تا زمانی که تشخیص، طبقه بندی، شناسایی و تشخیص هویت را در مرحله عمل قرار ندهید، در ظاهر بسیار آسان می‌باشند.

در غیر این صورت، متوجه می‌شوید که مشکلات بزرگ عملی و ذهنی زیادی وجود دارد که استفاده از آنها را با مشکل مواجه می‌کند.

از لحاظ علمی، این اصطلاحات واضح هستند و معنای حقیقی خود را انعکاس می‌دهند:

• تشخیص – قابلیت تشخیص اینکه آیا چیزی وجود دارد یا نه.
• شناسایی – قابلیت تشخیص نوعی سوژه‌ی خاص (شخص، حیوان، ماشین، و غیره)
• تشخیص هویت – قابلیت شناسایی و تمیز دادن فرد خاص از افراد دیگر

بدیهی است، با رفتن از قابلیت تشخیص به شناسایی و بعد به تشخیص هویت به‌ترتیب سطوح سخت‌تر شده و به جزئیات بیشتری نیاز خواهد داشت.
بسیاری از تولیدکنندگان این طبقه‌بندی را بررسی می‌کنند که شامل طرح آموزشی شرکت اکسیس و برگه‌ی سفید شرکت بوش می‌باشد. به عنوان مثال، در اینجا نمودار PPF را مشاهده می‌کنید که شرکت بوش برای ارائه اعداد واقعی از آن استفاده می‌کند:

 

تشخیص، طبقه بندی، شناسایی و تشخیص هویت (DCRI) faragostar-co.com

و جدول شرکت اکسیس هم در زیر آورده شده است:

 

تشخیص، طبقه بندی، شناسایی و تشخیص هویت (DCRI) faragostar-co.com

 

هر دوی آنها یک شماره PPF هدفمند را به سطح معینی ربط می‌دهند. بوش از واحد اندازه‌گیری بریتانیایی استفاده می‌کند، در حالی که اکسیس واحدهای اندازه‌گیری متریک را به کار می‌برد، اعداد مربوط به دو تولیدکننده می‌باشد.

برای تشخیص هویت:
• بوش ppf 50~ پیشنهاد می‌کند.
• اکسیس ppf 80~ پیشنهاد می‌کند.

آزمایشگاه ملی سوئد حدود ppf 150 را پیشنهاد می‌کند ( طبق طرح اکسیس).

اولین واکنش شما ممکن است این باشد که “اینجا چه خبره؟ کسی اشتباه می‌کند یا دروغ می‌گوید؟”
هر یک از این موارد ممکن است به صورتی جداگانه باشد، اما متاسفانه، استفاده از این معیارها، دو مسئله اساسی را پیش می‌کشد.

 

دو مسئله اساسی

اول اینکه، اصطلاحات ذاتا سابجکتیو هستند و به میزان درک و ترجیحات فرد بیننده بستگی دارند.
میزان کافی برای تشخیص هویت که می‌تواند در بین مردم بسیار متفاوت باشد چقدر است. در مقالات و موضوعات ارائه‌شده‌ی ما، بحث‌های پرشوری در مورد تشخیص هویت وجود دارد.

این موضوع را خودتان امتحان کنید به این سه تصویر در کنار هم نگاه کنید:

 

تشخیص، طبقه بندی، شناسایی و تشخیص هویت (DCRI) faragostar-co.com

کدام تصویر برای تشخیص هویت مناسب است ؟ ۴۰ (در سمت چپ)، ۶۰ (در مرکز) یا ۸۰ (در سمت راست)؟
در IPVM، هر سه برابر هستند.

همینطور در مورد “تشخیص” با چالشی مشابه مواجه می‌شوید که تعیین کنید کدامیک مناسب‌تر است. دوباره تصاویر را کنار هم بگذارید:

 

تشخیص، طبقه بندی، شناسایی و تشخیص هویت (DCRI) faragostar-co.com

آنچه که مسئله را به صورتی ویژه چالش برانگیز می‌کند این است که تغییرات به ظاهر متوسطی در جزئیات بصری گرفته شده می‌تواند به معنای تفاوت x2 در تعداد پیکسل‌ها در هر فوت باشد، که خود می‌تواند تاثیر بسزایی بر طرح‌های دوربین و طراحی پروژه داشته باشد.

پیکسل و کیفیت تصویر

مسئله دیگر این است که همان تعداد پیکسل‌ها، بسته به زمان روز، کیفیت تصویر متفاوتی را ارائه می‌دهند. در واقع، حتی با میزان نور ppf 50 ممکن است شرایط ایده‌آلی برای تشخیص هویت فراهم گردد، اما اگر طلوع یا غروب خورشید در دوربین قرار گیرد، ممکن است به میزان بیشتری نور نیاز باشد. بدتر اینکه اگر در شب روشنایی تنها با چراغ‌های خیابان تامین گردد، ممکن است هنوز هم به تعداد پیکسل دو برابر در هر فوت نیاز باشد.

راه حل چیست؟

استفاده از این شرایط و فکر کردن در مورد آن به عنوان یک هدف، مفید واقع می‌شود. فقط این موضوع را مانند مسئله‌ی ساده ریاضی تلقی نکنید چرا که همیشه کار نمی‌کند.

مهمتر از همه، انتظارات صحیح را تعیین کنید:
ر کاربر / خریدار / تصمیم‌گیرنده چه میزان اطلاعاتی واقعا نیاز دارد؟ تصمیم خود را با استفاده از یک نمونه‌ی عینی بگیرید، یعنی فقط به این بسنده نکنید که بگویید به “تشخیص” نیاز دارید و امیدوار باشید که بعد از راه‌اندازی، سیستم به صورت ایده‌آل کار کند.

• با چه میزان روشنایی و یا مسائل محیطی مواجه هستید و تاثیر آن چقدر است؟ با استفاده از کاربر / خریدار / تصمیم‌گیرنده این مسائل را روشن نمایید، تا چالش‌های ذاتی در یک عملیات واقعی را درک کنید.