Đề tài NHẬN DIỆN KHUÔN MẶT ĐỂ CHẤM CÔNG TRONG CÔNG TY

TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP HÀ NỘI
KHOA CÔNG NGHỆ THÔNG TIN
-----🙞🙜🕮🙞🙜-----

BÁO CÁO THỰC TẬP CƠ SỞ NGÀNH
Mã lớp: 20212IT6046002
Đề tài: NHẬN DIỆN KHUÔN MẶT ĐỂ CHẤM CÔNG TRONG
CÔNG TY

GVHD: Th.S Lê Như Hiền
Sinh viên:
Nguyễn Trường Nam 2019601647
Lớp:

Khoa Học Máy Tính 01

Khoá:

14

Hà Nội – Năm 2021


MỤC LỤC
MỞ ĐẦU

4

1. Lý do chọn đề tài

4

2. Mục đích nghiên cứu

4

3. Đối tượng nghiên cứu

5

4. Nhiệm vụ nghiên cứu

5

5. Giới hạn và phạm vi nghiên cứu

5

6. Những đóng góp của môn học

5

Chương 1: KHẢO SÁT HỆ THỐNG

6

1.1 GIỚI THIỆU ĐỀ TÀI

6

1.1.1 Tên Đề tài: Nhận diện khuôn mặt để chấm công trong công ty

6

1.1.2 Mục tiêu đầu tư Đề tài:

6

1.1.3 Thời gian thực hiện Đề tài:

6

1.2 MÔ TẢ HỆ THỐNG
1.2.1 Tổng quan về hệ thống

6
6

1.2.2 Đề xuất phương pháp giải quyết: “Chấm công bằng nhận diện khuôn
mặt”
8
CHƯƠNG 2. TỔNG QUAN VỀ NHẬN DIỆN KHUÔN MẶT

10

2.1 Hệ thống nhận diện khuôn mặt [1]

10

2.2 Lịch sử của công nghệ nhận dạng khuôn mặt[2]

11

CHƯƠNG 3. XÂY DỰNG ĐỀ TÀI
3.1 Tổng quan mô hình

17
17

3.1.1 Tìm hiểu về Học Máy (Machine Learning)

17

3.1.2 Bài tốn nhận dạng khuôn mặt để chấm công

21

3.1.3 Các hướng tiếp cận và giải quyết

21

3.2 Xây dựng mơ hình

24

3.2.1 Phương pháp học máy sử dụng: Convolutional Neural Network 24
3.2.2 Cơ sở dữ liệu ảnh khuôn mặt

25

3.2.3 Bộ huấn luyện nhận dạng khn mặt

25

3.3.4 Xây dựng mơ hình mạng

26

3.3.4.1 Kiến trúc mạng nơ-ron tích chập

26

KẾT LUẬN
4.1 Tính hiệu quả của đề tài

29
29


4.2 Thuận lợi khi thực hiện đề tài

29

4.3 Khó khăn khi thực hiện đề tài

29

4.4 Rút ra kết luận

30

TÀI LIỆU THAM KHẢO

31


MỞ ĐẦU
1. Lý do chọn đề tài
Hiện nay, biến đổi khí hậu, ơ nhiễm khơng khí khiến thời tiết ngày
càng thất thường, chất lượng khơng khí giảm sút, từ đó dễ dẫn đến nguy
cơ mắc và lây lan nhiều loại bệnh nhiễm trùng đường hơ hấp, cảm cúm...
Để góp phần ngừa dịch hiệu quả, giúp công việc không bị gián đoạn do
nhân viên bị bệnh và phải nghỉ ốm, một trong số các biện pháp đã được
nhiều doanh nghiệp áp dụng là sử dụng máy chấm công khuôn mặt.

