TÉCNICA DE RECONOCIMENTO FACIAL

Profesional peruano en inteligencia artificial

Ya sea para desbloquear nuestros teléfonos o acceder a un domicilio, el reconocimiento facial se ha convertido en una parte fundamental de la tecnología, especialmente en términos de bioseguridad, aunque también es útil para capturar a personas requeridas por la justicia. En ese contexto, las investigaciones actuales apuntan a mejorar dichas técnicas de reconocimiento, a fin de volverlas más precisas y versátiles. Paulo Enrique Linares Otoya, ingeniero peruano becado en Taiwán, es uno de los investigadores que se encuentran realizando estudios relacionados a esta área de la inteligencia artificial (IA).
Su investigación, llevada a cabo en la Universidad Nacional de Dong Hwa (donde cursa una maestría), tiene como objetivo desarrollar un sistema de reconocimiento facial que considere la variación en la posición de la cabeza para llevar a cabo su proceso. “Este se considera una de las técnicas más difíciles porque, generalmente, se entrena al modelo de reconocimiento con una imagen frontal, como si fuera una imagen tipo pasaporte”, indicó Linares a la Agencia Andina.
El ensamble learning en biometría
A fin de solucionar esta problemática, el equipo de investigadores en Taiwán está trabajando en el reconocimiento facial con variabilidad en la orientación de la cabeza. Para ello, están aplicando una técnica conocida como ensamble learning.“Es como un aprendizaje en conjunto. Típicamente, lo que se utiliza en machine learning es un solo modelo, se introduce la data y se obtiene un resultado. Pero, en este caso, puede ser un resultado a partir de varios modelos”, explica Linares.
Eso quiere decir que cada modelo recibe una parte de la información, no toda la información completa, y, con esa pequeña porción, toma una decisión. Finalmente, se juntan las decisiones de todos los modelos y se toma una resolución final respecto a la identidad de la persona. Para entrenar a la IA, se hace uso de una sola imagen (de pasaporte o carnet), la cual se procesa para obtener puntos claves en el rostro del sujeto, como los bordes de los ojos, de la boca y la forma de la nariz.
Se usan imágenes frontales porque son las más comunes en los documentos de identidad. El objetivo de este tipo de reconocimiento facial es que el sistema pueda reconocer a una persona, incluso si ella está de perfil (aun cuando la IA ha sido entrenada sólo con una imagen frontal).
Importa el sistema de reconocimiento facial
Para entrenar el sistema, se hizo uso de bases de datos CMU-PIE y MULTI-PIE, las cuales contienen imágenes de varias personas en diferentes posiciones con iluminación y expresiones distintas. Para la primera database, se obtuvo un resultado del 100% de reconocimientos.
Ahora, se busca modificar ligeramente la metodología para poder testear el sistema en bases de datos mucho más difíciles, pues las imágenes empleadas fueron obtenidas en entornos controlados. “Se han obtenido con cámaras y sistemas de iluminación especiales, pero hay bases de datos que contienen imágenes en las que es muy difícil reconocer a la persona. Son imágenes recolectadas a través de Internet, más complejas”, revela Linares.
Este renovado sistema de reconocimiento facial podría ser útil para diversos fines. Por ejemplo, para validar los datos biométricos en los teléfonos celulares (desbloqueo facial), en la autenticación biométrica (para ingresar a determinados lugares) o para ayudar a las autoridades a capturar a personas requeridas por la justicia. Cabe resaltar que la investigación es financiada por la Universidad Nacional de Dong Hwa y ya se realizó una publicación en la Revista del Instituto de Ingenieros Eléctricos y Electrónicos. Otras dos publicaciones están en proceso de revisión.
Cabe destacar que Linares ganó el premio a mejor trabajo de investigación en la V Conferencia Internacional en Conocimientos de Innovación e Invención-2022, desarrollada en Taiwán, en 2022. (Ítalo Vergara/Agencia Andina)

脸识别技术 秘鲁的人工智能专家

无论是用于解锁我们的手机还是进入住宅，面部识别已经成为技术的一个基本组成部分，特别是在生物安全方面，但它对于抓捕需要正义的人也很有用。在这种情况下，目前的研究旨在改进这些识别技术，以使其更加准确和通用。保罗-恩里克-利纳雷斯-奥托亚（Paulo Enrique Linares Otoya）是一名在台湾获得奖学金的秘鲁工程师，是进行与人工智能（AI）这一领域相关研究的研究人员之一。
他的研究是在国立东华大学（他正在那里攻读硕士学位）进行的，目的是开发一个面部识别系统，考虑到头部位置的变化来执行其过程。”Linares告诉Agencia Andina说：”这被认为是最困难的技术之一，因为一般来说，识别模型是用正面图像来训练的，就好像是护照类型的图像。
生物识别技术中的学习装配
为了解决这个问题，台湾的研究团队正在研究带有头部方向变化的人脸识别。为了做到这一点，他们正在应用一种被称为集合学习的技术。Linares解释说：“这就像集合学习。通常情况下，你在机器学习中使用的是一个单一的模型，你输入数据并得到一个结果。但是，在这种情况下，它可以是一个来自几个模型的结果。”
这意味着，每个模型接收一部分信息，而不是所有的完整信息，并利用这一小部分信息做出决定。最后，所有模型的决定被放在一起，并就该人的身份做出最终决定。为了训练人工智能，使用了一张图像（护照或身份证），对其进行处理以获得主体脸上的关键点，如眼睛的边缘、嘴巴和鼻子的形状。
使用正面图像是因为它们是身份文件上最常见的。这种类型的面部识别的目标是系统能够识别一个人，即使他们是侧面的（即使人工智能只用正面图像进行了训练）。
输入人脸识别系统
为了训练系统，我们使用了CMU-PIE和MULTI-PIE数据库，其中包含了几个人在不同位置、不同光线和表情的图像。对于第一个基础数据，获得了100%的识别结果。
现在，该方法将稍作修改，以便在更难的数据库上测试该系统，因为使用的图像是在受控环境中获得的。“它们是通过摄像机和特殊照明系统获得的，但有些数据库包含的图像很难识别出人。它们是通过互联网收集的图像，这些图像更加复杂，”利纳雷斯透露说。
这种更新的面部识别系统可用于多种用途。例如，验证手机中的生物识别数据（面部解锁），在生物识别认证（进入某些地方）或帮助当局捕获需要正义的人。这项研究由东华大学资助，已经在电气和电子工程师协会的期刊上发表。另外两份出版物正在审查中。
利纳雷斯在2022年于台湾举行的第五届知识创新与发明国际会议上获得了最佳研究论文奖。