211service.com
Mejor software de reconocimiento facial
Para los científicos e ingenieros involucrados con la tecnología de reconocimiento facial, los resultados recientemente publicados del Gran Desafío de Reconocimiento de Rostros –más completamente, la Prueba de Proveedores de Reconocimiento de Rostros (FRVT) 2006 y la Evaluación del Desafío Iris (ICE) 2006– han sido un triunfo silencioso. Patrocinado por el Instituto Nacional de Estándares y Tecnología (NIST), la comparación de los algoritmos de reconocimiento facial mostró que el reconocimiento automático de individuos humanos ha mejorado diez veces desde 2002 y cien veces desde 1995. De hecho, los mejores algoritmos de reconocimiento facial ahora funcionan con mayor precisión de lo que la mayoría de los humanos pueden manejar. En general, la tecnología de reconocimiento facial avanza rápidamente.
Encara los hechos: La imagen 3-D superior solo muestra la información asociada con la forma del rostro de un hombre. La imagen inferior muestra la textura y la forma.
Jonathon Phillips, director de programa de las pruebas del NIST y autor principal de el informe de la agencia , dice que el objetivo previsto del Gran Desafío de reconocimiento facial fue siempre una mejora de un orden de magnitud en el rendimiento del reconocimiento con respecto a los resultados de 2002. Phillips cree que la disminución necesaria en la tasa de error para lograr ese objetivo se debió en gran medida a la desarrollo de imágenes fijas de alta resolución y algoritmos de reconocimiento facial en 3D. Para el FRVT 2006 y el ICE 2006, se recopilaron conjuntos de imágenes faciales de alta resolución, escaneos faciales en 3-D e imágenes del iris de las mismas personas, dice Phillips. El FRVT 2006 midió por primera vez el rendimiento de seis algoritmos 3-D en un conjunto de escaneos faciales 3-D. El ICE 2006 midió el rendimiento de diez algoritmos en un conjunto de imágenes de iris. El reconocimiento facial 3-D ha cobrado fuerza en los últimos años porque los sensores 3-D para el reconocimiento facial han estado disponibles solo recientemente. Lo que aporta el reconocimiento facial en 3D es que captura directamente información sobre las formas de los rostros.
Entre otras ventajas, el reconocimiento facial 3-D identifica a las personas mediante la explotación de las características distintivas de la superficie del rostro humano, por ejemplo, las curvas de las cuencas de los ojos, la nariz y el mentón, que es donde el tejido y los huesos son más evidentes y cuáles no. cambian con el tiempo. Además, dice Phillips, los cambios en la iluminación han afectado negativamente al rendimiento del reconocimiento facial de las imágenes fijas. Pero la forma de una cara no se ve afectada por los cambios en la iluminación. Por lo tanto, el reconocimiento facial 3-D incluso podría usarse en condiciones casi oscuras.
Según Ralph Gross, investigador del Carnegie Mellon Robotics Institute, en Pittsburgh, el reconocimiento facial 3-D también puede reconocer sujetos en diferentes ángulos de visión de hasta 90 grados, en otras palabras, rostros de perfil. El reconocimiento facial se ha vuelto bastante bueno en caras frontales completas y 20 grados fuera, pero tan pronto como vas hacia el perfil, ha habido problemas. Gross dice que la explicación de las dificultades del software de reconocimiento facial con los perfiles puede no ser más complicada que el hecho de que nadie se estaba enfocando en el problema. Las principales aplicaciones del reconocimiento facial se han dado en contextos como tarjetas de identificación y escáneres faciales, para lo cual el objetivo ha sido el reconocimiento de rostros frontales completos de sujetos cooperativos bajo iluminación controlada.
Las imágenes fijas de alta resolución han sido otro factor en la mejora de la tecnología de reconocimiento facial, en parte porque también se ha hecho posible un análisis muy detallado de la textura de la piel. Con tal análisis, cualquier parche de piel, llamado impresión de piel, puede capturarse como una imagen y luego dividirse en bloques más pequeños que los algoritmos convierten en espacios matemáticos medibles en los que se registran las líneas, los poros y la textura real de la piel. Puede identificar diferencias entre gemelos idénticos, lo que aún no es posible utilizando solo el software de reconocimiento facial, explica Gross. Al combinar el reconocimiento facial con el análisis de la textura de la superficie, la identificación precisa puede aumentar entre un 20 y un 25 por ciento.
¿Qué pasa con la afirmación del informe FRVT de que algunos algoritmos de reconocimiento facial igualan o superan las capacidades de reconocimiento de los humanos? Phillips explica: Los seres humanos son muy buenos para reconocer rostros de personas conocidas. Sin embargo, no son tan buenos para reconocer a personas desconocidas. Dado que muchos sistemas de reconocimiento facial propuestos complementarían o reemplazarían a los humanos, las pruebas comparativas de FRVT de las capacidades de reconocimiento facial de humanos y software, las primeras pruebas de este tipo, fueron importantes para medir la eficacia potencial de las aplicaciones. Phillips dice que a tasas bajas de aceptación falsa (una tasa de aceptación falsa es la medida de la probabilidad de que un sistema de seguridad biométrico acepte incorrectamente un intento de acceso por parte de una persona no autorizada), seis de los siete algoritmos de reconocimiento facial automático eran comparables o mejores que el reconocimiento humano. Estos fueron algoritmos de Neven Vision, Viisage, Cognitec, Identix, Samsung Advanced Institute for Technology y Tsinghua University. Desafortunadamente, agrega Phillips, debido a que la mayoría de los participantes de FRVT 2006 no han revelado los detalles de sus métodos, aún no es posible evaluar qué es lo que los distingue de estos algoritmos.
