Internacional. A medida que continuamos ajustándonos a los mandatos de separación social, ahora más expertos recomiendan usar máscaras faciales como otra forma de limitar la propagación de COVID-19. En situaciones y entornos donde el reconocimiento facial SAFR es vital para la seguridad y el acceso seguro, el uso de máscaras faciales no compromete sus beneficios.
Es cierto que cuantas más características faciales estén disponibles como puntos de datos, mayores serán las posibilidades de una coincidencia precisa. Sin embargo, un algoritmo resistente puede adaptarse cuando ve una cara oscurecida o parcialmente cubierta y aún así ofrece excelentes resultados.
La detección de oclusión ha sido una característica de la plataforma SAFR durante algún tiempo; hemos trabajado duro para que funcione bien. A medida que las máscaras preventivas se vuelven más comunes en todo el mundo, la precisión de las caras parcialmente ocluidas es más importante que nunca. Para satisfacer esta necesidad, estamos mejorando aún más nuestra lógica de oclusión para garantizar que podamos mantener la mayor precisión y el mejor rendimiento en condiciones difíciles.
Una máscara es solo una forma de ocluir un rostro. Cuando alguna parte de la cara no es visible, un algoritmo de reconocimiento facial debe enfocarse en cualquier punto de referencia en la cara que pueda ver para determinar una coincidencia precisa. Es un proceso que requiere capacitación y ajustes para lograrlo, y cuando se implementa comercialmente, los beneficios del reconocimiento preciso en condiciones ocluidas son valiosos y, en algunos casos, salvan vidas:
- Los profesionales de la salud pueden caminar por áreas seguras sin quitarse el equipo de protección personal;
- Los proveedores de servicios esenciales pueden continuar brindando productos y servicios sin demora;
- Se reconocerán las amenazas de seguridad y las respuestas pueden ser inmediatas.
El SAFR evalúa las oclusiones en varios niveles y, en algunos niveles, no es posible hacer una coincidencia exacta. En tales casos, SAFR puede automatizar procedimientos posteriores que garanticen la protección de los protocolos de seguridad. Por ejemplo, se pueden requerir diferentes umbrales de coincidencia cuando se detectan oclusiones, se puede iniciar un flujo de autenticación multifactorial o se puede notificar al equipo de seguridad cuando no se reconoce a una persona debido a una máscara facial u otra oclusión.
En este momento, muchos vendedores comparten con entusiasmo la noticia de que son «inmunes a la máscara», capaces de reconocer rostros con la misma precisión que cuando las personas no usan máscaras. Esto puede ser cierto cuando el tamaño de la muestra es pequeño. Pero lo que sí sabemos sobre el rostro humano es que todos son diferentes y, a medida que aumenta el tamaño de la muestra, también aumenta la variedad de características y la probabilidad de que alguien con rasgos similares aparezca en la base de datos. Algunas caras tienen características únicas, especialmente alrededor de los ojos o la nariz, mientras que otras pueden tener estas características en las líneas de la boca o la mandíbula. Reconociendo esto, se hace obvio que algunas personas serán reconocidas más fácilmente cuando la mitad superior de la cara es visible; otros cuando la mitad inferior está disponible para análisis. Por esta razón, algunas personas pueden no tener el mismo nivel de precisión que otras cuando están ocluidas por objetos similares.
Actualmente estamos enfatizando el entrenamiento de nuestros algoritmos para reducir los impactos negativos que las oclusiones, como las máscaras faciales, tienen en la precisión. Pero puede aprovechar una característica SAFR en este momento para mejorar la precisión cuando la apariencia externa de una persona cambia significativamente: «Grouping in the Person Directory». Consulte la documentación de SAFR en “Manage People in the Person Directory” para obtener instrucciones.
Sí, también podemos combinar rostros cuando las personas usan máscaras, pero sentimos la responsabilidad de ser honestos acerca de las limitaciones y obtener un rendimiento aún mejor cuando el SAFR comprende cómo puede verse una persona cuando usa una máscara.
La precisión es siempre un tema complejo, ya que intervienen varias variables: la calidad de la imagen de la cara registrada, el grado en que un sujeto es consciente y coopera con la captura de una imagen de buena calidad y el impacto de la iluminación y otras variables del medio ambiente Según la Universidad de Massachusetts, los recursos SAFR actuales para la etiqueta Faces in the Wild (LFW) tienen una tasa de identificación real del 99.87%, con solo 1: 1,000,000 de identificaciones falsas (falsos positivos). La evaluación comparativa interna muestra que cuando las personas se presentan en escenarios de identificación cooperativa, como un caso de uso de Control de acceso, y tanto el sujeto como una de sus imágenes faciales en la base de datos llevan una máscara, la tasa de identificación verdadera SAFR es 93,5%, con menos de 1: 3.760 identificaciones falsas. Aunque este es un excelente nivel de precisión, teniendo en cuenta que el 50% al 60% de la cara está cubierta, en SAFR planeamos mejorar aún más esta capacidad.
Nuestro objetivo ahora, como siempre lo ha sido, es equipar a nuestros usuarios finales con software y sistemas de alto rendimiento impulsados por inteligencia artificial que se adapten rápidamente a los cambios en los entornos que aumentan su necesidad de uso. Es una realidad con la que nos estamos familiarizando en este momento de crisis y esperamos que el SAFR pueda ayudar.
* Artículo escrito por Eric Ress, Director Senior de Gestión de Productos para Soluciones de Reconocimiento Facial y Seguridad de SAFR.
