mały|Oprogramowanie do rozpoznawania twarzy na lotnisku w Stanach Zjednoczonych System rozpoznawania twarzy – technologia biometryczna służąca do automatycznego identyfikowania lub weryfikowania tożsamości osoby na podstawie cyfrowego obrazu jej twarzy, pochodzącego ze zdjęcia lub klatki wideo. Systemy tego typu wyodrębniają z obrazu charakterystyczne cechy twarzy, zapisują je w postaci wektora liczbowego (tzw. szablonu biometrycznego) i porównują z szablonami zgromadzonymi w bazie danych.
Rozróżnia się dwa podstawowe tryby działania: weryfikację (porównanie 1:1, odpowiedź na pytanie, czy osoba jest tym, za kogo się podaje, np. przy odblokowywaniu smartfona) oraz identyfikację (przeszukanie 1:N, ustalenie, kim jest osoba na obrazie przez porównanie z całą bazą). Współczesne systemy opierają się na głębokich sieciach neuronowych, które od połowy lat 2010. zdecydowanie zwiększyły dokładność rozpoznawania.
Rozpoznawanie twarzy jest wykorzystywane m.in. do uwierzytelniania użytkowników urządzeń, automatycznej kontroli granicznej, porządkowania zdjęć oraz w działaniach policji i służb. Jednocześnie budzi kontrowersje związane z prywatnością, masowym nadzorem, błędnymi identyfikacjami i różnicami dokładności między grupami demograficznymi. W Unii Europejskiej wybrane zastosowania tej technologii zostały zakazane lub ograniczone przez Akt w sprawie sztucznej inteligencji.
Historia Początki (lata 60. i 70.) Za pioniera automatycznego rozpoznawania twarzy uważa się amerykańskiego matematyka Woodrowa „Woody’ego” Bledsoe, który w latach 1964–1966 w firmie Panoramic Research, wspólnie z Helen Chan i Charlesem Bissonem, opracował system półautomatyczny. Operator zaznaczał na tablecie RAND współrzędne charakterystycznych punktów twarzy (m.in. źrenic, kącików oczu, linii włosów), a komputer obliczał na ich podstawie zestaw około 20 odległości i porównywał je z bazą. Badania były finansowane przez agencję wywiadowczą i w większości nie zostały opublikowane.
Pierwszy w pełni automatyczny system, wyodrębniający punkty charakterystyczne bez udziału człowieka, opisał w 1973 roku Takeo Kanade w rozprawie doktorskiej obronionej na Uniwersytecie w Kioto.
W latach 70. i na początku lat 80. Leon D. Harmon ze współpracownikami z Bell Labs opublikował serię prac dotyczących automatycznego rozpoznawania profilu twarzy na podstawie kilku punktów charakterystycznych oraz identyfikacji twarzy z użyciem metod statystycznych. W ówczesnej literaturze przedmiotu to właśnie te publikacje uznawano za początek badań nad rozpoznawaniem twarzy, ponieważ wcześniejsze prace Bledsoe nie były publicznie znane
Metody statystyczne (lata 90.) Podstawy podejścia holistycznego (analizującego całą twarz, a nie pojedyncze cechy) stworzyli Lawrence Sirovich i Michael Kirby, którzy w latach 1987–1990 zastosowali do obrazów twarzy transformację Karhunena-Loèvego, wykazując, że twarz można z dobrym przybliżeniem opisać niewielką liczbą współczynników. Na tej podstawie Matthew Turk i Alex Pentland opublikowali w 1991 roku metodę eigenfaces, opartą na analizie głównych składowych (PCA), będącą już pełnym systemem rozpoznawania. W 1997 roku Peter Belhumeur, João Hespanha i David Kriegman zaproponowali metodę fisherfaces, wykorzystującą liniową analizę dyskryminacyjną (LDA) i bardziej odporną na zmiany oświetlenia i wyrazu twarzy.
W 2001 roku Paul Viola i Michael Jones przedstawili szybki algorytm detekcji twarzy oparty na cechach Haara i metodzie AdaBoost, który umożliwił wykrywanie twarzy w czasie rzeczywistym i na lata stał się standardem w aparatach cyfrowych i kamerach. W tym samym okresie rozwijano metody oparte na lokalnych deskryptorach, takich jak lokalne wzorce binarne (LBP).
