¿Cómo funciona el reconocimiento facial? La tecnología explicada en detalles
El reconocimiento facial desde los últimos años e incluso actualmente está experimentando un auge en términos de tecnologías de reconocimiento. Se ha demostrado que esta tecnología está entrando en la mayoría de procesos del día a día. Este artículo va a analizar y explicar qué es el reconocimiento facial y cómo funciona, dónde se puede poner en práctica y cómo se puede integrar en las actividades cotidianas.
¿Qué es el reconocimiento facial?
Historia del reconocimiento facial
Algunos ejemplos de reconocimiento facial
Funcionamiento del reconocimiento facial
¿Cómo se usa el reconocimiento facial?
Algoritmos de reconocimiento facial
Limitaciones del reconocimiento facial
Futuro del reconocimiento facial
Solución de reconocimiento facial de RecFaces
¿Cómo se hace el reconocimiento facial?
¿Qué hace una computadora para reconocer el rostro de una persona?
¿Cómo funciona el reconocimiento facial en los celulares?
¿Cómo usar reconocimiento facial Google Photos?
¿La tecnología de reconocimiento facial funciona en personas que usan máscaras?
¿Qué es el reconocimiento facial?
El reconocimiento facial consiste en localizar automáticamente una cara humana en una imagen o vídeo y, si es necesario, identificar la identidad de la cara de una persona en función de las bases de datos disponibles. El interés en estos sistemas es muy grande debido a la amplia gama de tareas que resuelven. El reconocimiento facial como una aplicación de software de reconocimiento biométrico es capaz de identificar o verificar de forma única a una persona mediante la comparación y el análisis de patrones basados en los contornos faciales de una persona. En pocas palabras, cada persona tiene una estructura facial única y el software especial puede analizarlo, comparándolo con la información en la base de datos para identificar posteriormente quién es el sujeto.
Historia del reconocimiento facial
En la década de 1960 surgieron los primeros sistemas computarizados de reconocimiento facial. Woodrow Wilson Bledsoe fue el primero en desarrollar una forma de clasificar los rostros utilizando líneas de cuadrícula. Sin embargo, el método de Bledsoe aún requería la participación humana, ya que la persona marcaba manualmente las características distintivas de la cara en la foto de la persona e ingresaba esa información en la computadora. La tecnología permitía la verificación de hasta 40 caras por hora (la verificación de la coincidencia de cada cara tomaba aproximadamente 90 segundos), que en ese momento se consideraba un resultado impresionante. A finales de la década de 1960, el reconocimiento facial se desarrolló aún más en el Instituto de Investigación de Stanford. Resultaba que, en términos de precisión de reconocimiento, la tecnología se las arreglaba mejor que las personas. De hecho, la precisión de la nueva tecnología era tan alta que se adquirió para la industria bancaria y el sector de servicios aéreos. A partir de ese momento, el mercado de la tecnología del reconocimiento facial comenzó a florecer, y desde 1993 hasta 2010, la tasa de error de los sistemas automáticos de reconocimiento facial disminuyó 272 veces.
Algunos ejemplos de reconocimiento facial
A medida que el reconocimiento facial se convierte en un elemento básico en la sociedad, puede encontrarlo en más lugares de los que piensa. Y no, no sólo en su teléfono.
DeepFace
Creado por Facebook, este sistema de reconocimiento facial puede identificar rostros humanos en imágenes descargadas en la plataforma de redes sociales con hasta un 97 % de precisión. Cada vez que un usuario de Facebook es etiquetado en una fotografía, DeepFace crea mapas de información sobre sus características faciales. Cuando se recopilen suficientes datos, el software podrá identificar a una persona específica en una nueva fotografía.
FaceNET
En junio de 2015, Google creó FaceNet que se usa en el conjunto de datos Labeled Faces in the Wild (LFW). FaceNet logra un nuevo récord de precisión en un asombroso 99,63 %. Utiliza su algoritmo propio además de una red neuronal artificial, y se incorpora a Google Fotos para etiquetar automáticamente las imágenes cuando se reconoce a una persona.
Face ID
En 2017 Apple lanzó Face ID en el iPhone X, lo que permite a los usuarios desbloquear sus teléfonos con una impresión facial asignada por la cámara frontal del teléfono móvil. Este software fue diseñado a través del modelado 3D y es resistente a ser falsificado por fotos o máscaras, ya que captura y compara más de 30.000 variables.
