C\u00e2meras de campainha n\u00e3o capturam detalhes suficientes<\/h2>\n
Cameron Summerson<\/p>\n A tecnologia de reconhecimento facial utilizada pelas campainhas inteligentes \u00e9 bastante avan\u00e7ada, pois emprega algumas das IA mais avan\u00e7adas j\u00e1 criadas. Mas mesmo com uma \u00f3tima IA, as campainhas de v\u00eddeo n\u00e3o t\u00eam o hardware para realmente suportar o reconhecimento facial – elas simplesmente n\u00e3o conseguem capturar detalhes suficientes.<\/p>\n Como a maioria dos sistemas de reconhecimento facial<\/a>, as campainhas inteligentes capturam e analisam imagens 2D. Essas imagens planas cont\u00eam muitas informa\u00e7\u00f5es \u00fateis, como a largura da boca, o tom da pele e o espa\u00e7o entre os olhos. Mas esses dados podem n\u00e3o ser exclusivos do seu rosto. Na verdade, esses dados podem n\u00e3o ser t\u00e3o precisos, pois as campainhas de v\u00eddeo capturam imagens de baixa resolu\u00e7\u00e3o de assuntos em movimento.<\/p>\n Sistemas de reconhecimento facial mais avan\u00e7ados, como o que est\u00e1 no seu iPhone, capturam imagens “3D" usando c\u00e2meras TOF infravermelhas<\/a>. Aqui est\u00e1 a ess\u00eancia; eles disparam lasers invis\u00edveis em seu rosto e medem o tempo que cada laser leva para retornar. Os dados capturados por essas c\u00e2meras TOF contribuem para um “mapa de profundidade”, que cont\u00e9m medidas como o comprimento do nariz ou o \u00e2ngulo das orelhas.<\/p>\n Esses dados 3D s\u00e3o muito mais \u00fateis do que o que sua campainha de v\u00eddeo captura, por raz\u00f5es que devem ser \u00f3bvias. Mas o hardware n\u00e3o \u00e9 o \u00fanico problema aqui. No grande esquema das coisas, a IA avan\u00e7ada usada pela campainha de v\u00eddeo \u00e9 realmente bastante rudimentar.<\/p>\n Os sistemas de reconhecimento facial oferecidos nas campainhas inteligentes s\u00e3o de “autoaprendizagem”. Eles podem pedir para voc\u00ea identificar uma nova pessoa, mas na maioria das vezes eles constroem e organizam um banco de dados facial sem a entrada do usu\u00e1rio. E isso pode apresentar alguns problemas<\/a>.<\/p>\n Veja, os sistemas de reconhecimento facial de autoaprendizagem est\u00e3o sempre tentando melhorar sua precis\u00e3o. Isso significa coletar uma tonelada de dados; \u00e9 dif\u00edcil para a sua campainha identificar algu\u00e9m se ela s\u00f3 foi vista uma vez. Ent\u00e3o, toda vez que sua campainha v\u00ea “m\u00e3e”, ela adiciona \u00e0 sua cole\u00e7\u00e3o “\u00e9 assim que a m\u00e3e se parece”.<\/p>\n Mas quando um encanador chega \u00e0 sua porta e \u00e9 identificado incorretamente como “m\u00e3e”, o sistema de reconhecimento facial se torna menos preciso. Sua campainha n\u00e3o sabe que cometeu um erro e, de repente, convidados com bigode podem ser “m\u00e3e”. Isso leva a uma espiral descendente \u2013 a perda de precis\u00e3o cria mais falsos positivos e “m\u00e3e” agora vem em todos os tamanhos, formas e cores de pele. Aos olhos da sua campainha, todo mundo \u00e9 “m\u00e3e”.<\/p>\n \u00c9 como quando um aluno aprende uma equa\u00e7\u00e3o matem\u00e1tica incorretamente. Eles podem estar confiantes no que aprenderam, mas at\u00e9 que eles bombardeiem um exame, eles n\u00e3o v\u00e3o perceber que erraram. Os alunos precisam de algu\u00e9m para verificar se est\u00e3o aprendendo as coisas corretamente, e o mesmo vale para a IA.<\/p>\n Infelizmente, voc\u00ea \u00e9 o professor nesta situa\u00e7\u00e3o.<\/p>\n Melhorar o sistema de reconhecimento facial da sua campainha \u00e9 uma tarefa \u00e1rdua. N\u00e3o h\u00e1 solu\u00e7\u00e3o permanente aqui – voc\u00ea precisa acompanhar ativamente o sistema de reconhecimento facial para corrigir seus erros.<\/p>\n Em primeiro lugar, voc\u00ea precisa garantir que sua campainha inteligente possa ver claramente os rostos dos convidados. Isso pode significar reposicionar a campainha, limpar regularmente suas lentes ou adicionar algumas luzes<\/a> do lado de fora da porta da frente.<\/p>\n Depois de saber que sua campainha pode ver o que deveria ver, voc\u00ea precisa limpar seu banco de dados de reconhecimento facial. Esse processo ser\u00e1 diferente para cada campainha, mas na maioria dos casos, voc\u00ea pode encontrar uma lista de rostos no aplicativo complementar da campainha inteligente. (Se voc\u00ea possui uma Nest Doorbell<\/a>, acesse as configura\u00e7\u00f5es do Nest Aware no app Google Home. N\u00e3o sei por que o Google oculta essas coisas.)<\/p>\n Exclua todos os rostos identificados incorretamente que sua campainha capturou e certifique-se de informar \u00e0 campainha os nomes de todas as pessoas n\u00e3o identificadas que voc\u00ea espera retornar \u00e0 sua casa. Se voc\u00ea selecionar regularmente esse banco de dados, sua campainha deve ficar muito melhor na identifica\u00e7\u00e3o de convidados.<\/p>\n Aqui est\u00e3o as m\u00e1s not\u00edcias; mesmo que voc\u00ea tente melhorar a precis\u00e3o do sistema de reconhecimento facial da campainha, nunca ser\u00e1 perfeito. Na verdade, pode sempre ser uma merda. A tecnologia de reconhecimento facial ainda \u00e9 bastante rudimentar, e campainhas inteligentes usam hardware muito b\u00e1sico para “ver” as pessoas.<\/p>\n Se voc\u00ea odeia a ideia de curar um banco de dados de reconhecimento facial, talvez deva apenas desativar o recurso. Substituir a campainha n\u00e3o vale o dinheiro, pois os sistemas de reconhecimento facial de todas as marcas sofrem dos mesmos problemas.<\/p>\n![\"Eis](\"https:\/\/howtogeek.inform.click\/wp-content\/uploads\/2022\/03\/post-157829-623cff4fc671f.png\")
<\/a><\/p>\nAlgoritmos de reconhecimento facial precisam de treinamento<\/h2>\n
![\"Eis](\"https:\/\/howtogeek.inform.click\/wp-content\/uploads\/2022\/03\/post-157829-623cff56cc444.png\")
<\/a><\/p>\nComo melhorar o reconhecimento facial da campainha<\/h2>\n
![\"Eis](\"https:\/\/howtogeek.inform.click\/wp-content\/uploads\/2022\/03\/post-157829-623cff6139c71.png\")
<\/a><\/p>\n