Era uczenia głębokiego (od 2014) W 2014 roku badacze Facebooka opublikowali system DeepFace, oparty na głębokiej splotowej sieci neuronowej trenowanej na czterech milionach zdjęć, który na zbiorze testowym Labeled Faces in the Wild (LFW) osiągnął dokładność 97,35%, zbliżoną do ludzkiej. Rok później system FaceNet firmy Google wprowadził funkcję straty typu triplet loss i jednolitą przestrzeń osadzeń, uzyskując na LFW dokładność 99,63%. W latach 2018–2019 dominującym podejściem stały się funkcje straty z marginesem kątowym, takie jak CosFace i ArcFace, a w latach 2020. rozwijane są architektury oparte na transformerach wizyjnych oraz trening na danych syntetycznych.
Skalę postępu udokumentował amerykański Narodowy Instytut Standaryzacji i Technologii (NIST). W testach z 2018 roku najlepsze algorytmy nie znajdowały poszukiwanej osoby w bazie zdjęć policyjnych jedynie w 0,25% przypadków, a poprawę w stosunku do lat 2010–2013 NIST przypisał zastąpieniu wcześniejszych technik głębokimi sieciami splotowymi.
Zasada działania Typowy system rozpoznawania twarzy działa w kilku etapach: detekcja twarzy – zlokalizowanie twarzy na obrazie i oddzielenie jej od tła, normalizacja (wyrównanie) – korekta pozy, skali i oświetlenia, zwykle na podstawie wykrytych punktów orientacyjnych (oczu, nosa, ust), ekstrakcja cech – przekształcenie znormalizowanego obrazu w wektor liczbowy (szablon), współcześnie za pomocą głębokiej sieci neuronowej, porównanie – obliczenie miary podobieństwa między szablonem a szablonem referencyjnym (weryfikacja) lub wszystkimi szablonami w bazie (identyfikacja) i podjęcie decyzji na podstawie progu.
Wynik działania systemu ma charakter probabilistyczny: w trybie identyfikacji system zazwyczaj zwraca listę kandydatów uszeregowaną według podobieństwa, a ostateczną decyzję powinien podejmować człowiek.
Podejścia algorytmiczne Historycznie wyróżnia się metody geometryczne (oparte na położeniu i wzajemnych odległościach cech twarzy), metody holistyczne, traktujące obraz twarzy jako całość (eigenfaces, fisherfaces), oraz metody oparte na lokalnych deskryptorach tekstury. Od 2014 roku niemal wszystkie systemy o wysokiej skuteczności wykorzystują reprezentacje uczone przez głębokie sieci neuronowe.
Rozpoznawanie trójwymiarowe i w podczerwieni Systemy trójwymiarowe rejestrują kształt twarzy za pomocą czujników głębi, co zmniejsza wpływ oświetlenia i pozwala rozpoznawać twarz pod różnymi kątami. Przykładem jest Face ID firmy Apple, w którym kamera TrueDepth rzutuje na twarz tysiące niewidocznych punktów podczerwieni i tworzy jej mapę głębi. Matematyczna reprezentacja twarzy jest szyfrowana i przetwarzana wyłącznie w wydzielonym układzie Secure Enclave, bez opuszczania urządzenia. Według producenta prawdopodobieństwo odblokowania urządzenia przez przypadkową osobę wynosi mniej niż 1 do 1 000 000.
Detekcja ataków prezentacji W celu zabezpieczenia systemów przed próbami podszycia się pod inną osobę za pomocą fotografii, wydruków, odtworzeń wideo na ekranie (ang. replay attack) lub trójwymiarowych masek silikonowych stosuje się mechanizmy detekcji ataków prezentacji (ang. Presentation Attack Detection, PAD), potocznie nazywane weryfikacją żywotności (ang. liveness detection). Wyróżnia się metody aktywne (wymagające reakcji użytkownika, np. mrugnięcia, obrotu głowy) oraz pasywne (analizujące fakturę skóry, fotopletyzmografię zdalną – badającą mikroskopijne zmiany koloru tkanki pod wpływem pulsu krwi, czy odbłyski w rogówce). Standardem normalizującym testowanie i skuteczność PAD jest norma ISO/IEC 30107, określająca m.in. błędy klasyfikacji ataków (APCER) i prób autentycznych (BPCER).
