AI pasaport fotoğrafını nasıl kontrol ediyor (ve insan inceleyiciler neleri kaçırıyor)

NIST’in yüz tanıma algoritmaları üzerine 2019 yılında yaptığı bir çalışma, aynı pasaport fotoğrafını değerlendiren iki insan inceleyicisi arasındaki varyansın yaklaşık %11 olduğunu buldu — yani aynı gün iki farklı konsolosluk memuruna aynı fotoğrafı göndersen, birinin kabul edip diğerinin reddetme olasılığı yaklaşık onda bir. Aynı çalışma algoritmik kontrollerin değerlendiriciler arası varyansı %1’in altına düşürdüğünü buldu.

İşte göndermeden önce otomatik bir uyumluluk kontrolünün var olmasının tüm sebebi bu boşluk. Bir insan inceleyici hızlı ama tutarsız. Bir algoritma tutarlı ama nesnel kurallarla sınırlı. Hile her ikisini de kullanmak: ölçülebilir her kuralı algoritmaya temizletmek ve insan yargısını gerçekten öznel olan küçük bir kararlar setine ayırmak.

Bu yazı, fotoğrafını yüklediğinde tarayıcı içi editörün fotoğrafına aslında ne yaptığını anlatıyor — modeller, ölçümler, 22 kontrol — ve AI’ın bir insan inceleyiciden gerçekten daha iyi olduğu yerleri, daha kötü olduğu yerleri ve göndermeden önce “geçti” kararına güvenmen gerekip gerekmediği için bunun ne anlama geldiğini.

Bir fotoğraf yüklediğinde ne oluyor

Editör tamamen tarayıcında çalışıyor. Hiçbir şey sunucuya yüklenmiyor; bu hem gizlilik için (yüzün cihazını asla terk etmez) hem de hız için (gidiş-dönüş gecikmesi yok) önemli. Süreç dört aşamadan oluşuyor:

1. Yüz tespiti ve dönüm noktası işaretleme — yüzü bul, üzerinde 478 anatomik dönüm noktası belirle.
2. Kişi segmentasyonu — kişiyi arka plandan piksel düzeyinde ayır.
3. Bölge istatistikleri — yüz, saç ve arka plan bölgelerinde aydınlatma, keskinlik, renk ve geometri ölç.
4. Kural doğrulama — belgenin spesifikasyonuna karşı 22 gruplanmış kontrol çalıştır ve nedenlerle birlikte geçti/kaldı dön.

Her aşama belirli bir model veya teknik kullanıyor. Hadi her birini inceleyelim.

Aşama 1: 478 noktalı yüz haritalama

Editör, bir insan yüzünde 478 belirli noktayı tanımlayan bir model olan Google’ın MediaPipe Face Landmarker’ını kullanıyor — göz köşeleri, dudak kenarı, burun ucu, çene hattı, kaş yayı, kulak konumu, alın saç çizgisi. 478 noktalı harita şunları ölçecek kadar yoğun:

• Göz hattı eğimi — iki gözbebeği merkezi arasındaki çizginin yatay düzleme göre açısı. Spesifikasyon 5°‘nin altını söylüyor; model bunu 0.1° hassasiyetinde ölçüyor.
• Kafa yaw’ı — kafanın sol-sağ dönüşü, sol ve sağ kulak görünürlüğü arasındaki asimetriden ve burun ucunun yüz orta hattına göre konumundan ölçülüyor.
• Kafa pitch’i — yukarı-aşağı eğim, gözlerin yüz ovali içindeki dikey konumundan ölçülüyor.
• Ağız açıklığı — üst ve alt dudak dönüm noktaları arasındaki boşluk. Kapalı ağızlar 0–3px kaydediyor; dişli gülümseme 8px+ kaydediyor.
• Göz açıklığı — üst ve alt göz kapağı dönüm noktaları arasındaki mesafe. Eşiğin altındaysa gözler yarı kapalı olarak sınıflandırılıyor.
• İris ortalanması — irisin göz açıklığı içindeki konumu. Merkezden %15’ten fazla kayması “yana bakıyor” işareti tetikliyor.

Bir insan inceleyici bunların hepsini göz kararı yapar. Algoritma bunları piksel cinsinden ölçer. Tutarlılık avantajı bu — algoritmanın “iyi günü” veya “kötü günü” yok.

478 nokta pratikte ne anlama geliyor

Yoğun dönüm noktası işaretleme, editörün insan inceleyicilerin kaçırdığı ince ayrıntıları yakalamasını sağlayan şey. 6° sağa çevrilmiş bir kafa insan gözüne düz görünüyor ama ölçülebilir bir burun-orta hat sapması ve kulak-görünürlük asimetrisi üretiyor. Algoritma bunu işaretliyor; insan geçiriyor; sınırdaki biyometrik sistem daha sonra eşleştiremiyor. Göndermeden önce yakalamak daha iyi.

