Sistema de recoñecemento facial

Un sistema de recoñecemento facial permite identificar a unha persoa a partir da comparación de determinadas características da cara, entre unha imaxe tomada en directo, e o patrón almacenado nunha base de datos. O recoñecemento facial é un método de identificación biométrica empregado tipicamente en sistemas de seguridade.

Tipos de sistemas[editar | editar a fonte]

Os sistemas de recoñecemento facial poden ser continuos ou disparados. Os primeiros son aqueles que están continuamente rexistrando rostros usando unha cámara de vídeo, buscando a determinadas persoas. Os disparados necesitan a colaboración do usuario, que se achegará a unha cámara, e activará o sistema que terá que determinar se é un usuario autorizado.

Segundo a forma de obter os patróns que identifican cada rostro, podemos atopar sistemas que utilizan fotografías, e sistemas que toman imaxes térmicas:

Sistemas que empregan fotografías

Dentro destes, tamén hai distintos sistemas. Entre os algoritmos de recoñecemento máis coñecidos están o eigenface, o fisherface, o modelo de Hidden Markov, e o inspirado no funcionamento das neuronas Dynamic Link Matching. Un novo campo emerxente, é o do recoñecemento facial en tres dimensións. Outra das novas liñas de desenvolvemento usa os detalles visuais da pel, obtidos a partir dunha fotografía, en lugar das medidas entre distintos puntos da cara dos sistemas tradicionais. As probas na base de datos FERET, que contén as comparativas máis usadas pola industria, mostran que esta aproximación é substancialmente máis fiable que os algoritmos previos.

Sistemas que usan imaxes térmicas

Estes sistemas empregan cámaras infravermellas para obter a disposición dos vasos sanguíneos que pasan pola cara. Contan con vantaxes como a de poder ser empregados na completa escuridade, ou que non se vexan tan afectados polos cambios na cara, nin polos cambios de posición da cara ante a cámara.

Proceso[editar | editar a fonte]

O proceso automático de identificación pasa por dúas fases:

Detección Fase na que o sistema localiza o rostro humano nunha imaxe tomada por unha cámara, e illa ese rostro. Unha vez localizado o rostro o sistema toma distintas medidas que serán usadas na seguinte fase, a de identificación.
Identificación Unha vez obtidas as medidas do rostro, o patrón obtido compárase cos almacenados previamente na base de datos, para tentar localizar o individuo a quen pertence o rostro da imaxe.

Críticas[editar | editar a fonte]

Eficacia[editar | editar a fonte]

Os críticos coa tecnoloxía aseguran que inda non está o suficientemente madura como para poder recoñecer a un individuo sen a súa cooperación.

O sistema implantado no barrio londiniense de Borough, no 2004 aínda non recoñeceu criminal ningún, a pesar de que varios dos criminais rexistrados na base de datos viven no barrio, e o sistema levaba funcionando varios anos. "Not once, as far as the police know, has Newham's automatic facial recognition system spotted a live target."^[1]^[2]

No ano 2003, un sistema deseñado para identificar a potenciais terroristas polas súas características faciais fallou na súa proba principal no aeroporto Logan de Boston^[3]

Privacidade[editar | editar a fonte]

A pesar dos potenciais beneficios desta tecnoloxía, algúns cidadáns están preocupados polo feito de que a súa privacidade poida ser invadida. Existe o medo de que se podería chegar a un modelo de sociedade totalmente controlada, cos gobernos e autoridades tendo a posibilidade de coñecer en cada momento onde estás, e que estás facendo.^[4]

Historia[editar | editar a fonte]

Entre os pioneiros no campo do recoñecemento facial automatizado están: Woody Bledsoe, Helen Chan Wolf, e Charles Bisson.