¿Cómo se ve la recompensa comercial del reconocimiento facial? Muy prometedor, porque decenas de empresas apuntan a sacar provecho del potencial del reconocimiento facial como biométrico para fines de acreditación y verificación. Para FRVT, venerables corporaciones como Toshiba y Samsung compitieron junto a empresas como Visión de Neven –Acaba de adquirir Google – y Visa e Identix (que se acaba de fusionar en L1 Identity Solutions), así como con investigadores de universidades tan diversas como Beijing, Cambridge y Carnegie Mellon. ¿Qué aplicaciones prevé una empresa como Google para la tecnología desarrollada por su reciente adquisición, Neven Vision? Según un representante de relaciones públicas de Google, creemos que ofrece posibilidades de integración prometedoras con los servicios de Google, como Picasa y Álbumes web de Picasa, especialmente en términos de ayudar a los usuarios a organizar y buscar sus propias fotos.
En Carnegie Mellon, Ralph Gross dice que, entre otros esfuerzos, él y sus colegas han estado involucrados con los DMV locales para escanear imágenes para obtener licencias de conducir. Recibí informes a nivel estatal que dicen que, usando tecnología de reconocimiento facial, capturaron a un gran número de personas que solicitaron licencias en diferentes estados o en el mismo estado con un nombre diferente porque su licencia anterior fue suspendida. Es una tendencia creciente. Los estados que utilizan dicha tecnología incluyen Massachusetts, Illinois, Virginia Occidental, Wisconsin, Colorado, Carolina del Norte y del Sur, Oklahoma, Dakota del Norte, Arkansas y Mississippi. Sin embargo, subraya Gross, la aplicación de la tecnología de reconocimiento facial a las fotos de identificación dista mucho de tener la capacidad que permitiría a las fuerzas del orden buscar personas específicas en las redes de cámaras web de una ciudad. Con las fotos de la licencia de conducir, tiene un fondo controlado, un operador que le dice exactamente cómo colocar su rostro; las imágenes se recogen en condiciones comparables. Es mucho más restringido que el problema de enfrentarse a la multitud al azar, en el que se coloca una cámara en un edificio.
Aún así, dice Gross, ya se puede ver la construcción del camino. Hasta hace poco, la industria de la videovigilancia todavía se basaba principalmente en cámaras analógicas, lo que requería que se instalara un cable para largas distancias para conectar esas cámaras al equipo de monitoreo. Ahora, la industria está cambiando a cámaras basadas en IP, con las que puede acceder fácilmente a las redes Ethernet ya existentes, dice Gross. Por lo tanto, tiene cámaras inalámbricas y cámaras que usan POE [la tecnología Power over Ethernet permite que los teléfonos IP, los puntos de acceso LAN inalámbricos y otros dispositivos reciban energía, así como datos a través del cableado LAN existente] donde no necesita un enchufe de alimentación por separado. Puede comprar soluciones comerciales que son esencialmente un TiVo para estas cámaras, con sensores de movimiento integrados para que solo registren cuando hay movimiento. Con el almacenamiento digital, puede conservar los datos de forma indefinida y mejorarlos de una manera que no puede hacerlo con imágenes analógicas. Entonces todas estas cosas se están uniendo.
En principio, por lo tanto, a medida que el software de reconocimiento facial continúe avanzando rápidamente, es probable que sea posible buscar rostros específicos a través de una red de cámaras web. En consecuencia, el trabajo reciente de Gross en Carnegie Mellon, junto con colegas de la Laboratorio de privacidad de datos allí, ha habido el desarrollo de algoritmos para proteger la privacidad de las personas mientras se encuentran bajo vigilancia por video. Los métodos habituales que frustran el reconocimiento humano de las características de un individuo en un video, por ejemplo, esos campos pixelados que a veces cubren caras y partes del cuerpo en programas de televisión de realidad, ya no engañarán a muchos programas de reconocimiento facial. Desmayar por completo cada rostro en un videoclip haría hacer el trabajo, pero esto sería de utilidad limitada si las agencias de aplicación de la ley quisieran hacer un seguimiento de la evidencia de comportamiento sospechoso una vez que tuvieran una orden judicial. La función de los algoritmos de preservación de la privacidad que Gross está ayudando a crear, explica, es tomar automáticamente los valores promedio de los rostros de las personas y, a partir de ellos, sintetizar nuevas imágenes faciales y luego superponer esas nuevas imágenes sobre las originales. Puede parecer la tecnología opuesta, dice Gross, pero en realidad, es solo el otro lado del reconocimiento facial.