2. Mục đích nghiên cứu
Nhiều bệnh do virus dễ lây lan và bùng phát thành dịch như nhiễm trùng
đường hô hấp, cảm cúm, thủy đậu... ngoài khả năng lây khi tiếp xúc trực tiếp với
người bệnh mà khơng có các biện pháp bảo hộ và bị bắn dịch tiết chứa virus do
người bệnh ho, hắt hơi... vào đường hơ hấp thì cịn có thể lây truyền ngay cả khi
bạn tiếp xúc với các đồ vật của người bệnh hay các đồ vật mà người bệnh chạm
vào.
Cụ thể, khi người bệnh ho, hắt hơi, nói chuyện... thì dịch tiết chứa virus có thể bị
phát tán ra bên ngồi, sau đó bám trên bề mặt các đồ vật. Vì nhiều loại virus có
thể sống nhiều giờ ở mơi trường ngồi nên nếu người lành tiếp xúc tay với các
đồ vật có dính virus, sau đó khơng rửa sạch tay mà lại chạm tay lên miệng, mũi,
mắt thì sẽ có nguy cơ nhiễm bệnh khá cao. Đường lây nhiễm này cũng nguy
hiểm vì việc đưa tay lên mặt của nhiều người thường là theo thói quen, có khi
khá vơ thức trong khi khơng phải ai cũng tạo được cho mình thói quen rửa
tay thường xun.
Khi sử dụng máy chấm công vân tay, phần vân tay của nhân viên sẽ phải chạm

trực tiếp vào đầu quét vân tay của máy thì thời gian vào, ra của người đó mới
được xác nhận. Khi dùng máy chấm cơng thẻ, tuy không phải trực tiếp để tay lên


máy, song do cự ly tiếp xúc rất gần, sẽ khơng thể hồn tồn tránh khỏi trường
hợp người chấm cơng chạm tay lên máy. Trong trường hợp người chấm công
trước bị bệnh và vơ tình ho, hắt hơi... làm bắn các giọt dịch tiết lên máy chấm
cơng thì khơng thể loại trừ được nguy cơ lây bệnh nếu người chấm cơng sau
chạm tay vào đúng vị trí có bám virus rồi lại đưa tay lên mắt, mũi, miệng khi
chưa rửa tay.
Trong khi đó, với máy chấm cơng khn mặt, người chấm cơng sẽ đứng cách
máy khá xa, hồn tồn khơng phải chạm vào máy nên có thể tránh được việc
nhiễm bệnh do chạm vào vật dụng có dính virus trong q trình chấm cơng. Vì
lý do này, chấm cơng bằng cách nhận diện khuôn mặt là một trong những biện
pháp được nhiều doanh nghiệp tin tưởng và đánh giá cao để góp phần ngăn chặn
tình trạng nhiều nhân viên bị ốm, phải nghỉ làm dài ngày, gây ảnh hưởng đến
tiến độ công việc và hiệu quả kinh doanh, sản xuất của công ty trong mùa dịch
của các bệnh nhiễm trùng đường hô hấp, cảm cúm, thủy đậu...

3. Đối tượng nghiên cứu

Các cơng ty có nhu cầu về chấm cơng.

4. Nhiệm vụ nghiên cứu

Xây dựng được hệ thống chấm công.

5. Giới hạn và phạm vi nghiên cứu
Các cơng ty có số lượng cơng nhân lớn.

6. Những đóng góp của mơn học

Xây dựng được phương hướng phát triển, triển khai đề tài.


Chương 1: KHẢO SÁT HỆ THỐNG
1.1 GIỚI THIỆU ĐỀ TÀI
1.1.1 Tên Đề tài: Nhận diện khuôn mặt để chấm công trong công
ty
1.1.2 Mục tiêu đầu tư Đề tài:
Chấm công cho các cơng ty, tập đồn,… Giảm thiểu những hạn chế của các hình
thức chấm cơng cũ như qn thẻ với hình thức quẹt thẻ, tránh được sự tiếp xúc
giữa nhiều người trong bối cảnh dịch bệnh COVID-19 lan rộng.

