Después de la crisis del Covid-19, cambiarán muchos paradigmas, uno de ellos es la seguridad en espacios públicos, dónde la tecnología juega un papel muy importante, con la aplicación de la Inteligencia Artificial. Para ello, se ha creado la tecnología del Reconocimiento Facial, que permitirá acceder a diferentes lugares públicos sin tener contacto con los dispositivos, por ejemplo ascensores, puertas automáticas, tabiques del metro, buses, etc. Aquí explicamos la importancia de la tecnología de Reconocimiento Facial.
Este artículo fue escrito originalmente en inglés y estamos aportando la traducción al español de tan importante tema…
FACIAL RECOGNITION AND COVID19
RECONOCIMIENTO FACIAL Y COVID19
One of the key technologies that will help making the post-COVID19 world a safer place is face recognition. People are usually afraid of being exposed to face recognition systems, thinking they are some kind of malicious Big Brother who watches them. Nothing could be further from the truth. Instead, they are a highly accurate biometric technology that allows -among other applications- touchless and distant access control to workplaces, critical infrastructures, transports or events.
Una de las tecnologías clave que ayudará a hacer del mundo post-COVID19 un lugar más seguro es el reconocimiento facial. Por lo general, las personas tienen miedo de exponerse a los sistemas de reconocimiento de rostros y piensan que son una especie de Gran Hermano malicioso que los observa. Nada mas lejos de la verdad. En cambio, son una tecnología biométrica de alta precisión que permite, entre otras aplicaciones, el control de acceso sin contacto y distante a lugares de trabajo, infraestructuras críticas, transportes o eventos.
With face recognition, there is no need to manipulate access security cards, to approach or put the finger in any device shared by hundreds of persons, thus helping to control pandemic spread. However, there is a main challenge for the face recognition technology in this new normality: the common use of medical masks that occlude half of the face. Ideally, individuals should not have to expose themselves and others to the virus by removing their masks in access controls, but the vast majority of current face recognition algorithms are not yet sufficiently robust to deal with such large facial occlusions.
Con el reconocimiento facial, no es necesario manipular las tarjetas de seguridad de acceso, acercarse o poner el dedo en ningún dispositivo compartido por cientos de personas, lo que ayuda a controlar la propagación de la pandemia. Sin embargo, existe un desafío principal para la tecnología de reconocimiento facial en esta nueva normalidad: el uso común de máscaras médicas que ocluyen la mitad de la cara. Idealmente, los individuos no deberían tener que exponerse a sí mismos y a otros al virus quitándose sus máscaras en los controles de acceso, pero la gran mayoría de los algoritmos actuales de reconocimiento facial aún no son lo suficientemente sólidos como para lidiar con oclusiones faciales tan grandes.
Indeed, we humans are facing the same challenge. Eye-tracking and psychological works have widely studied the human visual attention mechanisms that take place when confronted to the task of identifying people1. They demonstrate that we innately and systematically fix the triangular face region formed by the two eyes and the mouth.
De hecho, los humanos nos enfrentamos al mismo desafío. El seguimiento ocular y los trabajos psicológicos han estudiado ampliamente los mecanismos de atención visual humana que tienen lugar cuando se enfrentan a la tarea de identificar a las personas1. Demuestran que arreglamos de manera innata y sistemática la región de la cara triangular formada por los dos ojos y la boca.
Therefore, if a vertex of this triangle is occluded by a mask, our long-term acquired face recognition mechanisms will encounter difficulties, lose robustness, and take time to adapt to the new facial configuration. Like humans, face recognition algorithms will also need to adapt themselves to the structure of masked faces.
Por lo tanto, si una máscara obstruye un vértice de este triángulo, nuestros mecanismos de reconocimiento facial adquiridos a largo plazo encontrarán dificultades, perderán robustez y tomarán tiempo para adaptarse a la nueva configuración facial. Al igual que los humanos, los algoritmos de reconocimiento facial también deberán adaptarse a la estructura de las caras enmascaradas.
