En los últimos años, la velocidad y precisión de los algoritmos de reconocimiento facial ha experimentado nuevos avances gracias a la investigación, especialmente en las técnicas 3D. En la actualidad conviven diferentes tecnologías, pero todas siguen las mismas fases a la hora de reconocer una cara.
Primero capturan una imagen bidimensional o tridimensional del rostro cara a partir de una fotografía o vídeo, ya sea de una persona sola o entre una multitud. Después, los algoritmos analizan las características faciales para obtener la información biométrica. En el reconocimiento 2D se utilizan puntos de referencia como la nariz, la boca y los ojos, midiendo el ancho y la distancia entre ellos. Un rostro humano puede contener 80 de estos puntos de referencia. Los métodos 3D utilizan, además de la forma, la textura, profundidad, contornos y curva de la cara. Por eso son más precisos y suplen algunas de las deficiencias de iluminación, orientación o expresiones faciales de los sistemas 2D.
Con un modelado facial 3D se pueden almacenar además atributos del rostro humano que no cambian significativamente con la edad (por ejemplo, las curvas de la cuenca del ojo o el contorno del mentón). Sin embargo, no están exentos de otros problemas: un movimiento durante el escaneo podría provocar la deformación de la imagen y por tanto, una identificación incorrecta. Para evitar estos errores, el sistema desarrollado por Apple, por ejemplo, combina varias tecnologías. Su Face ID integrado en el iPhone X contiene una cámara frontal, otra infrarroja, una luz de apoyo y un proyector de infrarrojos que emite 30.000 puntos invisibles, reconstruyendo un mapa tridimensional de la cara que se coteja en tiempo real mediante algoritmos basados en redes neuronales. Una vez extraídos, estos datos se convierten en un código numérico llamado huella facial o faceprint que es almacenada en un software.
Después de hacer este análisis del rostro, el código registrado se coteja con las informaciones existentes en una base de datos que almacene otras faceprints y fotografías identificadas. En esta fase se hace evidente la necesidad de acumular grandes cantidades de información para obtener resultados. Empresas y organismos buscan hacerse con el registro de las imágenes, como por ejemplo, el FBI, que tiene acceso a más de 641 millones de fotos, o la gran base de datos de Facebook, que posee las fotografías de sus usuarios, que además le han hecho el trabajo de etiquetarlas durante años.
Como resultado, el sistema devuelve un porcentaje de similitud, que dependerá del grado de coincidencia y de la información guardada en su base de datos. También mostrará otros detalles registrados, como el nombre, la dirección, edad, etc.
No es lo mismo verificar, identificar o encontrar a una o varias personas rodeadas de gente, por ello se distingue entre varios procesos según su objetivo:
- Verificación (una persona, una identidad): se practica cuando tenemos los datos de alguien cuya identidad queremos comprobar, cercionándonos que su rostro coincide con la imagen dada. Suele utilizarse, por ejemplo, en pasaportes biométricos o en sistemas de inicio de sesión. Ahora que tratamos de evitar el contacto de cualquier superficie física, otros controles biométricos más extendidos en empresas u organismos como la huella dactilar, pueden verse sustituidos por estos sistemas, que no solo no necesitan el contacto, sino, que para bien o para mal,apenas requieren la cooperación de la persona.
- Identificación (muchas personas, una identidad): cuando se necesita comparar una imagen con un conjunto de identidades conocidas para encontrar la más cercana. A veces el rostro no obtiene coincidencia alguna porque no está registrado en la base de datos. Este es el método que podrían utilizar los cuerpos de seguridad para identificar a un sospechoso.
- Búsqueda de una persona entre la multitud (muchas personas, muchas identidades): es el más complejo, ya que es necesario que todas las caras entren en el sistema de detección y con ello, tratar de asignar una identidad a cada rostro mediante un algoritmo de reconocimiento facial. Este tipo de reconocimiento también podría ser característico de los sistemas de videovigilancia. Sin embargo, las caras que se pueden obtener de las imágenes de CCTV no suelen ser de gran calidad, o es complicado que recoja bien la orientación del individuo, por lo que estos y otros métodos de reconocimiento facial continúan lejos de ser perfectos.
Uno de los métodos más asequibles para realizar este proceso es utilizar varias cámaras 2D que capturen imágenes del rostro desde diferentes ángulos, para luego reconstruir un modelo 3D del rostro. Este método es rápido y flexible, permite ajustar la distancia entre la cara y las cámaras, pero sigue siendo necesario que existan buenas condiciones de iluminación, el talón de Aquiles de las cámaras 2D.
Otra técnica es el escaneo activo, que utiliza un rayo láser que se refleja en la superficie de la cara para indicar la distancia y producir una imagen que, combinada con imágenes de alta resolución de una cámara estándar compararse con un sistema de reconocimiento facial de alta precisión.
En los últimos años, las limitaciones técnicas aún existentes que derivan en falsos positivos, discriminaciones raciales y vulneración de la privacidad, han llevado a diversos colectivos, artistas y empresas a manifestar su desacuerdo en la aplicación de estos sistemas de vigilancia, incluso a idear ingeniosas maneras de burlarlos.
Sin embargo, también hay otras prácticas en las que el reconocimiento facial contribuye a la ciencia alejado de los sistemas de control, del ocio o de las noticias falsas, como las investigaciones que tratan de ayudar a personas con dificultades de aprendizaje profundo o para identificar trastornos genéticos raros a través de rasgos faciales.
Olivia López Bueno
Madrid 14 AGO 2020 - 20:56 CEST
https://retina.elpais.com/retina/2020/08/11/tendencias/1597131119_814894.html