Durante os anos 1964 e 1965, Bledsoe, xunto con Helen Chan e Charles Bisson, traballaron no uso de ordenadores para recoñecer os rostros humanos. Bledsoe estaba satisfeito co seu traballo, pero debido a que os fondos eran proporcionados por unha axencia de intelixencia anónima que non permitía moita publicidade, soamente foi publicada unha parte pequena dos seus traballos. Tendo unha gran base de datos de imaxes e unha fotografía, o problema era seleccionar da base de datos un pequeno conxunto de rexistros como para que unha das imaxes rexistradas encaixe coa fotografía. Bledsoe describiu as seguintes dificultades:

This recognition problem is made difficult by the great variability in head rotation and tilt, lighting intensity and angle, facial expression, aging etc. Some other attempts at facial recognition by machine have allowed for little or no variability in these quantities. Yet the method of correlation (or pattern matching) of unprocessed optical data, which is often used by some researchers, is certain to fail in cases where the variability is great. In particular, the correlation is very low between two pictures of the same person with two different head rotations.

Woody Bledsoe1966

Este proxecto foi etiquetado home-máquina porque o humano extraía as coordenadas dunha serie de características das fotografías, que eran logo usadas polo ordenador para o recoñecemento. Usando unha taboíña gráfica, o operador extraería as coordenadas de puntos como o centro das pupilas, a esquina interna dos ollos, a esquina externa dos ollos, e outros. A partir desas coordenadas, obtense unha lista de 20 distancias, tales como a anchura da boca e dos ollos, ou a distancia entre pupila e pupila. Estes operadores poden procesar unhas 40 imaxes cada hora. Cando está construída a base de datos, o nome da persoa fotografada asociase coa lista de distancias almacenadas no ordenador. Na fase de recoñecemento, o patrón formado polo conxunto de distancias obtido compárase cos patróns almacenados na base de datos, obtendo os patróns que máis se aproximan entre si. Devólvense os rexistros máis coincidentes.

Esta breve descrición é unha sobresimplificación que falla no xeral porque pode darse que algunha das dúas imaxes non coincida na rotación da cabeza, inclinación, ou a distancia á cámara. Por tanto, cada conxunto de distancias é normalizado para representar a cara cunha orientación frontal. Para levar a cabo esta normalización, o programa primeiro trata de determinar a inclinación, a rotación e a distancia á cámara. Logo, usando eses ángulos, o ordenador desfai o efecto desas transformacións nas distancias computadas. Para obter eses ángulos, o ordenador debe coñecer a xeometría tridimensional da cabeza. Porque naquel momento non estaban dispoñibles esas medidas, Bledsoe usou unha cabeza estándar derivada das medidas de sete cabezas.

Despois de que Bledsoe deixase o PRI en 1966, o seu traballo foi continuado no Stanford Research Institute, principalmente por Peter Hart.

Comparativa con outros sistemas de identificación biométrica[editar | editar a fonte]

Entre as diferentes técnicas biométricas, o recoñecemento facial pode non ser o máis fiable é eficiente, pero a súa grande vantaxe é que non require a cooperación do suxeito. Os sistemas instalados en aeroportos e outros lugares públicos poden detectar a presenza de criminais entre a multitude. Outros sistemas biométricos tales como as pegadas dactilares, o escaneo do iris, e o recoñecemento da voz non poden levar a cabo este tipo de escaneo masivo. Así e todo, estase cuestionando a súa efectividade en casos como os aeroportos ou as estacións de ferrocarril.

Exemplos de uso[editar | editar a fonte]

Úsase en circuítos pechados de televisión, para identificar ás persoas automaticamente, como no barrio de Newham, en Londres.
Casinos de todo o mundo empregan sistemas de recoñecemento facial, que lles permiten detectar a presenza dun contador de cartas, ou outras persoas que poidan estar nas súas listas negras.
Tamén en grandes eventos deportivos, para buscar persoas entre o público. Na XXXV Super Bowl, en xaneiro do 2000, a policía de Tampa Bay, Florida, empregou o sistema FaceIt para buscar criminais e terroristas entre o público do evento.^[5]
Nas eleccións presidencias do ano 2000, o goberno mexicano empregou sistemas de recoñecemento facial para previr fraudes no voto. Algunhas persoas estaban rexistradas con distintos nomes, para tentar votar varias veces. Comparando a nova imaxe do rostro, coas almacenadas na base de datos das persoas que xa votaran, as autoridades foron capaces de evitar o voto múltiple por parte dunha mesma persoa.
Está sendo usado polo goberno dos EEUU para evitar que a xente poida obter permisos de conducir falsos^[6]