Funcionamiento del reconocimiento facial
Al preguntar para qué sirve el reconocimiento facial, se considera que es uno de los tres mejores métodos para el reconocimiento biométrico y la identificación de personas. El funcionamiento de la tecnología se realiza a través de la definición de las características individuales de la fisiología o anatomía humana. Es una de las tecnologías de más rápido desarrollo. Esto se debe a que el reconocimiento facial puede ser ampliamente aplicado en el comercio y los sistemas en sí son relativamente fáciles de configurar. Se pueden usar para muchos procesos, desde observar a las personas hasta resolver problemas de marketing.
Detección de la cara
Cuando el sistema de reconocimiento facial funciona en conjunto con el sistema de videovigilancia, el software escanea la imagen tomada de la cámara con el objetivo de encontrar las caras y hacer un conjunto de imagen. Una vez que se ha encontrado una imagen de una cara o un objeto en forma de cabeza, esta información se envía a continuación para su procesamiento. El sistema luego evalúa la posición de la cabeza, su orientación y tamaño. Por lo general, la cara debe girarse al menos 35 grados en la dirección de la cámara para que pueda detectarla.
Alineación de la cara
La imagen de la cara capturada se escala y se gira para que pueda registrarse y combinarse con las imágenes de la base. Esto se llama normalización. Después de eso, el software lee la geometría y hace seguimiento de la cara, identificando factores clave como la distancia entre los ojos, el grosor de los labios o la distancia entre la barbilla y la frente entre muchos otros. Algunos sistemas avanzados de reconocimiento facial utilizan cientos de estos factores, por ejemplo el subespacio facial. El resultado de este procedimiento conduce a la generación de la llamada «firma facial».
Extracción de características
Después de formar una «firma facial», se debe presentar como un código único. Esto facilita la comparación computacional de los datos faciales recién recuperados con los almacenados anteriormente en la base de datos.
Reconocimiento
Esta es la etapa final en la que los datos obtenidos se comparan con los que ya están en la base de datos. Si la imagen coincide con una de las imágenes que están en ella, el software devuelve los detalles de la cara asignada y lo notifica al usuario final.
¿Cómo se usa el reconocimiento facial?
El reconocimiento facial a día de hoy se utiliza en las siguientes esferas de actividad:
- Biometría
- Seguridad de información
- Cumplimiento de la ley y vigilancia
- Tarjetas inteligentes
- Control de acceso
El reconocimiento facial se implementa en los siguientes sectores de negocios:
- Bancos
- Facilidades de transporte
- Facilidades industriales
- Facilidades médicas
- Facilidades deportivas
- Instituciones públicas
- Instituciones educacionales
- Centros de negocios
- Ventas
- HoReCa
Algoritmos de reconocimiento facial
Hay varios enfoques para crear un algoritmo de seguridad a través del reconocimiento facial. El enfoque empírico se utilizó desde el principio en el desarrollo de la visión por computadora. Se basa en algunas reglas que una persona usa para detectar caras. Por ejemplo, la frente suele ser más brillante que la parte central de la cara, que a su vez es uniforme en brillo y color. Otro signo importante es la presencia de partes de la cara en la imagen: la nariz, la boca y los ojos. Para determinar las caras, se realiza una reducción significativa en el área de la imagen donde se supone que hay un rostro o se construyen histogramas perpendiculares. Estos métodos son fáciles de implementar, pero son prácticamente inutilizables cuando hay muchos objetos extraños en el fondo, varias caras en el marco, o cuando se cambia el ángulo. El siguiente enfoque utiliza características invariantes específicas de la imagen facial. En su núcleo, como en el método anterior, se encuentra la base empírica, es decir, el intento del sistema de «pensar» como una persona. El método identifica las partes características de la cara, su límite, cambio de forma, contraste, etc., combina todos estos signos y los verifica. Este método se puede usar incluso cuando se gira la cabeza, pero si hay otras personas o un fondo no uniforme, el reconocimiento se vuelve imposible. El siguiente algoritmo consiste en la detección de rostros a través de patrones que el desarrollador establece. Una persona parece ser una especie de patrón o estándar y el propósito del algoritmo es verificar cada segmento en busca de este patrón biométrico facial. Esta verificación se puede hacer para diferentes ángulos y escalas. Todas las tecnologías modernas de reconocimiento facial utilizan sistemas que aprenden a través de imágenes de prueba. Para el entrenamiento, se utilizan bases con imágenes que contienen caras junto a otras que no. Cada fragmento de la imagen estudiada se caracteriza como un vector de características mediante el cual los clasificadores —algoritmos para determinar el objeto en el marco—, determinan si una parte determinada de la imagen es una cara o no. A veces puede ser una imagen errante, pero esto ocurre en pocos casos.
