miniaturaminiatura|Sistema de reconeixement a Suïssa El sistema de reconeixement facial és una aplicació dirigida per ordinador per identificar automàticament una persona en una imatge digital. Això és possible mitjançant una anàlisi dels trets facials característics del subjecte extrets de la imatge o bé d'un fotograma clau d'una font de vídeo i comparant-los amb una base de dades.

Introducció El reconeixement facial s'ha convertit en els últims anys en una àrea de recerca activa que abasta diverses disciplines, com ara processament d'imatges, reconeixement de patrons, visió per ordinador i xarxes neuronals. Involucra tant a investigadors de l'àrea d'informàtica com a neurocientífics i psicòlegs. Es podria considerar també dins el camp de reconeixement d'objectes, on la cara és un objecte tridimensional subjecte a les variacions d'il·luminació, la pose, etc., i ha de ser identificat basat en la seva projecció 2D (excepte quan s'utilitzen tècniques 3D).

L'objectiu d'un sistema de reconeixement facial és, generalment, el següent: donada una imatge d'una cara "desconeguda", o imatge de test, trobar una imatge de la mateixa cara en un conjunt d'imatges "conegudes", o imatges d'entrenament. La gran dificultat afegida és la d'aconseguir que aquest procés es pugui realitzar en temps real. El sistema identificarà les cares presents a imatges o videos automàticament. Pot operar en 2 modes: Verificació o autentificació de cares: compara una imatge de la cara amb una altra imatge amb la cara de la que volem saber la identitat. El sistema confirmarà o rebutjarà la identitat de la cara. Identificació o reconeixement de cares: compara la imatge d'una cara desconeguda amb totes les imatges de cares conegudes que es troben a la base de dades per determinar la seva identitat.

Per la seva naturalessa amigable, aquest tipus de sistemes segueixen essent atractius malgrat l'existència d'altres mètodes molt fiables d'identificació personal biomètrics, com ara l'anàlisi d'empremtes dactilars i l'escàner d'iris.

Usos Àrees Aplicacions específiquesBiometriaLlicència de Conduir, Programes de Dret, Immigració, DNI, Passaports, Registre de Votants, FrauSeguretat de la informacióInici de Sessió, Seguretat a Aplicacions, Seguretat a Bases de Dades, Encriptament d'Informació, Seguretat a Intranet, Accés a Internet, Registres Mèdics, Terminals de Comerç Segur, Caixers AutomàticsCompliment de la llei i vigilànciaVideovigilància Avançada, Control CCTV, Control Portal, Anàlisi Post-event, Furt, Seguiment de Sospitosos, InvestigacióTargetes intel·ligentsValor Emmagatzemat, Autenticació d'usuarisControl d'accésAccés a Instal·lacions, Accés a Vehicles

Usos actuals Avui en dia podem veure aquesta tecnologia aplicada a certs aspectes de la vida, tan propers com no tan propers:

Un camp que serveix com a clar exemple d'ús quotidià és la tecnologia que la majoria de telèfons mòbils, smartphones, empren per a la identificació de l'usuari, per permetre així l'ús del dispositiu. No tots són molt fiables, però, ja que alguns es basen en una imatge de la cara i poden ser enganyats per fotografies; d'altres, però, utilitzen sistemes més sofisticats que projecten infrarojos per escanejar un mapa 3D del rostre de l'individu. D'aquesta manera, l'usuari pot desbloquejar i efectuar altres accions com pagaments o instal·lacions d'aplicacions mitjançant el mateix rostre, sense la necessitat d'introduir una contrasenya cada cop.

A més, depenent del sistema i la sofisticació d'aquest, el reconeixement s'adaptarà a mesura que l'usuari vagi envellint, i també als canvis d'estètica física com la incorporació d'accessoris que cobreixin parcialment aspectes del rostre que no siguin clau per la seva identificació.

Un altre ús que ja s'aplica avui en dia, però que no és tan proper com els smartphones, és el sistema de reconeixement als aeroports. Aquest mètode d'identificació facial als no és nou al Regne Unit, on s'utilitza des de fa més de 10 anys, però ja s'està començant a emprar als Estats Units. En comptes de facilitar el passaport o altres documents identificadors al personal de l'aeroport, hom és capaç de passar aquests tràmits simplement amb la identificació del rostre, reduint molt les cues però també el personal necessari per a aquest procés. Aquest mètode ha provocat certa controvèrsia quant a seguretat i privacitat a la xarxa després d'agafar desprevinguts alguns usuaris dels aeroports.

Usos que interessants són els següents:

Aplicacions i programes d'assistència a aquells amb visió reduïda, escanejant la cara de la persona amb qui estigui parlant i ser notificada sobre els seus gestos facials. Identificació de persones a les xarxes socials i a Internet en general. A la Xina s'ha incorporat un sistema de càmeres per fer un seguiment exhaustiu de l'assistència dels estudiants a les classes. Detecció de diferents malalties; per exemple, l'Institut Nacional de Recerca del Genoma Humà empra un sistema de reconeixement facial per detectar la síndrome DiGeorge. etc.

També s'utilitzen en aplicacions d'interacció persona-ordinador, i en gestió multimèdia, i a software com Google's Picasa, Apple iPhoto, Sony's Picture Motion Browser (PMB), Facebook i Asus Smart Logon.