Aşama 2: Kişi segmentasyonu

Arka plan uyumu en sık karşılaşılan tek ret nedeni (22 nedenli yazıya bak), bu yüzden editör özel bir kişi segmentasyon modeli kullanıyor — özellikle COCO-person-segmentation veri setinde eğitilmiş ve portre çerçeveleme için uyarlanmış hafif bir U-Net varyantı.

Çıktı piksel başına bir maske: piksel kişiye aitse 1, arka plana aitse 0. Maske üç şey için kullanılıyor:

• Arka plan analizi — arka plan olarak işaretlenmiş her pikseli topla ve üzerinde renk istatistikleri çalıştır. Ortalama RGB, standart sapma, ton dağılımı. Gerçekten düz beyaz bir arka plan çok düşük standart sapmaya sahip (her kanalda 5’in altında) ve neredeyse gri bir tona sahip. Dokulu bir duvar, pencere kenarı veya gölge yüksek standart sapma olarak görünüyor.
• Arka plan değiştirme — fotoğraf arka plan kontrolünden geçemezse, maske kişiyi temiz beyaz veya kırık beyaz bir arka plana birleştirmek için kullanılıyor.
• Gölge tespiti — arka plana düşen bir gölge, arka plan maskesinde yerelleşmiş karanlık bir bölge olarak görünüyor. Editör bunu, kafanın etrafındaki arka plan piksellerindeki parlaklığı arka planın geri kalanıyla karşılaştırarak tespit ediyor.

Segmentasyon modeli iyi ama mükemmel değil — ince saç telleri ve yumuşak çene hatları zor durumlar. Editör, amatör arka plan kaldırmanın ürettiği “kesilmiş kağıt bebek” görüntüsünden kaçınmak için sınırda alfa-tüylendirilmiş bir maske kullanıyor.

Aşama 3: Bölge istatistikleri

Yüz işaretlendikten ve kişi segmente edildikten sonra, editör belirli bölgeler arasında istatistikler hesaplıyor:

• Yüz parlaklığı: cilt piksellerinin ortalama parlaklığı. Yetersiz pozlanmış yüzleri (arka plandan çok daha karanlık yüz) veya aşırı pozlanmış yüzleri (yıkanmış yüz) tespit etmek için arka plan parlaklığıyla karşılaştırılıyor.
• Aydınlatma simetrisi: yüzün sol yarısının parlaklığının sağ yarısına oranı. Simetrik bir oran (1.0’a yakın) eşit aydınlatma anlamına geliyor; 1.2’nin üzerinde bir oran, güçlü bir yan ışığın yüzün bir yarısını gölgelediği anlamına geliyor.
• Cilt pürüzsüzlüğü: yanak ve alın bölgelerinde yüksek frekanslı doku içeriği. Doğal düzenlenmemiş bir yüzün ölçülebilir dokusu var (gözenekler, mikro-gölgeler). Bir güzellik filtresi uygulanmış bir fotoğraf doğal olmayan derecede düşük yüksek frekanslı içeriğe sahip — filtre dedektörünün kullandığı sinyal bu.
• Keskinlik: yüz bölgesinde Laplacian varyansı. Keskin, odaklı bir yüz yüksek değer üretiyor; bulanık olan (hareket bulanıklığı, odak dışı, portre modu kenar bulanıklığı) düşük değer üretiyor.
• Özellikle göz keskinliği: ayrı ölçülüyor çünkü diğer bölgeler hafif yumuşaklığı tolere edebilirken bile gözlerin keskin olması gerekiyor.

Her istatistik bir sayı. Her sayı bir kurala eşleşiyor. Her kural bir kontrole eşleşiyor. 22 kontrol işte buradan geliyor.

Aşama 4: 22 gruplanmış kontrol

Editörün son aşaması, 1–3 aşamalarındaki ölçümleri alıp hedef belgenin spesifikasyonuna karşı çalıştırıyor (US passport, UK passport, Schengen visa, DV Lottery vb. — her birinin kendi eşikleri var). Kontroller gruplanmış:

• Arka plan: düz, doğru renk, gölgeler yok, nesneler yok.
• Yüz geometrisi: çerçevedeki kafa boyutu, kafa konumu, göz yüksekliği, kafa eğimi, kafa dönüşü.
• İfade: ağız kapalı, gözler açık, kameraya bakıyor, nötr ifade.
• Aydınlatma: yüz pozlaması, aydınlatma simetrisi, sert gölgeler yok.
• Kalite: keskinlik, filtre yok, kırmızı göz yok, sıkıştırma artefaktı yok.
• Aksesuarlar: gözlük yok (izin verilmediği sürece), şapka yok, saç yüzden uzak.
• Teknik: doğru en-boy oranı, doğru piksel boyutları, doğru dosya boyutu, doğru format.

Her kontrol geçti, uyarı veya kaldı döndürüyor. Bileşik karar şöyle: tüm kontroller geçti = yeşil. Herhangi bir kontrol kaldıysa = belirli nedenle kırmızı. Uyarılar (bir eşiğe yakın) fotoğrafı başarısız yapmıyor ama karar verebilesin diye işaretleniyor.

