211service.com
Software di riconoscimento facciale migliore
Per gli scienziati e gli ingegneri coinvolti nella tecnologia di riconoscimento facciale, i risultati recentemente pubblicati del Face Recognition Grand Challenge, più in dettaglio, il Face Recognition Vendor Test (FRVT) 2006 e l'Iris Challenge Evaluation (ICE) 2006, sono stati un tranquillo trionfo. Sponsorizzato da Istituto nazionale di standard e tecnologia (NIST), l'abbinamento degli algoritmi di riconoscimento facciale ha mostrato che il riconoscimento automatico degli individui umani è migliorato di dieci volte dal 2002 e di cento volte dal 1995. In effetti, i migliori algoritmi di riconoscimento facciale ora funzionano in modo più accurato di quanto la maggior parte degli umani possa gestire. Nel complesso, la tecnologia di riconoscimento facciale sta avanzando rapidamente.
Fatti sul viso: L'immagine 3D in alto mostra solo le informazioni associate alla forma del viso di un uomo. L'immagine in basso mostra la trama e la forma.
Jonathon Phillips, responsabile del programma per i test NIST e autore principale di il rapporto dell'agenzia , afferma che l'obiettivo previsto del Face Recognition Grand Challenge è sempre stato un miglioramento dell'ordine di grandezza delle prestazioni di riconoscimento rispetto ai risultati del 2002. Phillips ritiene che la necessaria diminuzione del tasso di errore per raggiungere tale obiettivo fosse dovuta in larga misura al sviluppo di immagini fisse ad alta risoluzione e algoritmi di riconoscimento facciale 3D. Per FRVT 2006 e ICE 2006, sono stati raccolti set di immagini del viso ad alta risoluzione, scansioni 3D del viso e immagini dell'iride delle stesse persone, afferma Phillips. L'FRVT 2006 ha misurato per la prima volta le prestazioni di sei algoritmi 3D su una serie di scansioni 3D del viso. L'ICE 2006 ha misurato le prestazioni di dieci algoritmi su una serie di immagini dell'iride. Il riconoscimento facciale 3D si è affermato negli ultimi anni perché i sensori 3D per il riconoscimento facciale sono diventati disponibili solo di recente. Ciò che contribuisce al riconoscimento facciale 3D è che acquisisce direttamente informazioni sulle forme dei volti.
Tra gli altri vantaggi, il riconoscimento facciale 3D identifica gli individui sfruttando le caratteristiche distintive della superficie di un volto umano, ad esempio le curve delle orbite, del naso e del mento, che sono i punti in cui i tessuti e le ossa sono più evidenti e che non lo fanno. cambiare nel corso del tempo. Inoltre, afferma Phillips, i cambiamenti nell'illuminazione hanno influito negativamente sulle prestazioni di riconoscimento facciale dalle immagini fisse. Ma la forma di un viso non è influenzata dai cambiamenti nell'illuminazione. Quindi, il riconoscimento facciale 3D potrebbe essere utilizzato anche in condizioni di oscurità.
Secondo Ralph Gross, ricercatore presso il Carnegie Mellon Robotics Institute, a Pittsburgh, il riconoscimento facciale 3D può anche riconoscere soggetti con angoli di visuale diversi fino a 90 gradi, in altre parole, volti di profilo. Il riconoscimento facciale sta diventando abbastanza buono con le facce frontali complete e con 20 gradi di distanza, ma non appena vai verso il profilo, ci sono stati problemi. Gross afferma che la spiegazione delle difficoltà del software di riconoscimento facciale con i profili potrebbe non essere più complicata del fatto che nessuno si stesse concentrando sul problema. Le principali applicazioni del riconoscimento facciale sono state in contesti come carte d'identità e scanner facciali, per i quali l'obiettivo è stato il riconoscimento dei volti integrali frontali di soggetti cooperativi in condizioni di illuminazione controllata.
Le immagini fisse ad alta risoluzione sono state un altro fattore nel miglioramento della tecnologia di riconoscimento facciale, in parte perché è diventata possibile anche un'analisi altamente dettagliata della struttura della pelle. Con tale analisi, qualsiasi zona della pelle, chiamata stampa della pelle, può essere catturata come immagine, quindi suddivisa in blocchi più piccoli che gli algoritmi trasformano in spazi matematici e misurabili in cui vengono registrate le linee, i pori e l'effettiva consistenza della pelle. Può identificare le differenze tra gemelli identici, il che non è ancora possibile utilizzando il solo software di riconoscimento facciale, spiega Gross. Combinando il riconoscimento facciale con l'analisi della struttura della superficie, l'identificazione accurata può aumentare dal 20 al 25 percento.
Che dire dell'affermazione del rapporto FRVT secondo cui alcuni algoritmi di riconoscimento facciale eguagliano o superano le capacità di riconoscimento degli umani? Phillips spiega: Gli esseri umani sono molto bravi a riconoscere i volti di persone familiari. Tuttavia, non sono così bravi a riconoscere le persone sconosciute. Poiché molti sistemi di riconoscimento facciale proposti completerebbero o sostituirebbero gli esseri umani, i test comparativi dell'FRVT sulle capacità di riconoscimento facciale degli esseri umani e del software - i primi di questi test - erano importanti per misurare la potenziale efficacia delle applicazioni. Phillips afferma che a bassi tassi di falsa accettazione (un tasso di falsa accettazione è la misura della probabilità che un sistema di sicurezza biometrico accetti erroneamente un tentativo di accesso da parte di un individuo non autorizzato), sei algoritmi automatici di riconoscimento facciale su sette erano paragonabili o migliori rispetto al riconoscimento umano. Questi erano algoritmi di Neven Vision, Viisage, Cognitec, Identix, Samsung Advanced Institute for Technology e Tsinghua University. Sfortunatamente, aggiunge Phillips, poiché la maggior parte dei partecipanti a FRVT 2006 non ha rivelato i dettagli dei loro metodi, non è ancora possibile valutare cosa c'è di distintivo in questi algoritmi.
Come appare il payoff commerciale per il riconoscimento facciale? Abbastanza promettente, perché dozzine di aziende mirano a incassare il potenziale del riconoscimento facciale come biometrico per scopi di verifica e credenziali. Per il FRVT, aziende venerabili come Toshiba e Samsung hanno gareggiato a fianco di aziende come Neven Vision –appena acquisito da Google–e Visto e Identix (che si sono appena fuse in L1 Identity Solutions), nonché al fianco di ricercatori di università diverse come Pechino, Cambridge e Carnegie Mellon. Quali applicazioni prevede un'azienda come Google per la tecnologia sviluppata dalla sua recente acquisizione, Neven Vision? Secondo un addetto alle pubbliche relazioni di Google, riteniamo che offra promettenti possibilità di integrazione con i servizi di Google, come Picasa e Picasa Web Album, in particolare per aiutare gli utenti a organizzare e cercare le proprie foto.
Alla Carnegie Mellon, Ralph Gross afferma che, tra gli altri sforzi, lui e i suoi colleghi sono stati coinvolti con i DMV locali per scansionare le immagini per le patenti di guida. Ho ricevuto rapporti dal livello statale per dire che, utilizzando la tecnologia di riconoscimento facciale, hanno catturato un certo numero di persone che hanno richiesto licenze in diversi stati o nello stesso stato con un nome diverso perché la loro precedente licenza è stata sospesa. È una tendenza in crescita. Gli stati che utilizzano tale tecnologia includono Massachusetts, Illinois, West Virginia, Wisconsin, Colorado, North and Southern Carolina, Oklahoma, North Dakota, Arkansas e Mississippi. Tuttavia, sottolinea Gross, l'applicazione della tecnologia di riconoscimento facciale alle foto identificative è molto lontana dall'avere la capacità che consentirebbe alle forze dell'ordine di cercare individui specifici nelle reti di webcam di una città. Con le foto della patente di guida, hai uno sfondo controllato, un operatore che ti dice esattamente come posizionare il tuo viso; le immagini sono raccolte in condizioni comparabili. È molto più limitato del problema casuale della faccia nella folla, in cui stai attaccando una telecamera su un edificio.
Tuttavia, dice Gross, puoi già vedere il percorso che si costruisce. Fino a poco tempo fa, l'industria della videosorveglianza faceva ancora affidamento principalmente su telecamere analogiche, che richiedevano l'installazione di cavi per lunghe distanze per collegare tali telecamere alle apparecchiature di monitoraggio. Ora, il settore sta passando alle telecamere basate su IP, con le quali è possibile attingere facilmente alle reti Ethernet già esistenti, afferma Gross. Quindi hai telecamere e videocamere wireless che utilizzano POE [la tecnologia Power over Ethernet consente a telefoni IP, punti di accesso LAN wireless e altri dispositivi di ricevere alimentazione e dati su cavi LAN esistenti] dove non è necessaria una presa di alimentazione separata. Puoi acquistare soluzioni commerciali che sono essenzialmente un TiVo per queste telecamere, con sensori di movimento integrati in modo che registrino solo quando si verifica un movimento. Con l'archiviazione digitale, puoi conservare i dati a tempo indeterminato e migliorarli in modi che non puoi con le immagini analogiche. Quindi tutte queste cose stanno venendo insieme.
In linea di principio, quindi, poiché il software di riconoscimento facciale continua la sua rapida avanzata, sarà probabilmente possibile cercare volti specifici attraverso una rete di webcam. Di conseguenza, il recente lavoro di Gross alla Carnegie Mellon, in collaborazione con i colleghi del Laboratorio sulla privacy dei dati lì, è stato lo sviluppo di algoritmi per proteggere privacy delle persone mentre sono sotto sorveglianza video. I soliti metodi che ostacolano il riconoscimento umano delle caratteristiche di un individuo in video, ad esempio quei campi pixelati che a volte coprono volti e parti del corpo nei reality show televisivi, già non inganneranno molti software di riconoscimento facciale. Oscurare completamente ogni faccia in un video clip voluto fare il lavoro, ma questo sarebbe di utilità limitata se le forze dell'ordine volessero seguire le prove di comportamenti sospetti una volta che avessero un mandato del tribunale. La funzione degli algoritmi di tutela della privacy che Gross sta aiutando a creare, spiega, è quella di prendere automaticamente i valori medi dei volti degli individui e, da questi, sintetizzare nuove immagini facciali, quindi sovrapporre quelle nuove immagini agli originali. Può sembrare la tecnologia opposta, dice Gross, ma in realtà è solo l'altro lato del riconoscimento facciale.