211service.com
Meilleur logiciel de reconnaissance faciale
Pour les scientifiques et les ingénieurs impliqués dans la technologie de reconnaissance faciale, les résultats récemment publiés du Face Recognition Grand Challenge – plus précisément, le Face Recognition Vendor Test (FRVT) 2006 et l'Iris Challenge Evaluation (ICE) 2006 – ont été un triomphe discret. Parrainé par le Institut national des normes et de la technologie (NIST), la comparaison d'algorithmes de reconnaissance faciale a montré que la reconnaissance automatique d'individus humains s'est améliorée par dix depuis 2002 et par cent depuis 1995. En effet, les meilleurs algorithmes de reconnaissance faciale sont désormais plus précis que la plupart des humains ne peuvent le gérer. Dans l'ensemble, la technologie de reconnaissance faciale progresse rapidement.
Faits face : L'image 3-D du haut ne montre que les informations associées à la forme du visage d'un homme. L'image du bas montre la texture ainsi que la forme.
Jonathon Phillips, responsable du programme des tests NIST et auteur principal de le rapport de l'agence , affirme que l'objectif visé du Grand Challenge de reconnaissance faciale a toujours été une amélioration de l'ordre de grandeur des performances de reconnaissance par rapport aux résultats de 2002. Phillips pense que la diminution nécessaire du taux d'erreur pour atteindre cet objectif était due dans une large mesure à la développement d'images fixes à haute résolution et d'algorithmes de reconnaissance faciale en 3D. Pour le FRVT 2006 et l'ICE 2006, des ensembles d'images de visage haute résolution, de scans de visage en 3D et d'images d'iris ont été collectés sur les mêmes personnes, explique Phillips. Le FRVT 2006 a mesuré pour la première fois les performances de six algorithmes 3D sur un ensemble de scans de visages 3D. L'ICE 2006 a mesuré les performances de dix algorithmes sur un ensemble d'images d'iris. La reconnaissance faciale 3D s'est imposée ces dernières années, car les capteurs 3D pour la reconnaissance faciale ne sont devenus disponibles que récemment. Ce que la reconnaissance faciale 3D contribue, c'est qu'elle capture directement des informations sur la forme des visages.
Entre autres avantages, la reconnaissance faciale 3D identifie les individus en exploitant les caractéristiques distinctives de la surface d'un visage humain, par exemple les courbes des orbites, du nez et du menton, qui sont les endroits où les tissus et les os sont les plus apparents et qui ne le sont pas. change avec le temps. En outre, selon Phillips, les changements d'éclairage ont affecté négativement les performances de reconnaissance faciale des images fixes. Mais la forme d'un visage n'est pas affectée par les changements d'éclairage. Par conséquent, la reconnaissance faciale 3D peut même être utilisée dans des conditions presque sombres.
Selon Ralph Gross, chercheur au Carnegie Mellon Robotics Institute, à Pittsburgh, la reconnaissance faciale 3D peut également reconnaître des sujets sous différents angles de vue jusqu'à 90 degrés, c'est-à-dire des visages de profil. La reconnaissance faciale est devenue assez bonne sur les visages frontaux complets et à 20 degrés, mais dès que vous vous dirigez vers le profil, il y a eu des problèmes. Gross dit que l'explication des difficultés du logiciel de reconnaissance faciale avec les profils n'est peut-être pas plus compliquée que le fait que personne ne se concentrait sur le problème. Les principales applications de la reconnaissance faciale ont été dans des contextes tels que les cartes d'identité et les scanners de visage, pour lesquels l'objectif a été la reconnaissance des visages frontaux complets de sujets coopératifs sous un éclairage contrôlé.
Les images fixes à haute résolution ont été un autre facteur d'amélioration de la technologie de reconnaissance faciale, en partie parce qu'une analyse très détaillée de la texture de la peau est également devenue possible. Avec une telle analyse, n'importe quelle parcelle de peau, appelée empreinte de peau, peut être capturée sous forme d'image, puis divisée en blocs plus petits que les algorithmes transforment en espaces mathématiques mesurables dans lesquels les lignes, les pores et la texture réelle de la peau sont enregistrés. Il peut identifier des différences entre des jumeaux identiques, ce qui n'est pas encore possible en utilisant uniquement un logiciel de reconnaissance faciale, explique Gross. En combinant la reconnaissance faciale avec l'analyse de la texture de la surface, l'identification précise peut augmenter de 20 à 25 %.
Qu'en est-il de l'affirmation du rapport FRVT selon laquelle certains algorithmes de reconnaissance faciale égalent ou dépassent les capacités de reconnaissance des humains ? Phillips explique : Les humains sont très doués pour reconnaître les visages de personnes familières. Cependant, ils ne sont pas très doués pour reconnaître les personnes inconnues. Étant donné que de nombreux systèmes de reconnaissance faciale proposés compléteraient ou remplaceraient les humains, les tests comparatifs du FRVT sur les capacités de reconnaissance faciale des humains et des logiciels - les premiers de ces tests - étaient importants pour mesurer l'efficacité potentielle des applications. Phillips dit qu'à de faibles taux de fausses acceptations (un taux de fausses acceptations est la mesure de la probabilité qu'un système de sécurité biométrique accepte à tort une tentative d'accès par une personne non autorisée), six des sept algorithmes de reconnaissance faciale automatique étaient comparables ou meilleurs que la reconnaissance humaine. Il s'agissait d'algorithmes de Neven Vision, Viisage, Cognitec, Identix, Samsung Advanced Institute for Technology et Tsinghua University. Malheureusement, ajoute Phillips, étant donné que la majorité des participants au FRVT 2006 n'ont pas divulgué les détails de leurs méthodes, il n'est pas encore possible d'évaluer ce qui distingue ces algorithmes.
