মুখ শনাক্তকরণ: ক্যামেরা কীভাবে মানুষের চেহারাকে গাণিতিক মাপে চিনে নেয়?

ডিজিটাল ক্যামেরায় মানুষের চেহারা চেনার রহস্য

স্মার্টফোনের স্ক্রিনের দিকে তাকাতেই লক খুলে যাওয়া কিংবা আন্তর্জাতিক বিমানবন্দরের স্বয়ংক্রিয় ফটকে পাসপোর্ট দেখিয়ে কোনো মানুষের সহায়তা ছাড়াই পার হয়ে যাওয়ার অভিজ্ঞতা আমাদের অনেকেরই আছে। কিন্তু কম্পিউটার কীভাবে কোনো রক্তমাংসের মানুষের চেহারা চিনে নিতে পারে? যন্ত্রের জন্য কোনো মুখ কেবল একগুচ্ছ রঙিন বিন্দুর সমষ্টি ছাড়া আর কিছুই নয়। মুখ শনাক্তকরণ বা ফেসিয়াল রিকগনিশন (Facial Recognition) হলো কৃত্রিম বুদ্ধিমত্তা (এআই)-র এমন এক কৌশল, যা কোনো মানুষের মুখের অনন্য শারীরিক বাঁক ও বৈশিষ্ট্যগুলোকে পরিমাপ করে সেগুলোকে নির্দিষ্ট কিছু সংখ্যার সমন্বয়ে রূপান্তর করে।

ক্যামেরার সামনে দাঁড়ালে প্রযুক্তিটি কীভাবে মানুষের চেহারা চিনে নেয়, তা কয়েকটি সুনির্দিষ্ট কারিগরি ধাপে সম্পন্ন হয়। শুরুতে ক্যামেরা থেকে পাওয়া ছবিতে কোথায় মানুষের মুখ আছে তা খুঁজে বের করা হয়। একে বলা হয় ফেস ডিটেকশন (Face Detection)। এরপর ছবির আলো সমান করা হয় এবং মাথা যদি সামান্য বাঁকা থাকে তবে সেটিকে সোজা করে সাজিয়ে নেওয়া হয়। এই প্রাথমিক প্রস্তুতির পরই মূল বিশ্লেষণের কাজ শুরু হয়।

সফটওয়্যারটি মুখের ওপর চোখ, নাক, ঠোঁট ও ভ্রুর প্রায় ৬৮ থেকে একশটিরও বেশি গুরুত্বপূর্ণ বাঁক ও পরিমাপের চিহ্ন (যাকে ল্যান্ডমার্ক পয়েন্ট বা Facial Landmarks বলা হয়) চিহ্নিত করে। যেমন: দুই চোখের মণির ব্যবধান, নাকের ডগা থেকে ঠোঁটের দূরত্ব এবং চোয়ালের হাড়ের ঢাল। এরপর কম্পিউটারের কৃত্রিম মস্তিষ্কের জালিকা (গভীর নিউরাল নেটওয়ার্ক বা Deep Neural Network) এই শারীরিক দূরত্বগুলোকে সংখ্যার একটি অনন্য তালিকায় বা মুখের ডিজিটাল প্রতিচ্ছবিতে (যাকে ফেসপ্রিন্ট বা Faceprint বলা হয়) রূপান্তর করে। পরবর্তীতে নতুন ছবি এলে সফটওয়্যার আগের সংখ্যার তালিকার সাথে নতুন সংখ্যার তুলনামূলক মিলের হার (সাদৃশ্য স্কোর বা Similarity Score) হিসাব করে। সেই ব্যবধান যদি আগে থেকে ঠিক করে রাখা গ্রহণযোগ্য সীমার (থ্রেশহোল্ড বা Threshold) মধ্যে থাকে, তবেই সে নিশ্চিত করে যে দুটি মুখ সম্ভবত একই ব্যক্তির।

ব্যক্তিগত যাচাই বনাম ভিড়ের মাঝে অনুসন্ধান: প্রযুক্তির দুই ভিন্ন রূপ

বাস্তব জগতে এই প্রযুক্তি মূলত দুটি আলাদা উপায়ে কাজ করে। প্রথমটি হলো 'এক-বনাম-এক' ব্যক্তিগত যাচাইকরণ (1:1 Verification); যেমন আপনার ফোনে সংরক্ষিত একমাত্র ছবির সাথে আপনার মুখের মিল দেখা। এখানে ভুল হওয়ার সম্ভাবনা তুলনামূলক কম, কারণ কম্পিউটার কেবল একজন নির্দিষ্ট মানুষের সাথেই তুলনা করছে। দ্বিতীয়টি হলো 'এক-বনাম-বহু' অনুসন্ধান (1:N Identification); যেখানে কোনো রেলস্টেশন, মেলা বা জনবহুল কনসার্টে সিসিটিভি ক্যামেরা দিয়ে হাজার হাজার মানুষের মুখের সাথে কোনো অপরাধী তালিকার মিল খোঁজা হয়। বিশাল ডেটাবেসে অনুসন্ধানের ক্ষেত্রে পরিসংখ্যানগত ভুলের সম্ভাবনা অনেক বেশি বেড়ে যায়।