Possibles usos futurs Una aplicació de reconeixement facial futura es basa a establir aquesta tècnica a un nivell d'usuari. Per exemple, en un supermercat o un establiment petit es podria dur un control sobre qui obra la caixa mitjançant un reconeixement facial previ, d'aquesta manera també es poden evitar intents de robatori, ja que al no reconèixer el rostre la caixa romandria tancada. Un cas més extrem seria en els caixers automàtics on, per poder operar, fos necessari un reconeixement facial en comptes de l'actual PIN.

Funcionament El processat consta de quatre mòduls principals: Face Recognition System Workflow|border|right Detecció de la cara: detecta que hi ha una cara a una imatge, sense identificar-la. Si es tracta d'un video, també podem fer un seguiment de la cara. Proporciona la localització i l'escala a la que trobem la cara. Alineació de la cara: localitza les components de la cara i, mitjançant transformacions geomètriques, la normalitza respecte propietats geomètriques, com la mida i la pose, i fotomètriques, com la il·luminació. Per normalitzar imatges de cares, es poden seguir diferents regles, com ara la distància entre les pupil·les, la posició del nas, o bé la distància entre les comisures dels llavis. També s'ha de definir la mida de les imatges i la gamma de colors. Normalment, per disminuir la càrrega computacional del sistema, s'acostuma a utilitzar imatges petites en escala de grisos. A vegades també es realitza una equalització de l'histograma. Extracció de característiques: proporciona informació per distingir entre les cares de diferents persones segons variacions geomètriques o fotomètriques. Reconeixement: el vector de característiques extret es compara amb els vectors de característiques extrets de les cares a le base de dades. Si troba un amb un porcentatge elevat de semblança, ens dona la identitat de la cara; si no, ens indica que és una cara desconeguda.

Els resultats obtinguts depenen de les característiques extretes per representar el patró de la cara i dels mètodes de classificació utilitzats per distingir els rostres, però per extreure aquestes característiques efectivament, cal localitzar i normalitzar la cara adequadament.

Tècniques i algorismes Tècniques tradicionals Els mètodes de reconeixement facial tradicional es poden dividir en dos grans grups:

Holístics miniatura|500px|Els primers 10 a) Eigenfaces, b) Fisherfaces, i c) Laplacianfaces calculats a partir de imatges de cares de la base de dades de YALE Reconeixen segons tota la imatge facial. Són mètodes basats en correlació. L'esquema de classificació més simple, on s'utilitzen models de comparació per la tasca de reconeixement, és el template matching. El problema del template matching és que ha de comparar moltes característiques (un píxel és per a ell una característica) i, si tenim en compte que a la base de dades trobem M persones, amb N imatges per persona, ens adonem que aquest mètode no es pot implementar en temps real. Per tant, es treballa amb altres mètodes que decorrelacionen les característiques entre si per tal d'aconseguir reduir l'espai facial a un nombre menor de coeficients, que tinguin un alt poder discriminatori entre les persones. És el que s'anomena subespai facial. Exemples de mètodes que treballen a partir de subespais són l'anàlisi de components principals (PCA - Principal Component Analysis) a partir d'eigenfaces, l'anàlisi linear discriminant (LDA - Linear Discriminant Analysis) o el discriminant linear de Fisher (FLD - Fisher Linear Discriminant) a partir de fisherfaces.

La tècnica PCA es considera una de les que proporciona un major rendiment. Funciona projectant les imatges facials sobre un espai de faccions que engloba les variacions significatives entre les imatges facials conegudes. Les faccions significatives s'anomenen eigenfaces, ja que són els eigenvectors, o components principals, del conjunt de cares. La projecció caracteritza la imatge facial d'un individu com la suma dels diferents persos de totes les faccions i, de la mateixa manera, per reconèixer una imatge facial determinada només cal comparar aquests pesos amb aquells dels individus coneguts prèviament. No té en compte la informació de quines imatges pertanyen a un mateix individu. És molt sensible a canvis en les condicions d'il·luminació en diferents imatges d'una mateixa persona.

El mètode LDA permet utilitzar la informació entre membres de la mateixa classe (imatges de la mateixa persona) per desenvolupar un conjunt de vectors de característiques on les variacions entre les diferents cares s'emfatitzen mentre que els canvis deguts a il·luminació, expressió facial i orientació de la cara no. És a dir, maximitza la variància de les mostres entre classes, i la minimitza entre mostres de la mateixa classe.

La tècnica FLD és equivalent al LDA. Els resultats obtinguts amb aquesta són bastant millors que els que podem obtenir amb PCA, sobretot quan les condicions llumíniques varien entre el conjunt d'imatges d'entrenament i de test, i també amb canvis d'expressió facial donant més pes a zones com els ulls, el nas, i les galtes que a la boca, perquè són zones més invariables en les diferents expressions que pot tenir una persona.

Altres mètodes, en comptes d'utilitzar subespais facials, segueixen una classificació per xarxes neuronals i plantilles deformables, com ara elastic graph matching (EGM).

Locals o geomètrics Es comparen diferents característiques geomètriques de les cares. Existeixen dues divisions, la basada en els vectors característics extrets del perfil, i la basada en els vectors característics extrets a partir d'una vista frontal. S'utilitzava molt anteriorment però els seus resultats no són òptims.

Tècniques 3D