À quoi ressemblent les retombées commerciales de la reconnaissance faciale ? Assez prometteur, car des dizaines d'entreprises visent à tirer parti du potentiel de la reconnaissance faciale en tant que biométrique à des fins d'accréditation et de vérification. Pour la FRVT, des sociétés vénérables comme Toshiba et Samsung rivalisaient avec des sociétés comme Vision Négative –vient d'être acquis par Google–et Visa et pièce d'identité (qui viennent de fusionner dans L1 Identity Solutions), ainsi qu'aux côtés de chercheurs d'universités aussi diverses que Pékin, Cambridge et Carnegie Mellon. Quelles applications une entreprise comme Google envisage-t-elle pour la technologie développée par sa récente acquisition, Neven Vision ? Selon un responsable des relations publiques de Google, nous pensons qu'il offre des possibilités d'intégration prometteuses avec les services de Google, tels que Picasa et Picasa Albums Web, notamment pour aider les utilisateurs à organiser et rechercher leurs propres photos.
Chez Carnegie Mellon, Ralph Gross dit que, entre autres efforts, lui et ses collègues ont été impliqués dans des DMV locaux afin de numériser des images pour les permis de conduire. J'ai reçu des rapports du niveau de l'État pour dire qu'en utilisant la technologie de reconnaissance faciale, ils ont attrapé un certain nombre de personnes qui ont demandé des licences dans des États différents ou dans le même État sous un nom différent parce que leur licence précédente a été suspendue. C'est une tendance croissante. Les États utilisant une telle technologie comprennent le Massachusetts, l'Illinois, la Virginie-Occidentale, le Wisconsin, le Colorado, la Caroline du Nord et du Sud, l'Oklahoma, le Dakota du Nord, l'Arkansas et le Mississippi. Néanmoins, souligne Gross, l'application de la technologie de reconnaissance faciale aux photos d'identité est loin d'avoir la capacité qui permettrait aux forces de l'ordre de rechercher des individus spécifiques dans les réseaux de webcams d'une ville. Avec les photos du permis de conduire, vous avez un arrière-plan contrôlé, un opérateur vous indiquant exactement comment positionner votre visage ; les images sont collectées dans des conditions comparables. C'est beaucoup plus restreint que le problème de la face aléatoire dans la foule, où vous collez une caméra sur un bâtiment.
Pourtant, dit Gross, vous pouvez déjà voir le chemin se construire. Jusqu'à récemment, l'industrie de la vidéosurveillance s'appuyait encore principalement sur des caméras analogiques, nécessitant la mise en place de câbles sur de longues distances pour connecter ces caméras aux équipements de surveillance. Maintenant, l'industrie se tourne vers les caméras IP, avec lesquelles vous pouvez assez facilement puiser dans les réseaux Ethernet déjà existants, dit Gross. Vous avez donc des caméras sans fil et des caméras utilisant POE [la technologie Power over Ethernet permet aux téléphones IP, aux points d'accès LAN sans fil et à d'autres appareils de recevoir de l'alimentation ainsi que des données via le câblage LAN existant] où vous n'avez pas besoin d'une prise d'alimentation séparée. Vous pouvez acheter des solutions commerciales qui sont essentiellement un TiVo pour ces caméras, avec des capteurs de mouvement intégrés afin qu'ils n'enregistrent que lorsqu'il y a un mouvement. Avec le stockage numérique, vous pouvez conserver les données indéfiniment et les améliorer d'une manière que vous ne pouvez pas avec des images analogiques. Donc toutes ces choses se rejoignent.
En principe, donc, à mesure que le logiciel de reconnaissance faciale poursuit sa progression rapide, il sera probablement possible de rechercher des visages spécifiques sur un réseau de webcams. En conséquence, les récents travaux de Gross à Carnegie Mellon, en collaboration avec des collègues du Laboratoire de confidentialité des données là, a été le développement d'algorithmes pour protéger la vie privée des personnes sous surveillance vidéo. Les méthodes habituelles qui contrecarrent la reconnaissance humaine des caractéristiques d'un individu sur vidéo - par exemple, ces champs pixelisés couvrant parfois les visages et les parties du corps dans les émissions de télé-réalité - ne tromperont déjà pas beaucoup de logiciels de reconnaissance faciale. Noircir complètement chaque visage dans un clip vidéo voudrais faire le travail, mais cela serait d'une utilité limitée si les organismes chargés de l'application de la loi voulaient suivre les preuves d'un comportement suspect une fois qu'ils avaient un mandat d'arrêt. La fonction des algorithmes de préservation de la vie privée que Gross aide à créer, explique-t-il, est de prendre automatiquement les valeurs moyennes des visages des individus et, à partir de celles-ci, de synthétiser de nouvelles images faciales, puis de superposer ces nouvelles images sur les originaux. Cela peut sembler être la technologie opposée, dit Gross, mais en réalité, c'est juste l'autre côté de la reconnaissance faciale.