1.1.3 Thời gian thực hiện Đề tài:
3 tháng

1.2 MÔ TẢ HỆ THỐNG
1.2.1 Tổng quan về hệ thống
1.2.1.1 Khảo sát:
- Tên: CÔNG TY CỔ PHẦN ĐẦU TƯ XUẤT BẢN – THIẾT BỊ GIÁO
DỤC VIỆT NAM (VEPIC)
- Địa chỉ: Tầng 5, toà Lâm Viên Complex, 107A Nguyễn Phong Sắc, P.
Dich Vọng Hậu, Q. Cầu Giấy, TP Hà Nội
- Sơ đồ tổ chức:


1.2.1.2 Phân tích hiện trạng
- Hiện trạng: Hiện nay, các hệ thống chấm công của nhà máy hầu hết sử
dụng các thiết bị quét thẻ hoặc nhận diện vân tay. Nếu sử dụng vân tay để

chấm công, phần vân tay của nhân viên bắt buộc sẽ phải chạm trực tiếp
vào đầu quét vân tay ở máy. Còn khi dùng thẻ, do cự ly tiếp xúc gần nên
không thể tránh khỏi trường hợp người chấm công chạm tay lên máy.
Trong trường hợp nếu người trước nhiễm bệnh, vơ tình ho, hắt hơi, có tạo
giọt bắn lên máy chấm cơng, thì nguy cơ lây bệnh cho người chấm cơng
sau đó là cực kỳ lớn.
- Nhược điểm của vân tay:
- Trong trường hợp tay bạn ướt hay q lạnh thì máy sẽ khó xác
định được dấu vân tay, hoặc trong trường tay bạn bị thương cũng
khó có thể xử lý tình huống này, và việc chấm cơng sẽ khó khăn.


- Đối với những nhà máy, doanh nghiệp sản xuất (ví dụ sản xuất
kim loại, hóa chất…) vì vân tay bị mịn, khó lấy vân tay. Vân tay
bẩn cũng làm đầu đọc nhanh hỏng.
- Nhược điểm của thẻ từ
- Không như chấm cơng bằng vân tay thì bạn cần phải đem theo thẻ
mỗi ngày, việc này sẽ hơi bất tiện nếu bạn quên đem thẻ. Và có
những trường hợp bạn mất thẻ thì sẽ tốn theo thời gian để làm lại
thẻ, và lúc đó bạn chấm cơng bằng văn bản sẽ rắc rối thêm.
- Chi phí đầu tư thẻ từ sẽ khá cao nếu cơng ty có quy mơ lớn (> 200
nhân viên).
- Tuy nhiên có nhược điểm lớn hơn hết là có thể nhờ người khác
quẹt thẻ cho, dẫn đến viêc gian lận giờ làm viêc.

1.2.2 Đề xuất phương pháp giải quyết: “Chấm công bằng nhận
diện khuôn mặt”
1.2.2.1 Ưu điểm chấm cơng bằng nhận diện khn mặt
- Tính bảo mật cao, hạn chế tối đa việc chấm công hộ.
- Tích hợp vào điện thoại nhân viên. Nhân viên có thể chấm công chủ

động ngay tại chỗ ngồi làm việc
- Phù hợp công ty đông nhân viên, nhiều chi nhánh
- Khắc phục được nhược điểm của các loại máy chấm cơng thơng thường,
chẳng hạn như tình trạng nhân viên qn thẻ; thẻ giấy bị rách, hết mực đối
(với máy chấm công bằng thẻ); đầu đọc bị mờ, trầy xước (đối với máy
chấm cơng bằng dấu vân tay),…
- Được tích hợp nhiều tính năng hiện đại, tốc độ xử lý nhanh.


1.2.2.2 Nghiệp vụ cơ bản:
- Tạo cơ sở dữ liệu hình ảnh: Thu thập dữ liệu hình ảnh tất cả nhân viên
trong công ty.
- Nhận diện khuôn mặt: Bộ phận camera tiếp nhận hình ảnh tại các cửa của
cơng ty, phịng ban truyền về server để xử lý.
- Chấm cơng: kiểm sốt thời gian ra vào cơng ty của nhân viên từ đó chấm
cơng.


