Reconocer rostros con eficiencia: un enorme desafío computacional

La vista es probablemente el sentido más avanzado de los humanos. Nos permite reconocer el mundo que nos rodea, a través de imágenes. En este contexto complejo, la visión por computadora busca duplicar el efecto de la visión humana mediante la percepción y análisis electrónico de las imágenes.

Para cumplir este propósito, el procesamiento digital de imágenes utiliza una serie de técnicas, métodos y algoritmos específicos.

Uno de los lineamientos en los que se trabaja dentro del área de Visión por Computadora del ICC es el de Sistemas Automáticos de Reconocimiento de Objetos. A partir del procesamiento de imágenes estáticas y dinámicas y del desarrollo de algoritmos de clasificación (reconocimiento de patrones orientados a la visión artificial en el área de aprendizaje automático) los investigadores pueden realizar un análisis profundo con diferentes objetos de estudio.

Trabajamos con  tecnología neuromórfica (que busca imitar funciones del cerebro humano), detección y seguimiento de peatones, reconocimiento de patentes de vehículos, y reconocimiento de rostros, entre otras aplicaciones”, puntualiza Pablo Negri, investigador en Ciencias de la Computación recientemente incorporado al ICC.

Desde 2010 el investigador ha realizado estudios de comportamiento de peatones en el tránsito de la Ciudad Buenos Aires. A través de días de filmaciones, se busca entender cómo las personas inciden en el tránsito cotidiano, si cruzan correctamente la calle o si se ponen en peligro. La visión artificial es utilizada entonces para procesar automáticamente la enorme cantidad de datos registrados. A partir de un análisis de las características de las imágenes (color, forma, líneas, segmentos horizontales o verticales, etc.), el sistema interpreta la información visual y la convierte en una representación matemática. Luego esta representación es explotada por algoritmos de clasificación a fin de generar artificialmente la forma o la apariencia de un rostro, un vehículo, o una persona completa.

Es necesario entrenar el modelo de reconocimiento para que progresivamente vaya reforzando su aprendizaje y  detectando personas con mayor eficiencia. En este proceso uno genera una base de datos con determinadas reglas de lo que quiere encontrar y lo que no quiere encontrar. La idea es que los clasificadores empiecen a definir fronteras entre ese objeto buscado (un peatón) y el objeto no buscado (todo lo que no es un peatón)”, detalla Negri. En este aspecto, aclara que están utilizando algoritmos del estado del arte del problema (ej. AdaBoost, SVM, ConvNets)  entrenándolos con bases de datos propias de los investigadores, adaptados al problema que se busca resolver.

Reconocimiento facial para identificación de personas

El reconocimiento facial posee múltiples usos para la identificación de personas. Consiste en el desarrollo de técnicas aplicadas en el que un programa informático es capaz de reconocer automáticamente un rostro, asociándolo con una identidad determinada. Esto sólo es posible mediante un análisis de las características faciales del sujeto, extraídas de la imagen o de un fotograma clave de una fuente de video, y su comparación con una base de datos preexistente. En este escenario, el reconocimiento facial cumple un rol crucial para la búsqueda e identificación de personas en el marco de políticas de seguridad y control.

A partir de un convenio específico entre el Ministerio de Seguridad de la Nación y el CONICET, el investigador del ICC ha desarrollado una plataforma de identificación de NNs y búsqueda de personas extraviadas. Esta plataforma (SIFACE) está en funcionamiento desde 2017 y a disposición del equipo de Búsqueda de Personas del Ministerio.

Históricamente la búsqueda de personas se realizó a través de una base de huellas digitales, contrastando con los millones de ciudadanos argentinos inscriptos en RENAPER. SIFACE permite comparar el rostro de un NN obtenido de una fotografía, con la base de personas extraviadas. El reconocimiento automático de rostros puede asì acelerar considerablemente el proceso de búsqueda si la persona fue denunciada como extraviada”, comenta Negri. No obstante, existen diversos problemas en el proceso, como la falta de imágenes disponibles, la baja calidad o antigüedad de las fotografías de los DNI, etc. “Si aparece un NN que no fue denunciado como extraviado, no va a estar en la base del Ministerio de Seguridad”, aclara el investigador.

“Hoy la base de extraviados es de entre 9 y 14 mil registros y debemos acotar la búsqueda por género y rango etario para simplificar la coincidencia (matching)”, complementa el doctor en Informática. En este sentido, el investigador explica que a través de diversos aspectos de la forma y morfología del rostro, los más modernos algoritmos de clasificación van generando descriptores específicos para una persona.  Aunque aún los algoritmos están en franca evolución, el agrupamiento estadístico por características y patrones similares podría ayudar a mejorar la tasa de reconocimiento cuando se realiza una búsqueda en bases de datos de millones de identidades.

En general los resultados del reconocimiento facial son muy positivos. Sin embargo esta tecnología debe ser aplicada e interpretada con mucha precaución. La falta de efectividad en la identificación de personas, por errores propios del algoritmo o de un margen de 5% de error en una base de miles de personas puede ser muy problemático. Dependiendo su aplicación, es esencial tomar la tarea con mucha responsabilidad”, concluye Negri.

Claves del Proyecto

-Las plataformas que se desarrollan en el transcurso de 2018 permiten extender la aplicación de SIFACE y su motor de reconocimiento facial. Su utilización se encuentra muy dependiente de la disponibilidad de fotos de NNs, o de que una persona haya sido denunciada como desaparecida y cargada en la base de SIFCOP.

-El reconocimiento en línea instalado en puestos estratégicos, como puntos fronterizos, permitirá aumentar la verificación y controlar casos sensibles, como personas desaparecidas que finalicen en redes internacionales de trata de personas.

-La búsqueda de una identidad NNs en una gran base de fotografías, como la totalidad de RENAPER, permitiría aumentar las posibilidades de identificar a una persona que no ha sido denunciada como extraviada.

2018-09-20T10:11:34-03:00 27/marzo/2018|Noticias|