Van alle functies van videodeurbellen is gezichtsherkenning misschien wel het meest ondergewaardeerd. Er gaat niets boven het horen van je slimme luidsprekers die roepen 'mama staat voor de deur' voordat ze zelfs maar kan kloppen. Helaas hebben mensen een goede reden om deze functie te negeren, het werkt niet.
Bezoek het ondersteuningsforum van een slim merk en je zult een heleboel mensen zien klagen dat hun slimme deurbel elke gast verkeerd identificeert. Videodeurbellen denken dat peuters grootvaders zijn, of dat elke pizzajongen je partner is. En er is niet veel dat u kunt doen om dit probleem op te lossen. Slimme deurbellen zijn gewoon slecht voor gezichtsherkenning.
Deurbelcamera's leggen niet genoeg details vast
Cameron SummersonDe gezichtsherkenningstechnologie die door slimme deurbellen wordt gebruikt, is behoorlijk geavanceerd, omdat het gebruik maakt van de meest geavanceerde AI die ooit is gemaakt. Maar zelfs met geweldige AI hebben videodeurbellen niet de hardware om gezichtsherkenning echt te ondersteunen. Ze kunnen gewoon niet genoeg details vastleggen.
Zoals de meeste gezichtsherkenningssystemen, slimme deurbellen vastleggen en analyseren van 2D-beelden. Deze platte afbeeldingen bevatten veel nuttige informatie, zoals de breedte van je mond, je huidskleur en de ruimte tussen je ogen. Maar deze gegevens zijn mogelijk niet uniek voor uw gezicht. In feite zijn deze gegevens misschien niet zo nauwkeurig, omdat videodeurbellen beelden met een vrij lage resolutie van bewegende onderwerpen vastleggen.
Meer geavanceerde gezichtsherkenningssystemen, zoals die in uw iPhone, leggen “3D” beelden met behulp van infrarood TOF-camera's. Hier is de essentie; ze schieten onzichtbare lasers op je gezicht en meten de tijd die elke laser nodig heeft om terug te kaatsen. De gegevens die door deze TOF-camera's worden vastgelegd, dragen bij aan een “dieptekaart” die metingen bevat zoals de lengte van uw neus of de hoek van uw oren.
GERELATEERDHet probleem met AI: machines leren dingen, maar kunnen ze niet begrijpen
Die 3D-gegevens zijn veel nuttiger dan wat je videodeurbel vastlegt, om redenen die duidelijk zouden moeten zijn. Maar hardware is hier niet het enige probleem. In het grote geheel is de geavanceerde AI die door je videodeurbel wordt gebruikt eigenlijk vrij rudimentair.
Gezichtsherkenningsalgoritmen hebben training nodig
De gezichtsherkenningssystemen die worden aangeboden in slimme deurbellen zijn “zelflerend.& #8221; Ze kunnen je vragen om een nieuwe persoon te identificeren, maar voor het grootste deel bouwen en organiseren ze een gezichtsdatabase zonder gebruikersinvoer. En dat kan problemen opleveren.
Kijk, zelflerende gezichtsherkenningssystemen proberen altijd hun nauwkeurigheid te verbeteren. Dat betekent een hoop gegevens verzamelen; het is moeilijk voor je deurbel om iemand te identificeren als hij die persoon maar één keer heeft gezien. Dus elke keer dat je deurbel “mama,” het voegt toe aan zijn verzameling van “zo ziet mama eruit.”
Maar wanneer een loodgieter aan uw deur komt en ten onrechte wordt geïdentificeerd als "moeder"," het gezichtsherkenningssysteem wordt minder nauwkeurig. Je deurbel weet niet dat hij een fout heeft gemaakt, en plotseling kunnen gasten met een snor 'mama' zijn. Dit leidt tot een neerwaartse spiraal & #8212;het verlies aan nauwkeurigheid zorgt voor meer valse positieven, en "moeder" komt nu in elke maat, vorm en huidskleur. In de ogen van je deurbel is iedereen “mama.”
Het is alsof een leerling een wiskundige vergelijking verkeerd leert. Ze hebben misschien vertrouwen in wat ze hebben geleerd, maar totdat ze een examen bombarderen, zullen ze niet beseffen dat ze het verprutst hebben. Studenten hebben iemand nodig om te controleren of ze dingen goed leren, en hetzelfde geldt voor AI.
Helaas ben jij de leraar in deze situatie.
Hoe u de gezichtsherkenning van uw deurbel kunt verbeteren
Het is een hele klus om het gezichtsherkenningssysteem van je deurbel te verbeteren. Er is hier geen permanente oplossing. Je moet het gezichtsherkenningssysteem actief bijhouden om de fouten aan te pakken.
Allereerst moet je ervoor zorgen dat je slimme deurbel gasten duidelijk kan zien. gezichten. Dat kan betekenen dat je de deurbel moet verplaatsen, de lens regelmatig moet schoonmaken of wat lampen voor je voordeur moet plaatsen.
Zodra je weet dat je deurbel kan zien wat hij zou moeten zien, moet je de gezichtsherkenningsdatabase opschonen. Dit proces verschilt per deurbel, maar in de meeste gevallen vind je een lijst met gezichten in de bijbehorende app van je slimme deurbel. (Als je een Nest Doorbell bezit, ga dan naar de Nest Aware-instellingen in je Google Home-app. Ik weet niet waarom Google dit verbergt.)
Verwijder alle verkeerd geïdentificeerde gezichten die je deurbel heeft vastgelegd , en zorg ervoor dat u uw deurbel de namen vertelt van alle niet-geïdentificeerde mensen die u verwacht naar uw huis terug te keren. Als je deze database regelmatig beheert, zou je deurbel een stuk beter moeten worden in het identificeren van gasten.
GERELATEERDDe 6 beste slimme lampen van 2022
Dit is het slechte nieuws; zelfs als je probeert de nauwkeurigheid van het gezichtsherkenningssysteem van je deurbel te verbeteren, zal het nooit perfect zijn. In feite kan het altijd zuigen. Gezichtsherkenningstechnologie is nog vrij rudimentair, en slimme deurbellen gebruiken zeer elementaire hardware om te “zien” mensen.
Als je een hekel hebt aan het idee om een database voor gezichtsherkenning te beheren, moet je misschien de functie gewoon uitschakelen. Het vervangen van je deurbel is het geld niet waard, aangezien de gezichtsherkenningssystemen van elk merk dezelfde problemen hebben.