CHƯƠNG 2. TỔNG QUAN VỀ NHẬN DIỆN
KHUÔN MẶT
2.1 Hệ thống nhận diện khuôn mặt [1]
Hệ thống nhận dạng khuôn mặt là cơng nghệ có khả năng khớp khn mặt
người từ hình ảnh kỹ thuật số hoặc khung video với cơ sở dữ liệu khuôn mặt,
thường được sử dụng để xác thực người dùng thông qua dịch vụ xác minh ID,
hoạt động bằng cách xác định và đo các đặc điểm khn mặt từ một hình ảnh
nhất định.

Sự phát triển bắt đầu trên các hệ thống tương tự vào những năm 1960, bắt đầu
như một dạng ứng dụng máy tính. Kể từ khi ra đời, các hệ thống nhận dạng
khuôn mặt đã được sử dụng rộng rãi hơn trong thời gian gần đây trên điện thoại

thông minh và trong các dạng cơng nghệ khác, chẳng hạn như robot. Bởi vì nhận
dạng khn mặt trên máy tính liên quan đến việc đo lường các đặc điểm sinh lý
của con người, các hệ thống nhận dạng khuôn mặt được phân loại là sinh trắc
học. Mặc dù độ chính xác của hệ thống nhận dạng khuôn mặt như một công
nghệ sinh trắc học thấp hơn so với nhận dạng mống mắt và nhận dạng vân tay,
nhưng nó vẫn được chấp nhận rộng rãi do q trình khơng tiếp xúc của nó. Các
hệ thống nhận dạng khuôn mặt đã được triển khai trong tương tác giữa con
người và máy tính tiên tiến, giám sát video và lập chỉ mục hình ảnh tự động.

Các hệ thống nhận dạng khuôn mặt ngày nay được sử dụng trên khắp thế giới
bởi các chính phủ và các cơng ty tư nhân. Hiệu quả của chúng khác nhau và một
số hệ thống trước đây đã bị loại bỏ vì khơng hiệu quả. Việc sử dụng các hệ
thống nhận dạng khuôn mặt cũng đã gây ra tranh cãi, với những tuyên bố rằng
hệ thống này vi phạm quyền riêng tư của cơng dân, thường tạo ra danh tính
khơng chính xác, khuyến khích các chuẩn mực giới tính và phân biệt chủng tộc,


và không bảo vệ dữ liệu sinh trắc học quan trọng. Sự xuất hiện của các phương
tiện truyền thông tổng hợp như deepfakes cũng làm dấy lên lo ngại về tính bảo
mật của nó. Những tun bố này đã dẫn đến lệnh cấm các hệ thống nhận dạng
khuôn mặt ở một số thành phố ở Hoa Kỳ. Do mối quan tâm ngày càng tăng của
xã hội, Meta đã thông báo rằng họ có kế hoạch đóng cửa hệ thống nhận dạng
khn mặt của Facebook, xóa dữ liệu qt khn mặt của hơn một tỷ người
dùng. Thay đổi này sẽ đại diện cho một trong những thay đổi lớn nhất trong việc
sử dụng nhận dạng khuôn mặt trong lịch sử công nghệ.

2.2 Lịch sử của công nghệ nhận dạng khuôn mặt[2]
Nhận dạng khuôn mặt tự động đã được tiên phong trong những năm
1960. Woody Bledsoe , Helen Chan Wolf và Charles Bisson đã nghiên cứu việc
sử dụng máy tính để nhận dạng khn mặt người. Dự án nhận dạng khuôn mặt