AI’ın insan inceleyicileri geçtiği yerler

Algoritmanın bir insandan gerçekten daha güvenilir olduğu beş kategori var:

1. Geometrik ölçümler. mm cinsinden kafa yüksekliği, derece cinsinden göz hattı, yüzde cinsinden tepe-çerçeve kenarı. Bir insan göz kararı yapar; algoritma ölçer.
2. Fotoğraflar arasında tutarlılık. Altı saat vardiyada olan bir insan inceleyici, ilk saatte olduğundan daha hoşgörülü. Algoritmanın vardiyaları yok.
3. İnce filtre tespiti. Cildi pürüzsüzleştiren veya çene hatlarını inceltir güzellik filtreleri günlük göze neredeyse görünmez ama yüksek frekanslı içerik tespit edilebilir düzeylere düşüyor.
4. Arka plan tonu analizi. Akkor aydınlatma nedeniyle aslında sıcak tonlu olan ama beyaz görünen bir duvar, algoritmaya spesifikasyon dışı okuyor. Bir insan inceleyici muhtemelen kendi flüoresan ofis ışığı altında bunu kaçıracak.
5. Dosya formatı kurallarına uyumluluk. Piksel boyutları, dosya boyutu, renk derinliği, JPEG vs PNG — bunlar mekanik kontroller ve bir algoritma onları milisaniyeler içinde çalıştırıyor.

İnsan inceleyicilerin AI’ı geçtiği yerler

İnsanların daha iyi olduğu kategoriler de var ve bu konuda dürüst olmak önemli:

1. İfade nüansı. “Bu nötr bir ifade mi yoksa hafif bir gülümseme mi?” Ağız-açık dönüm noktaları piksel cinsinden boşluğu ölçüyor, ama altta yatan soru — “doğal ve nötr” olarak neyin sayıldığı — öznel. Bir insan inceleyici, algoritma sınırda bir durumu işaretlediğinde bile burada genellikle doğru cevaba sahip.
2. Sıradışı yüzler. Yüz farklılıkları, yara izleri, konjenital durumlar veya önemli asimetrisi olan insanlar, bir insanın doğru şekilde kabul edeceği algoritmik kontrollere takılabilir. Tipik yüzlerde eğitilmiş algoritma, atipik yüzleri bazen yanlış okuyor.
3. Kültürel ve dini başörtüsü. Belirli bir dini örtünün ülkenin politikasına uyup uymadığı bir yargı meselesi. Algoritma alın-çene görünürlüğünü ölçebilir ama örtünün dini sayılıp sayılmadığını değil.
4. Bağlam. Bir inceleyici, hafifçe kusurlu bir fotoğrafın diyelim ki kolayca yeniden çekemeyen yaşlı bir akraba için “alabileceğin en iyisi” olup olmadığını söyleyebilir. Algoritma sadece geçti veya kaldı görüyor.

Bunun senin için ne anlamı var

Dürüst özet: fotoğrafın AI kontrolünü geçerse, nesnel kuralların karşılandığına çok yüksek güvenin var. Geometri, aydınlatma, arka plan, dosya formatı, aksesuarlar — hepsi ölçüldü, hepsi yeşil.

Geriye kalan, öznel yargının küçük yüzey alanı: nötr bir ifade ile hafif bir gülümseme arasındaki tam çizgi, dini başörtüsü vakasının yorumlanması, hafif yaşlanma göz önünde bulundurularak yüzünün “yeterince güncel” olup olmadığı. Bunlar bir insan inceleyicinin gerçekten daha iyi olduğu sorular.

Yani iş akışı şöyle:

1. Fotoğrafı çek.
2. Her nesnel kuralı temizlemek için editörden geçir.
3. Editör öznel bir şey işaretlerse (sınırda ifade, sınırda kırpma), bir yargı kararı ver ve yapabiliyorsan yeniden çek.
4. Gönder.

AI’ın insan incelemesinin yerini almasına güvenmiyorsun. Onu, tutarlı, ölçülebilir, otomatikleştirilebilir başarısızlıkları — ki çoğu öyle — temizlemek için kullanıyorsun, böylece insan inceleyici sadece gerçekten zor vakaları düşünmek zorunda kalıyor.

Göndermeden önce kontrolü dene

Bir fotoğrafın var ve üzerinde çalışan 22 kontrolün nasıl göründüğünü görmek istiyorsan, onu tarayıcı içi editöre bırak. Tarayıcında çalışıyor, yaklaşık iki saniye sürüyor ve hangi kuralların geçtiğini, hangilerinin kaldığını ve hangilerinin sınırda olduğunu sana özellikle söylüyor. Her ret nedeninin listesi ve her birinin çözümü için 22 nedenli rehbere bak. Editörün eşleştirdiği ülkeye özgü spesifikasyonlar için ülke sayfalarına göz at.