Algoritmo de reconocimiento facial

Ⅰ. Definición de Face Recognition

La tecnología de reconocimiento facial comenzó a principios de la década de 1970 y es una aplicación típica en visión por computadora (CV). La visión por computadora pertenece al aprendizaje profundo (DL).

Al mismo tiempo, el reconocimiento facial también es un tipo de tecnología de identificación biométrica. Otras tecnologías de identificación biométrica incluyen: huella dactilar, Iris, voz, vena, retina. En comparación con otras tecnologías biométricas, el reconocimiento facial tiene las características de procesamiento paralelo sin contacto, no obligatorio, conveniente, etc.

Comparación de diferentes tecnologías biométricas

El propósito del reconocimiento facial es juzgar e identificar la información de los rostros en imágenes y videos (los videos se componen de imágenes), y detectar, identificar y rastrear los rostros en imágenes y videos.

Sucer. Clasificación de algoritmos de reconocimiento facial

Características tradicionales diseñadas por humanos y técnicas de aprendizaje automático, incluidos métodos geométricos, métodos holísticos, métodos basados en características y métodos híbridos.

Los métodos actuales de aprendizaje profundo se basan en redes neuronales profundas (DNN) y redes neuronales convolucionales (CNN) entrenadas en grandes conjuntos de datos.

La razón por la que el uso temprano del algoritmo facial de aprendizaje profundo de CNN no fue efectivo se debió a una potencia informática y un volumen de datos insuficientes.

En esta etapa, con el apoyo de Big Data y potencia de cálculo, la precisión del reconocimiento facial de varios algoritmos ya es muy alta. DeepFace de Facebook logró una precisión de 97.35% en LFW, y luego FaceNet de Google lo logró en LFW. Precisión 99.63%. La Dirección de Desarrollo actual en el campo del reconocimiento facial es liviana (fácil de implementar en terminales móviles) y modularidad basada en hardware.

Ⅲ. El proceso de reconocimiento facial

1. Detección de la cara.

El detector de caras se utiliza para encontrar la ubicación de las caras en la imagen y, si hay caras, Devuelve las coordenadas del cuadro delimitador que contiene cada cara.

2. Alineación de la cara.

El objetivo de la alineación de la cara es escalar y recortar la imagen de la cara usando un conjunto de puntos de referencia ubicados en ubicaciones fijas en la imagen. Este proceso generalmente requiere el uso de un detector de puntos de características para encontrar un conjunto de puntos de referencia faciales, en el caso de una alineación 2D simple, para encontrar la mejor transformación afín que se adapte mejor al punto de referencia. Los algoritmos de alineación 3D más complejos también pueden lograr la frontalización de la cara, es decir, ajustar la pose de la cara a cara hacia adelante.

3. Representación de la cara.

En la fase de representación facial, los valores de píxeles de la imagen facial se convierten en vectores de características compactos y discriminables, que también se denominan plantillas. Idealmente, todas las caras del mismo sujeto deberían mapearse con vectores de características similares.

4. Cara a juego.

En el bloque de construcción que coincide con la cara, se comparan dos plantillas, lo que da como resultado una puntuación de similitud que da la probabilidad de que ambas pertenezcan al mismo sujeto.

Ⅳ. La aplicación del reconocimiento facial

Ⅴ. Dificultades en la tecnología de reconocimiento facial

Postura de cabeza

La mayoría de los algoritmos de reconocimiento facial están dirigidos principalmente a imágenes frontales y cuasi frontales. Cuando el tono o la desviación izquierda y derecha es relativamente grave, la tasa de reconocimiento del algoritmo de reconocimiento facial disminuirá drásticamente.

Edad

Por otro lado, el período de validez del documento de identidad de mi país es generalmente de 20 años. Durante los 20 años, la apariencia de todos cambiará inevitablemente mucho, por lo que también hay grandes problemas en la identificación de las fotos de la tarjeta de identificación.

Ocluido

Cubrirse la cara con gafas, sombreros, etc.

Condiciones de iluminación

Expresiones de rostro humano.

El nivel de refinamiento de las expresiones y la diversificación de las categorías de expresión.

Enfrentar la lucha contra la falsificación

Cara falsa, cómo detectar la vida.

Ⅵ. Piensa

Privacidad y seguridad

<P> Asegurar el consentimiento informado y explícito. Li Yanhong dijo que todos están dispuestos a intercambiar privacidad por conveniencia. En China, debido a la inclusión de las nuevas tecnologías por parte de la gente, estos tres elementos de la IA se han roto de manera integral y la gente no se preocupa por los datos llamados "privacidad personal". Recientemente, se pronunció el primer caso de reconocimiento facial en Hangzhou. Los compradores de la casa fueron reconocidos por la cara, y los casos de matanza de Big data, etc., deben dar alguna inspiración a las empresas de investigación de reconocimiento de rostros nacionales relevantes, agencias gubernamentales, y usuarios de productos de tecnología de reconocimiento facial.

La tecnología no es perfecta

En la actualidad, falta tecnología de reconocimiento facial para identificar a las personas de color, distinguir el género femenino, las gemelas, etc., que involucre cuestiones como la discriminación racial y el sexismo.

Problema de suplantación de fotos, cómo mejorar la detección de la vida.

Protección de datos

Cómo garantizar la seguridad de los datos en el proceso de recopilación, transmisión, almacenamiento, uso y destrucción de datos de reconocimiento facial.

¡Si es utilizado por agencias gubernamentales, si viola la libertad democrática y los derechos humanos!

Normalmente, por ejemplo, en la serie de televisión estadounidense (Persona de interés/POI), se cree que las escenas de ser monitoreado en cualquier momento y en cualquier lugar, y el reconocimiento facial no están dispuestos a ver.

6 principios que sigue el trabajo de investigación de reconocimiento facial de Microsoft

Ⅶ. Empresas representativas de reconocimiento facial

En la actualidad, en el ámbito del reconocimiento facial, las empresas chinas son muy activas y destacadas. Las empresas representativas incluyen Sensetime, MEGVII, YITU, Cloudwalk, Hikvision, Baidu, Alibaba y Tencent. Las instituciones de investigación incluyen el equipo Tang Xiaoou DE LA Universidad China de Hong Kong (en realidad, el equipo técnico de SenseTime y el fundador de MEGVII también estudiaron con el profesor Tang Xiaoou).

Hay muchos logros en el campo del reconocimiento facial temprano de las empresas extranjeras, como DeepFace de Facebook y FaceNet de Google. Por consideraciones políticas y legales, ha estado inactivo en los últimos años. Las empresas representativas son Google, Microsoft, Facebook, etc. En Junio de 2020, IBM anunció que retiraría la tecnología de reconocimiento facial y cerraría toda la investigación y el desarrollo relacionados.