Crédito:Mathai, Masi y AbdAlmageed.
Investigadores del Instituto de Ciencias de la Información (ISI) de la USC en California han llevado a cabo recientemente un estudio para investigar si completar rostros obstruidos utilizando redes neuronales artificiales (ANN) puede mejorar la precisión de las herramientas de reconocimiento facial. Su estudio se originó en el proyecto de investigación IARPA Odin, que tiene como objetivo identificar rostros verdaderos y falsos en imágenes, en última instancia, para mejorar el rendimiento de las herramientas de autenticación biométrica.
Oclusiones faciales (es decir, un objeto que cubre o oculta el rostro de una persona) puede resultar en una pérdida sustancial de información y, por lo tanto, obstaculizar el funcionamiento de las herramientas de reconocimiento facial. Al intentar eludir las herramientas de identificación biométrica, por lo tanto, los atacantes a veces usan gafas de sol, bufandas, sombreros u otros objetos que puedan confundir los algoritmos de reconocimiento facial.
"La idea fundamental detrás de nuestro estudio es que un atacante podría intentar usar oclusiones, como gafas de sol, tatuajes faciales, etc. para evadir la identificación facial, "Wael AbdAlmageed, el investigador principal del estudio, dijo a TechXplore. "Esencialmente, nuestra idea es que si realmente podemos detectar estas oclusiones, quítalos y completa el rostro, como si no hubiera oclusión, Básicamente, haremos que los algoritmos de identificación facial subsiguientes sean mejores y más precisos. Así que el objetivo principal es mejorar la autenticación biométrica y medir el impacto de las oclusiones faciales en los sistemas biométricos ".
Aunque en los últimos años, Los investigadores han intentado desarrollar modelos de reconocimiento facial más robustos, la mayoría de ellos todavía no pueden manejar las oclusiones. Algunos estudios han intentado mejorar el rendimiento de estos modelos abordando el problema de las oclusiones durante el entrenamiento. En lugar de adoptar este enfoque, AbdAlmageed y sus colegas decidieron explorar el potencial de los modelos que pueden completar automáticamente caras parcialmente oscurecidas o cubiertas.
"Estábamos tratando de demostrar que eliminar las oclusiones y completar las partes faltantes del rostro mejora la precisión de cualquier algoritmo de reconocimiento facial, "AbdAlmageed dijo.
Imagen 1:Crédito:Mathai, Masi y AbdAlmageed.
Los investigadores desarrollaron un codificador-decodificador de terminación facial basado en un operador convolucional con un mecanismo de activación. Luego entrenaron este modelo en varias imágenes de caras ocluidas.
AbdAlmageed y sus colegas investigaron el impacto de las oclusiones realistas en el rendimiento de los modelos de reconocimiento facial al representar objetos 3-D en diferentes partes de la cara y explorar cómo afectaban el reconocimiento de la persona en una imagen determinada. Probaron la efectividad de su codificador-decodificador para completar la cara generativa en experimentos extensos utilizando el conjunto de datos de Caras etiquetadas en la naturaleza (LFW) y su variante LFW-BLUFR. Sus hallazgos sugieren que la finalización facial puede mejorar parcialmente las capacidades de percepción facial de los sistemas de visión artificial a medida que procesan imágenes faciales ocluidas.
"El hallazgo más importante es que la detección de oclusiones, eliminarlos y rellenar las partes faltantes de la cara son pasos muy críticos hacia sistemas biométricos más seguros, "AbdAlmageed dijo." Desafortunadamente, Estas son áreas menos autorizadas que el reconocimiento facial en sí, pero creo que nuestro trabajo está tratando de concienciar a la comunidad investigadora para resolver estos difíciles problemas de investigación ".
El estudio realizado por AbdAlmageed y sus colegas presenta una solución viable para abordar los efectos adversos de las oclusiones faciales en el rendimiento de las herramientas de reconocimiento facial. En el futuro, su enfoque podría, en última instancia, hacer avanzar la visión por computadora y las herramientas de autenticación biométrica.
"Ahora estamos trabajando en algoritmos para detectar diferentes tipos de oclusiones que esencialmente completan nuestra canalización, "Esto nos dará la oportunidad de probar y evaluar nuestro sistema en escenarios de la vida real, como lo hacemos en el programa IARPA Odin", dijo AbdAlmageed.
© 2019 Science X Network