Ocena skuteczności Najważniejszym niezależnym programem oceny algorytmów jest prowadzony przez NIST test Face Recognition Technology Evaluation (FRTE), do 2023 roku znany jako Face Recognition Vendor Test (FRVT). W 2023 roku NIST podzielił program na FRTE (dokładność weryfikacji 1:1 i identyfikacji 1:N) oraz Face Analysis Technology Evaluation (FATE), obejmujący m.in. wykrywanie ataków prezentacji, wykrywanie morfingu zdjęć i szacowanie wieku. Od 2017 roku test 1:1 działa w trybie ciągłym. Do 2026 roku oceniono w nim ponad 1400 algorytmów od ponad 440 twórców. W raporcie z sierpnia 2026 roku najlepsze algorytmy osiągały współczynnik fałszywych odrzuceń (FNMR) rzędu 0,06% dla zdjęć wizowych i 0,2% dla zdjęć policyjnych, a wyniki czołówki niemal się zrównały.
Dokładność w warunkach rzeczywistych pozostaje niższa niż w testach laboratoryjnych. Do nierozwiązanych problemów należą rozpoznawanie na obrazach o niskiej jakości (rozmycie, zasłonięcie, mała rozdzielczość), skalowanie do baz liczących miliardy twarzy, interpretowalność decyzji sieci oraz różnice skuteczności między grupami demograficznymi.
Zastosowania Urządzenia konsumenckie Rozpoznawanie twarzy służy do odblokowywania smartfonów i komputerów oraz autoryzacji płatności. Funkcje takie oferują m.in. Face ID w urządzeniach Apple oraz Windows Hello w systemie Windows. Aplikacje do zarządzania zdjęciami wykorzystują detekcję i grupowanie twarzy do porządkowania kolekcji.
Kontrola graniczna mały|SmartGate - automatyczne bramki kontroli granicznej na lotnisku w Sydney. Automatyczne bramki kontroli granicznej (ABC, automated border control) porównują twarz podróżnego z wizerunkiem zapisanym w chipie paszportu biometrycznego. Na Lotnisku Chopina w Warszawie bramki ABC działają od czerwca 2019 roku. W grudniu 2025 roku uruchomiono tam 15 bramek nowej generacji kosztem 9,74 mln zł, dostępnych dla obywateli UE, EOG i Szwajcarii posiadających dokumenty biometryczne.
Od 12 października 2025 roku w strefie Schengen wdrażany był unijny System Wjazdu/Wyjazdu (EES, Entry/Exit System), który zastąpił stemplowanie paszportów obywateli państw trzecich elektroniczną rejestracją wizerunku twarzy, odcisków palców i danych z dokumentu podróży. System osiągnął pełną operacyjność 10 kwietnia 2026 roku w 29 państwach europejskich.
Organy ścigania Policja wykorzystuje rozpoznawanie twarzy w dwóch trybach: retrospektywnym (porównanie zdjęcia lub nagrania z bazą, np. zdjęć osób zatrzymanych) oraz w czasie rzeczywistym (live facial recognition, LFR), gdy obraz z kamer w przestrzeni publicznej jest na bieżąco porównywany z listą poszukiwanych.
Najszerzej udokumentowanym w Europie przykładem stosowania LFR jest Wielka Brytania. Według danych przytoczonych przez brytyjskie Ministerstwo Spraw Wewnętrznych londyńska policja metropolitalna dokonała między wrześniem 2024 a wrześniem 2025 roku 962 zatrzymań z użyciem LFR, a 203 operacje wygenerowały 2077 alertów, w tym 10 fałszywych dopasowań. W styczniu 2026 roku rząd ogłosił ogólnokrajowe rozszerzenie programu (40 nowych furgonetek LFR) oraz zapowiedział odrębne ramy prawne dla tej technologii, jej użycie jest jednocześnie przedmiotem skargi do High Court wniesionej przez błędnie zidentyfikowanego mężczyznę przy wsparciu organizacji Big Brother Watch.
W Stanach Zjednoczonych głośne stały się przypadki bezpodstawnych zatrzymań na podstawie błędnych dopasowań. W styczniu 2020 roku policja w Detroit zatrzymała mężczyznę po fałszywym dopasowaniu do nagrania z kradzieży w sklepie. W czerwcu 2024 roku miasto zawarło z nim ugodę, zobowiązując się m.in. do niedokonywania zatrzymań wyłącznie na podstawie wyniku rozpoznawania twarzy oraz do audytu spraw prowadzonych z użyciem tej technologii od 2017 roku. W lutym 2023 roku w Detroit zatrzymano także kobietę, będącą w ósmym miesiącu ciąży, po błędnym dopasowaniu do nagrania z napadu. Jej pozew przeciwko policji został w sierpniu 2025 roku oddalony przez sąd federalny, który uznał, że funkcjonariusz działał w oparciu o uzasadnione podejrzenie.
Media społecznościowe i komercja