DEEP LEARNING INTO ACTION
APRENDIZAJE PROFUNDO EN ACCIÓN
Existing face recognition algorithms are grounded on Artificial Intelligence (AI), particularly on Machine Learning and Deep Learning techniques. This means that they automatically learn an identification strategy from a dataset of millions of facial images used for their training. Until now, facial training datasets have varied in terms of illumination conditions, head poses or backgrounds; they have also presented certain facial occlusions in the form of eye glasses, caps, scarves or beards. But they hardly ever have contained faces with medical masks!
Los algoritmos de reconocimiento facial existentes se basan en la Inteligencia Artificial (IA), particularmente en las técnicas de Aprendizaje automático y Aprendizaje profundo. Esto significa que aprenden automáticamente una estrategia de identificación a partir de un conjunto de datos de millones de imágenes faciales utilizadas para su entrenamiento. Hasta ahora, los conjuntos de datos de entrenamiento facial han variado en términos de condiciones de iluminación, poses de la cabeza o fondos; También han presentado ciertas oclusiones faciales en forma de anteojos, gorras, bufandas o barbas. ¡Pero casi nunca han contenido caras con máscaras médicas!
A possible solution to make face recognition models able to identify persons with masks consists on collecting new training images for that purpose. But there are other, more algorithmic-oriented, alternative approaches. Recently, state-of-the-art academic papers have introduced visual attention mechanisms for Deep Neural Networks, so that they can be taught to focus their attention on specific regions of the image during training2.
Una posible solución para hacer que los modelos de reconocimiento facial puedan identificar a las personas con máscaras consiste en recopilar nuevas imágenes de entrenamiento para ese propósito. Pero hay otros enfoques alternativos más orientados al algoritmo. Recientemente, los trabajos académicos de vanguardia han introducido mecanismos de atención visual para las redes neuronales profundas, de modo que se les puede enseñar a centrar su atención en regiones específicas de la imagen durante el entrenamiento2.
These mechanisms could be applied to teach face recognition models to shift their attention towards the unmasked upper-face region. In any case, face recognition systems must be able to recognize both mask wearers and unmasked people.
Estos mecanismos podrían aplicarse para enseñar a los modelos de reconocimiento facial a desviar su atención hacia la región de la cara superior sin máscara. En cualquier caso, los sistemas de reconocimiento facial deben ser capaces de reconocer a los usuarios de máscaras y a las personas sin máscara.
Therefore, another interesting way to approach the problem could be building a mask detector and then, depending on whether the mask is present or not, and applying different adapted face recognition strategies. Herta has been working on strong occlusions for the last few months and is currently bringing all these solutions to its products to lead the “new normality” era of face recognition.
Por lo tanto, otra forma interesante de abordar el problema podría ser construir un detector de máscara y luego, dependiendo de si la máscara está presente o no, y aplicar diferentes estrategias de reconocimiento facial adaptadas. Herta ha estado trabajando en oclusiones fuertes durante los últimos meses y actualmente está aportando todas estas soluciones a sus productos para liderar la era de la “nueva normalidad” del reconocimiento facial.
Fuentes de información
1 We refer the reader to this interesting scientific paper by Blais et al www.ncbi.nlm.nih.gov
Remitimos al lector a este interesante artículo científico de Blais et al www.ncbi.nlm.nih.gov
2 An introductory read about this topic can be found in the paper “Learn to pay attention” by Jetley et al. arxiv.org/abs/1804.02391
Una lectura introductoria sobre este tema se puede encontrar en el documento “Aprenda a prestar atención” de Jetley et al arxiv.org/abs/1804.02391
Acerca del Autor
Written by: Isabelle Hupont
Chief researcher for HERTA SECURITY, Management of R&D projects funded by the European Commission and the Spanish Government, in the area of AI-driven security for smart and safe cities.
Artículo original >> https://www.hertasecurity.com/en/blog/new-normality-face-recognition