Limitaciones del reconocimiento facial
- La mala calidad de imagen limita la eficacia del reconocimiento facial La calidad de la imagen afecta a la efectividad de los algoritmos de reconocimiento facial. La calidad de imagen del escaneo de vídeo es bastante baja en comparación con la de una cámara digital. Incluso el vídeo de alta definición es, en el mejor de los casos, de 1080p (escaneo progresivo); generalmente, es de 720p. Estos valores son equivalentes a aproximadamente 2MP y 0.9MP respectivamente, mientras que una cámara digital de bajo coste alcanza 15MP. Por lo tanto, la diferencia es bastante notable.
- El tamaño pequeño de la imagen hace que el reconocimiento facial sea más difícil Cuando un algoritmo de detección de rostros encuentra uno en una imagen o en una imagen fija de una captura de vídeo, el tamaño relativo de esa cara en comparación con el tamaño de la imagen registrada afecta a cómo se reconocerá esta. Un tamaño de imagen ya pequeño junto a un objetivo distante de la cámara, significa que la cara detectada es de solo 100 a 200 píxeles en un lado. Además, tener que escanear una imagen para diferentes tamaños de cara supone una actividad intensiva para el procesador. Por eso, la mayoría de los algoritmos permiten la especificación de un rango de tamaño de cara para ayudar a eliminar los falsos positivos en la detección y acelerar el procesamiento de imágenes.
- Diferentes ángulos faciales pueden mermar la fiabilidad del reconocimiento facial El ángulo relativo de la cara del objetivo influye profundamente en la puntuación de reconocimiento. Cuando se registra una cara en el software de reconocimiento, generalmente se utilizan múltiples ángulos (lo más común es perfil, frontal y 45 grados). Cualquier cosa excepto una vista frontal afecta a la capacidad del algoritmo para generar una plantilla para la cara. Cuanto más directa sea la imagen (tanto inscrita como la imagen de sonda) y cuanto mayor sea su resolución, mayor será la puntuación de las coincidencias resultantes. Al tener una superresolución, el resultado será mucho mejor.
- El procesamiento y el almacenamiento de datos pueden limitar la tecnología de reconocimiento facial A pesar de que el vídeo de alta definición es bastante bajo en tanto a resolución en comparación con las imágenes de la cámara digital, todavía ocupa cantidades significativas de espacio en disco. Procesar cada fotograma de vídeo es una tarea enorme, por lo que generalmente solo una fracción (del 10 % al 25 %) se ejecuta a través de un sistema de reconocimiento. Para minimizar el tiempo total de procesamiento, las agencias pueden usar clústeres de computadoras. Sin embargo, agregar computadoras implica una transferencia de datos considerable a través de una red, que puede estar vinculada por restricciones de entrada y salida, lo que limita aún más la velocidad de procesamiento.
Futuro del reconocimiento facial
El reconocimiento facial biométrico es una tecnología bastante joven pero muy prometedora para las empresas. Con su ayuda, se resuelven una variedad de tareas: desde garantizar la seguridad del objeto hasta recopilar análisis de marketing de la tienda. Actualmente, la eficiencia de los sistemas basados en redes neuronales es muy alta. Es importante tener en cuenta que los algoritmos de las empresas rusas lideran las clasificaciones mundiales. Además, junto con la competencia en el mercado de sistemas biométricos, la oferta también está creciendo. Las soluciones están disponibles y aunque todavía estamos al comienzo del camino, el número de implementaciones está aumentando constantemente. Con un alto grado de confianza, se puede predecir un aumento adicional en el número de instalaciones equipadas con sistemas de identificación biométrica remota, ya que los sistemas están completamente preparados para esto. La tecnología se ha desarrollado repetidamente y muestra buenos resultados de trabajo. El reconocimiento facial comenzará a integrarse de forma predeterminada en dispositivos móviles, cajeros automáticos, automóviles y muchas otras cosas, detectando incluso la expresión facial. El siguiente paso de la biometría será reconocer el comportamiento y las emociones de una persona. En esta dirección se está trabajando seriamente: ya hay ciertos enfoques, desarrollos teóricos, cómo hacerlo, y los algoritmos de redes neuronales ya han aprendido a determinar las emociones básicas. El desafío es interpretar siempre de manera inequívoca un conjunto particular de componentes y, con el tiempo, se podrá resolver. Por ejemplo, si hablamos de identificación por comportamiento, debemos elegir movimientos específicos para algunas situaciones, como para una pelea o algo similar. Una persona puede ser identificada por la marcha. Es una característica de una persona, ya que tiene una cierta dinámica en sus movimientos. Cuando se logre una alta precisión y velocidad, será posible hablar sobre la posibilidad de implementar sistemas.