পরিসংখ্যানগত সম্ভাবনা বনাম পরম নিশ্চয়তা

এখানে সবচেয়ে গুরুত্বপূর্ণ যে বিষয়টি বোঝা দরকার তা হলো—মুখ শনাক্তকরণ কোনো পরম সত্য বা শতভাগ অকাট্য নিশ্চয়তা দেয় না; এটি শুধুই একটি পরিসংখ্যানগত সম্ভাবনার হিসাব। আর এই হিসাব বাস্তব জগতের নানা উপাদানের ওপর তীব্রভাবে নির্ভরশীল:

• আলো ও ক্যামেরার কোণ: তীব্র রোদের ছায়া, আবছা অন্ধকার কিংবা ক্যামেরাটি যদি মুখের সমান্তরালে না থেকে অতিরিক্ত ওপর বা নিচ থেকে ছবি তোলে, তবে পরিমাপক বিন্দুগুলোর দূরত্ব বদলে গিয়ে শনাক্তকরণ ব্যর্থ হতে পারে।
• শারীরিক পরিবর্তন ও বয়স: মানুষের মুখের স্বাভাবিক হাসি বা কান্না, চশমা ও মাস্ক পরা, ওজন হ্রাস-বৃদ্ধি, মেকআপ এবং বয়সের সাথে সাথে চামড়ার ভাঁজের কারণে সংখ্যার তালিকায় ব্যবধান তৈরি হয়।
• জনমিতিক ভিন্নতা ও ভুলের ঝুঁকি: আন্তর্জাতিক মান নিয়ন্ত্রণকারী সংস্থা (যুক্তরাষ্ট্রের এনআইএসটি বা NIST)-এর গবেষণায় দেখা গেছে, বিভিন্ন জাতিগোষ্ঠী, গায়ের রং বা বয়সের ক্ষেত্রে অ্যালগরিদমের নির্ভুলতার তারতম্য ঘটে; ফলে নির্দোষ ব্যক্তি ভুল শনাক্তকরণের শিকার হতে পারেন।

ব্যক্তিগত গোপনীয়তা এবং নাগরিক নজরদারির ঝুঁকি

পাসওয়ার্ড ভুলে গেলে তা এক সেকেন্ডে বদলে ফেলা যায়, কিন্তু মানুষের মুখের গঠন কোনো পাসওয়ার্ড নয় যা চাইলেই পরিবর্তন করা সম্ভব। গণপরিসরে সিসিটিভি ক্যামেরায় মুখ শনাক্তকরণ প্রযুক্তি ব্যবহার করে জনগণের অজান্তে তাদের চলাফেরা নজরদারি করার ঝুঁকি বিশ্বজুড়ে উদ্বেগের সৃষ্টি করেছে। এছাড়া ইন্টারনেটের সামাজিক যোগাযোগমাধ্যম থেকে অনুমতি ছাড়া সাধারণ মানুষের কোটি কোটি ছবি সংগ্রহ করে বাণিজ্যিক ডেটাবেস গড়ে তোলার ঘটনা ব্যক্তিগত গোপনীয়তার অধিকারকে বড় ধরনের হুমকির মুখে ফেলে দিয়েছে। নিজের আঙুলের ছাপ বা মুখের ছবির মতো শারীরিক তথ্য (বায়োমেট্রিক ডেটা বা Biometric Data) সুরক্ষিত রাখতে মোবাইল সেটিংসে গিয়ে ক্যামেরা ব্যবহারের অনুমতিগুলো নিয়মিত পর্যালোচনা করা উচিত এবং বাণিজ্যিক প্রতিষ্ঠানে বিনা প্রয়োজনে মুখের স্ক্যান বা ছবি দেওয়া এড়িয়ে চলা প্রয়োজন।

মুখ শনাক্তকরণ আমাদের প্রযুক্তি ব্যবহারে গতি এনে দিলেও, এটি যে কোনো জাদুকরী সমাধান নয় বরং সংখ্যার একটি অনুমিত হিসাব এবং নজরদারির মাধ্যম—এই সচেতনতাই নাগরিক হিসেবে আমাদের নিরাপদ রাখবে।