ban đầu của họ được mệnh danh là "người máy" vì tọa độ của các đặc điểm trên
khuôn mặt trong một bức ảnh phải do con người thiết lập trước khi máy tính có
thể sử dụng chúng để nhận dạng. Trên máy tính bảng đồ họa , con người phải
xác định chính xác tọa độ của các đặc điểm trên khn mặt, chẳng hạn như tâm
đồng tử, góc trong và ngồi của mắt, và đỉnh góa phụở chân tóc. Các tọa độ
được sử dụng để tính tốn 20 khoảng cách, bao gồm cả chiều rộng của miệng và
của mắt. Một con người có thể xử lý khoảng 40 bức tranh một giờ theo cách này
và do đó xây dựng cơ sở dữ liệu về các khoảng cách đã tính tốn. Sau đó, một
máy tính sẽ tự động so sánh các khoảng cách cho mỗi bức ảnh, tính tốn sự khác
biệt giữa các khoảng cách và trả về các bản ghi đã đóng như một sự trùng khớp
có thể.
Năm 1970, Takeo Kanade đã cơng khai chứng minh hệ thống đối sánh khn
mặt xác định vị trí các đặc điểm giải phẫu như cằm và tính tốn tỷ lệ khoảng
cách giữa các đặc điểm trên khuôn mặt mà không cần sự can thiệp của con
người. Các thử nghiệm sau đó cho thấy hệ thống khơng phải lúc nào cũng có thể
nhận dạng các đặc điểm trên khn mặt một cách đáng tin cậy. Tuy nhiên, sự


quan tâm đến chủ đề này ngày càng tăng và năm 1977 Kanade đã xuất bản cuốn
sách chi tiết đầu tiên về công nghệ nhận dạng khuôn mặt.
Năm 1993, Cơ quan Dự án Nghiên cứu Tiên tiến Quốc phịng (DARPA)
và Phịng thí nghiệm Nghiên cứu Qn đội (ARL) đã thành lập chương trình
cơng nghệ nhận dạng khuôn mặt FERET để phát triển "khả năng nhận dạng
khuôn mặt tự động" có thể được sử dụng trong mơi trường thực tế hiệu quả "để
hỗ trợ bảo mật, tình báo và nhân viên thực thi pháp luật trong việc thực hiện
nhiệm vụ của họ. " Các hệ thống nhận dạng khn mặt đã được thử nghiệm
trong phịng nghiên cứu đã được đánh giá và các bài kiểm tra FERET cho thấy
rằng mặc dù hiệu suất của các hệ thống nhận dạng khn mặt tự động hiện có
khác nhau, nhưng một số phương pháp hiện có có thể được sử dụng để nhận
dạng khuôn mặt trong ảnh tĩnh được chụp trong mơi trường được kiểm sốt. Các

bài kiểm tra FERET đã tạo ra ba công ty Hoa Kỳ bán hệ thống nhận dạng khuôn
mặt tự động. Vision Corporation và Miros Inc đều được thành lập vào năm
1994, bởi các nhà nghiên cứu đã sử dụng kết quả của các bài kiểm tra FERET
làm điểm bán hàng. Viisage Technology được thành lập bởi một nhà thầu bảo
vệ thẻ nhận dạng vào năm 1996 để khai thác thương mại các quyền đối với thuật
tốn nhận dạng khn mặt do Alex Pentland tại MIT phát triển.
Sau cuộc kiểm tra nhà cung cấp nhận dạng khn mặt FERET năm 1993 , văn
phịng Bộ Xe cơ giới (DMV) ở Tây Virginia và New Mexico là những văn
phòng DMV đầu tiên sử dụng hệ thống nhận dạng khuôn mặt tự động như một
cách để ngăn chặn và phát hiện những người lấy nhiều giấy phép lái xe dưới các
tên khác nhau . Giấy phép lái xe ở Hoa Kỳ vào thời điểm đó là một hình thức
nhận dạng có ảnh thường được chấp nhận. Các văn phịng DMV trên khắp Hoa
Kỳ đang trải qua quá trình nâng cấp cơng nghệ và đang trong q trình thiết lập
cơ sở dữ liệu về ảnh ID kỹ thuật số. Điều này cho phép các văn phòng DMV
triển khai hệ thống nhận dạng khn mặt trên thị trường để tìm kiếm ảnh của
giấy phép lái xe mới dựa trên cơ sở dữ liệu DMV hiện có. Các văn phịng DMV
trở thành một trong những thị trường lớn đầu tiên cho công nghệ nhận dạng
khuôn mặt tự động và giới thiệu công dân Hoa Kỳ với nhận dạng khuôn mặt như


một phương pháp nhận dạng tiêu chuẩn. Sự gia tăng dân số nhà tù của Hoa
Kỳ trong những năm 1990 đã thúc đẩy các bang của Hoa Kỳ thiết lập các hệ
thống nhận dạng được kết nối và tự động kết hợp sinh trắc học kỹ thuật sốcơ sở
dữ liệu, trong một số trường hợp, điều này bao gồm cả nhận dạng khuôn
mặt. Năm 1999, Minnesota đã kết hợp hệ thống nhận dạng khuôn mặt FaceIT
của Visionics vào một hệ thống đặt lịch bắn cốc cho phép cảnh sát, thẩm phán
và nhân viên tòa án theo dõi tội phạm trên toàn tiểu bang.

Trong ánh xạ cắt này , mũi tên màu đỏ thay đổi hướng, nhưng mũi tên màu xanh
lam thì khơng và được sử dụng làm eigenvector.

Thuật tốn Viola – Jones để phát hiện khn mặt sử dụng các tính năng giống
như Haar để định vị khn mặt trong hình ảnh. Ở đây, một đặc điểm Haar trông
tương tự như sống mũi được áp dụng trên khuôn mặt.
Cho đến những năm 1990, hệ thống nhận dạng khuôn mặt chủ yếu được phát
triển bằng cách sử dụng chụp ảnh chân dung khuôn mặt người. Nghiên cứu về
nhận dạng khuôn mặt để định vị khuôn mặt một cách đáng tin cậy trong một
hình ảnh có chứa các đối tượng khác đã đạt được lực kéo vào đầu những năm
1990 với phân tích thành phần nguyên tắc (PCA). Phương pháp PCA nhận diện
khn mặt cịn được gọi là Eigenface và được phát triển bởi Matthew Turk và
Alex Pentland. Turk và Pentland kết hợp phương pháp tiếp cận khái niệm
của định lý Karhunen-Loève và phân tích nhân tố , để phát triển một mơ hình
tuyến tính . Eigenfaces được xác định dựa trên tồn cục và trực giaocác đặc
điểm trên khn mặt người. Một khn mặt người được tính là sự kết hợp có


trọng số của một số Eigenfaces. Bởi vì một số Eigenfaces được sử dụng để mã
hóa khn mặt người của một nhóm dân số nhất định, phương pháp nhận diện
khuôn mặt PCA của Turk và Pentland đã giảm đáng kể lượng dữ liệu phải xử lý
để phát hiện khuôn mặt. Năm 1994, Pentland đã xác định các đặc điểm của
Eigenface, bao gồm mắt đặc, miệng và mũi đặc, để thúc đẩy việc sử dụng PCA
trong nhận dạng khuôn mặt. Năm 1997, phương pháp nhận dạng khuôn mặt
PCA Eigenface đã được cải tiến khi sử dụng phân tích phân biệt tuyến
tính (LDA) để sản xuất Fisherfaces. LDA Fisherfaces được sử dụng chủ yếu
trong nhận dạng khuôn mặt dựa trên tính năng PCA. Trong khi Eigenfaces cũng
được sử dụng để tái tạo khn mặt. Trong những cách tiếp cận này, khơng có
cấu trúc tổng thể nào của khn mặt được tính tốn để liên kết các đặc điểm
hoặc bộ phận trên khuôn mặt.
Vào cuối những năm 1990, hệ thống Bochum sử dụng bộ lọc Gabor để ghi lại
các đặc điểm khn mặt và tính tốn một lưới cấu trúc khn mặt để liên kết các

đặc điểm. Christoph von der Malsburg và nhóm nghiên cứu của ơng tại Đại học
Bochum đã phát triển Khớp biểu đồ chùm đàn hồi vào giữa những năm 1990 để
trích xuất một khn mặt ra khỏi hình ảnh bằng cách sử dụng phân đoạn da. Đến
năm 1997, phương pháp nhận diện khuôn mặt do Malsburg phát triển đã vượt
trội hơn hầu hết các hệ thống nhận diện khuôn mặt khác trên thị trường. Cái gọi
là "hệ thống Bochum" nhận diện khuôn mặt đã được bán thương mại trên thị
trường với tên gọi ZN-Facecho các nhà điều hành sân bay và các địa điểm bận
rộn khác. Phần mềm này "đủ mạnh để tạo ra các nhận dạng từ những góc nhìn
kém hồn hảo về khn mặt. Nó cũng thường có thể nhìn thấy những trở ngại
như vậy đối với việc nhận dạng như ria mép, râu, thay đổi kiểu tóc và kính thậm chí cả kính râm".
Tính năng nhận diện khn mặt theo thời gian thực trong các cảnh quay video
đã trở nên khả thi vào năm 2001 với khung phát hiện đối tượng Viola –
Jones cho khuôn mặt. Paul Viola và Michael Jones đã kết hợp phương pháp
nhận diện khuôn mặt của họ với phương pháp tiếp cận tính năng giống Haar để
nhận dạng vật thể trong hình ảnh kỹ thuật số để khởi chạy AdaBoost , công cụ


dị tìm khn mặt nhìn chính diện thời gian thực đầu tiên. [24] Đến năm 2015,
thuật toán Viola – Jones đã được triển khai bằng cách sử dụng các máy dị cơng
suất thấp nhỏ trên các thiết bị cầm tay và hệ thống nhúng. Do đó, thuật tốn
Viola – Jones không chỉ mở rộng ứng dụng thực tế của hệ thống nhận dạng
khn mặt mà cịn được sử dụng để hỗ trợ các tính năng mới trong giao diện
người dùng và hội nghị từ xa.
Ukraine đang sử dụng nhận dạng khuôn mặt để xác định các binh sĩ Nga thiệt
mạng. Ukraine đã tiến hành 8.600 cuộc tìm kiếm và xác định được gia đình của
582 quân nhân Nga đã thiệt mạng. Đã được thực hiện bởi bộ phận tình nguyện
viên CNTT của quân đội Ukraine. Ukraine đang sử dụng phần mềm Clearview
AI của Mỹ . Mục đích chính là gây bất ổn cho chính phủ Nga. Như một hình
thức chiến tranh tâm lý . Khoảng 340 quan chức chính phủ Ukraine trong năm
bộ của chính phủ đang sử dụng cơng nghệ này. Nó được sử dụng để bắt gián

điệp có thể cố gắng vào Ukraine.
Cơ sở dữ liệu nhận dạng khuôn mặt của Clearview AI chỉ dành cho các cơ quan
chính phủ, những người chỉ có thể sử dụng cơng nghệ này để hỗ trợ quá trình
điều tra thực thi pháp luật hoặc liên quan đến an ninh quốc gia.
Phần mềm được tặng cho Ukraine bởi Clearview AI. Nga được cho là đang sử
dụng nó để tìm các nhà hoạt động phản chiến. Ban đầu được thiết kế cho cơ
quan thực thi pháp luật Hoa Kỳ. Sử dụng nó trong chiến tranh chết chóc làm dấy
lên những lo ngại mới. Một chuyên gia giám sát có trụ sở tại London, Stephen
Hare, cho rằng nó có thể khiến người Ukraine tỏ ra vơ nhân đạo: "Nó có thực sự
hoạt động khơng? Hay nó đang khiến [người Nga] nói: 'Hãy nhìn những người
Ukraine vơ pháp, độc ác, đang làm điều này với các chàng trai của chúng ta?'"