Solución de reconocimiento facial de RecFaces
Id-Time es un producto de software de control biométrico del tiempo de trabajo de los empleados. Esta solución ayuda a controlar debidamente al trabajador mediante el envío periódico de información biométrica a través de cámaras.
Id-Guard es un plugin de identificación biométrica desarrollado para los principales sistemas de CCTV y control de acceso. Está diseñado para aqyudar a los servicios de seguridad a mejorar la velocidad de respuesta a incidentes y proceso de investigaciones.
Id-Gate es un software biométrico desarrollado para enriquecer sistemas de control de acceso existentes o nuevos con funciones modernas adicionales utilizando tecnología de reconocimiento facial. Diseñado para verificar los derechos de acceso de los empleados y visitantes de una empresa, Id-Gate utiliza identificación biométrica de rostros en lugar de tarjetas RFID y llave poco confiables.
Id-Target es una solución de autenticación biométrica que entrega anuncios publicitarios a un usuario específico a través de una implementación de análisis biométrico.
Id-Welcome es un producto de software de reconocimiento facial que implementa la biometría para hacer que el saludo en la pantalla de inicio sea personal para cada usuario.
Preguntas más frecuentes
Damos respuestas a las preguntas más frecuentes que se pueden dar referentes a la tecnología de reconocimiento facial.
¿Cómo se hace el reconocimiento facial?
Identificar a una persona a partir de una foto desde el punto de vista de una computadora significa dos tareas muy diferentes: en primer lugar, encontrar la cara en la imagen (si está allí), en segundo lugar, separar de la imagen las características que distinguen a esa persona de otras en la base de datos.
¿Qué hace una computadora para reconocer el rostro de una persona?
Durante mucho tiempo, han existido programas que pueden mirar dos retratos frontales y determinar que representan a la misma persona. Tal software busca lo mismo que el retratista: los llamados puntos de referencia en la cara de una persona, a partir de los cuales se forman las características individuales. Según la técnica, el número es diferente: mientras algunos asignan 80, otros 150 de estos puntos. Las medidas más importantes para los programas de reconocimiento facial son la distancia entre los ojos, el ancho de las fosas nasales y la longitud de la nariz, la altura y la forma de los pómulos, el ancho de la barbilla, la altura de la frente, etc.
¿Cómo funciona el reconocimiento facial en los celulares?
El teléfono, al preguntar cómo funciona el reconocimiento facial, consta del proyector de puntos que «coloca» la cara en los puntos y crea una especie de «mapa de la cara». El emisor infrarrojo ayudará al teléfono inteligente a ver la cara incluso en la oscuridad. Una cámara normal no puede hacer esto.
¿Cómo usar reconocimiento facial Google Photos?
El sistema reconoce las caras de las personas representadas en las tarjetas y las distribuye por álbumes. El propietario de la cuenta marca a la persona en la foto y le da un nombre; por su parte, el sistema analiza la cara y recopila las fotos con ella en un álbum. Esto le ayudará a navegar más rápido en la base de datos de fotos y en los iconos con las caras de los amigos para ver todas las fotos con ellos. Las etiquetas definidas por el usuario sólo serán visibles para él, incluso si comparte el álbum fotométrico.
¿La tecnología de reconocimiento facial funciona en personas que usan máscaras?
El sistema de reconocimiento facial requiere una gran cantidad de imágenes etiquetadas, es decir, que cada una de esas imágenes se marque con o sin máscara. Luego debe ser entrenada con estos ejemplos. También se pueden cambiar los enfoques de reconocimiento facial estándar para omitir elementos que se encuentran en el área de la cara cerrada con una máscara. Este último se puede introducir como una restricción geométrica integrada en el proceso de entrenamiento.
Lectura recomendada:
