Pesquisadores do Instituto de Ciências da Informação da USC (ISI) na Califórnia realizaram recentemente um estudo investigando se a conclusão de faces obstruídas usando redes neurais artificiais (RNA) pode melhorar a precisão das ferramentas de reconhecimento facial. Seu estudo originou-se do projeto de pesquisa IARPA Odin, que visa identificar faces verdadeiras e falsas em imagens, em última análise, para aprimorar o desempenho das ferramentas de autenticação biométrica.

Oclusões faciais (ou seja, um objeto cobrindo ou protegendo o rosto de uma pessoa) pode resultar em uma perda substancial de informações e, portanto, prejudicar o desempenho das ferramentas de reconhecimento facial. Ao tentar contornar as ferramentas de identificação biométrica, Portanto, os atacantes às vezes usam óculos escuros, lenços, chapéus ou outros objetos que podem confundir algoritmos de reconhecimento de rosto.

"A ideia fundamental por trás do nosso estudo é que um invasor pode tentar usar oclusões, como óculos de sol, tatuagens faciais, etc. para evitar a identificação facial, "Wael AbdAlmageed, o investigador principal do estudo, disse TechXplore. "Essencialmente, nossa ideia é que, se pudermos realmente detectar essas oclusões, remova-os e complete o rosto, como se não houvesse oclusão, essencialmente, tornaremos os algoritmos de identificação facial subsequentes melhores e mais precisos. Portanto, o objetivo principal é melhorar a autenticação biométrica e medir o impacto das oclusões faciais nos sistemas biométricos. "

Embora nos últimos anos, pesquisadores tentaram desenvolver modelos de reconhecimento facial mais robustos, a maioria deles ainda é incapaz de lidar com oclusões. Alguns estudos têm tentado aprimorar o desempenho desses modelos abordando a questão das oclusões durante o treinamento. Em vez de adotar essa abordagem, AbdAlmageed e seus colegas decidiram explorar o potencial dos modelos que podem completar automaticamente faces parcialmente obscurecidas ou cobertas.

"Estávamos tentando mostrar que remover oclusões e completar as partes ausentes do rosto melhora a precisão de qualquer algoritmo de reconhecimento de rosto, "AbdAlmageed disse.

Os pesquisadores desenvolveram um codificador-decodificador de completação facial baseado em um operador convolucional com um mecanismo de passagem. Eles então treinaram este modelo em várias imagens de rostos ocluídos.

AbdAlmageed e seus colegas investigaram o impacto de oclusões realistas no desempenho de modelos de reconhecimento de rosto, renderizando objetos 3-D em diferentes partes do rosto e explorando como eles afetavam o reconhecimento da pessoa em uma determinada imagem. Eles testaram a eficácia de seu codificador-decodificador para a conclusão generativa de face em extensos experimentos usando o conjunto de dados Labeled Faces in the Wild (LFW) e sua variante LFW-BLUFR. Suas descobertas sugerem que a conclusão do rosto pode melhorar parcialmente as capacidades de percepção do rosto dos sistemas de visão de máquina à medida que processam imagens de rosto ocluído.

"A descoberta mais importante é que a detecção de oclusões, removê-los e preencher as partes ausentes do rosto são etapas muito críticas para sistemas biométricos mais seguros, "AbdAlmageed disse." Infelizmente, essas são áreas menos regulamentadas do que o próprio reconhecimento facial, mas acho que nosso trabalho está tentando trazer a consciência da comunidade de pesquisa para resolver esses problemas de pesquisa muito difíceis. "

O estudo realizado por AbdAlmageed e seus colegas apresenta uma solução viável para enfrentar os efeitos adversos das oclusões faciais no desempenho das ferramentas de reconhecimento facial. No futuro, sua abordagem poderia, em última análise, aprimorar a visão computacional e as ferramentas de autenticação biométrica.

"Agora estamos trabalhando em algoritmos para detectar diferentes tipos de oclusões que essencialmente completam nosso pipeline, "AbdAlmageed disse." Isso nos dará a oportunidade de testar e avaliar nosso sistema em cenários da vida real, como fazemos no programa IARPA Odin. "

© 2019 Science X Network