارید:
-
محاسبه دقیق کارکرد و کاهش اختلاف نظر بین پرسنل و واحد اداری
-
حذف یا کاهش جدی تقلب (کارت زدن بهجای همکار، ثبت دستی غیرواقعی و…)
-
گزارشهای قابلاتکا برای تصمیمگیری درباره شیفتبندی، اضافهکار و بهرهوری
-
بهبود تجربه پرسنل؛ چون فرآیند ورود و خروج سریع، بدون صف و بدون دردسر انجام میشود
اگر این دقت را با یک نرمافزار حضور و غیاب قدرتمند ترکیب کنید، عملاً یک زنجیره کامل از ثبت تردد تا محاسبه حقوق و دستمزد خواهید داشت. فراتکنو برای همین منظور مجموعهای از نرمافزارهای تخصصی حضور و غیاب و حقوق و دستمزد را ارائه میدهد:
چرا فراتکنو گزینهای جدی برای دستگاههای تشخیص چهره است؟
اگر بخواهم از زاویه عملی نگاه کنم، چند ویژگی در محصولات فراتکنو دیده میشود که برای رسیدن به دقت بالا در دنیای واقعی مهم است:
-
تنوع مدلها با تکنولوژیهای مختلف تشخیص چهره، اثر انگشت و کارت
-
استفاده از فناوریهای جدید مثل نور مرئی در برخی مدلها برای بهبود کارکرد در محیطهای واقعی
-
همراهی نرمافزارهای تخصصی حضور و غیاب برای اتصال مستقیم دادهها به سیستم حقوق و دستمزد
-
پشتیبانی و آموزش، که در عمل برای راهاندازی درست و کاهش خطای انسانی بسیار تعیینکننده است
برای مثال، دستگاه حضور و غیاب SpeedFace V5L فراتکنو یکی از مدلهایی است که هم تشخیص چهره سریع دارد و هم روشهای جایگزین مثل کارت و رمز عبور را در کنار آن ارائه میکند:
اگر بخواهید بیشتر در مورد نحوه کار عملی دستگاههای تشخیص چهره بدانید، مقاله «نحوه کار با دستگاه حضور و غیاب تشخیص چهره» در وبلاگ فراتکنو هم میتواند مکمل همین مطلب باشد:
راهنمای انتخاب دستگاه مناسب بر اساس نیاز سازمان
برای اینکه در نهایت به دقتی در حد ۹۹٪ در سازمان خودتان برسید، انتخاب مدل درست، به اندازه خود تکنولوژی مهم است. چند سؤال کلیدی که قبل از خرید باید به آن جواب بدهید:
-
حجم تردد چقدر است؟
اگر با تردد بالا و چند شیفت کار میکنید، به دستگاهی نیاز دارید که سرعت تشخیص بالا، ظرفیت ذخیره تردد زیاد و سختافزار قویتری داشته باشد. -
محیط نصب چه شرایطی دارد؟
نور ضعیف، گردوغبار، نصب در محیط بیرونی یا ورودیهای شلوغ؛ همه اینها روی انتخاب مدل اثر دارد. -
چه سطح امنیتی مدنظر است؟
در برخی مجموعهها، صرف ثبت تردد کافی است؛ اما در بخشهای حساس، ترکیب تشخیص چهره با کارت، اثر انگشت یا رمز عبور منطقیتر است. -
آیا نرمافزار حضور و غیاب و حقوق و دستمزد شما امکان یکپارچگی دارد؟
اگر از نرمافزارهای فراتکنو استفاده میکنید یا قصد استفاده دارید، انتخاب دستگاه از سبد محصولات همین شرکت، کار شما را برای یکپارچهسازی بسیار سادهتر میکند.
جمعبندی:
فراتکنو با ترکیب دستگاههای تشخیص چهره مبتنی بر هوش مصنوعی، نرمافزارهای تخصصی و پشتیبانی فنی، تلاش میکند این مسیر را برای شما سادهتر کند. حالا نوبت شماست که با توجه به نیازهای سازمانتان، مدل مناسب را از بین دستگاههای تشخیص چهره و سایر گزینههای حضور و غیاب انتخاب کنید و دقت ۹۹٪ را از یک عدد روی کاغذ، به تجربه واقعی روزمره در مجموعه خودتان تبدیل کنید.