Un nuevo software basado en bases de datos fotográficas puede permitir el reconocimiento facial debajo de la máscara

Durante la pandemia de COVID-19, las mascarillas se volvieron casi omnipresentes y todavía lo son en algunos entornos. Existe la necesidad de reconocimiento facial para poder «ver detrás de la máscara» por motivos de seguridad.

Investigación publicado en el Revista Internacional de Visión Computacional y Robótica analiza el potencial de un nuevo software que podría entrenarse en una gran base de datos de fotografías de personas en diferentes poses y con diferentes expresiones faciales, donde se ha superpuesto una máscara simulada a la imagen, para permitir que el reconocimiento facial funcione independientemente de la máscara que se use.

Freha Mezzoudj y Chahreddine Medjahed, del Departamento de Ciencias de la Computación de la Universidad Hassiba Benbouali de Chlef en Argelia, han desarrollado una base de datos integral de rostros enmascarados, denominada FEI-SM.

El conjunto de capacitación contenía imágenes de 2.000 rostros desenmascarados y 18.000 rostros «enmascarados» con diferentes tipos de cobertura facial, mascarillas quirúrgicas y mascarillas de consumo. La base de datos podría utilizarse ahora para probar la identificación biométrica de personas enmascaradas.

El reconocimiento facial como forma de identificación biométrica se utiliza ahora ampliamente en los sistemas de seguridad. Se puede utilizar, por ejemplo, para abrir el teléfono inteligente o para permitir el acceso a un edificio sólo a personas acreditadas. También puede ser utilizado por la policía y otras autoridades para identificar personas en un entorno determinado, supuestamente ilegal.

El equipo explica que el «aprendizaje profundo», un subconjunto de la tecnología de inteligencia artificial, es un enfoque poderoso para el reconocimiento de imágenes que generalmente falla cuando se enfrenta a un individuo enmascarado.

El equipo ha utilizado varios sistemas de redes neuronales convolucionales (herramientas de aprendizaje profundo) basados ​​en tres modelos ResNet y dos DarkNet (ResNet18, ResNet50, ResNet101, DarkNet19 y DarkNet53) para ver qué tan exitosos podrían ser en la identificación biométrica de rostros enmascarados y desenmascarados. de su base de datos.

Descubrieron que ResNet18 es el más preciso y rápido en sus pruebas.