En un mundo cada vez más estricto en materia de privacidad, especialmente en Europa, muchos sistemas de reconocimiento facial no pueden utilizarse de forma indiscriminada, buscando únicamente un rostro que se reconozca. Actualmente, la información biométrica del público en general no puede transmitirse a través de las redes si no es objeto de una investigación activa. Por eso, el «reconocimiento facial por similitud» se está volviendo cada vez más popular. En este artículo, puede descubrir qué es y cómo funciona, en comparación con el reconocimiento facial «tradicional».
Diferencias entre ambos sistemas de reconocimiento facial
El reconocimiento facial y el reconocimiento facial por similitud son conceptos relacionados, pero se centran en diferentes aspectos de cómo se identifican y comparan los rostros. El reconocimiento facial “estándar” es un término amplio que se refiere a la tecnología y los métodos utilizados para identificar o verificar la identidad de una persona en función de sus rasgos faciales. Por lo general, implica capturar una imagen de un rostro, analizarla mediante algoritmos de IA y compararla con una base de datos de rostros conocidos. El proceso incluye obtener los rasgos faciales con la mayor precisión posible y crear una especie de huella dactilar de identificación de cada persona específica. Estas identificaciones se comparan con una base de datos de rostros conocidos (que ha sido entrenada previamente con esos rostros y los nombres asignados a mano).
El reconocimiento facial por similitud es un enfoque más específico dentro del reconocimiento facial que enfatiza la comparación de los rasgos de un rostro determinado para encontrar rostros similares, en lugar de hacerlos coincidir estrictamente con una identidad conocida. Se centra en el uso de algoritmos para medir qué tan cerca se parecen dos rostros entre sí y devuelve una “puntuación de similitud”. Esto significa que no se obtiene un nombre concreto, sino qué tan similar es el rostro actual con uno con el que se está comparando. Como resultado, se pueden obtener grupos de caras similares o parecidas. La ventaja de este sistema es que no se procesa información personal, excepto la cara original con la que se comparan todas las demás.
Tecnología general de detección de rostros en vídeo
- Normalmente, cuando se procesa un vídeo en busca de rostros, el flujo de vídeo se divide en fotogramas individuales. A continuación, se analiza cada uno de estos fotogramas en busca de rostros, como si fuera una fotografía fija. En general, la detección de rostros utiliza modelos de Deep Learning para encontrar rasgos faciales en una imagen.
- Si se detecta un rostro (normalmente un óvalo sobre un cuerpo humano), el sistema extrae sus características clave. Normalmente, se trata de la posición y el tamaño de los ojos, la punta de la nariz, el contorno de la mandíbula, la posición de los labios, las orejas, etc.
- Toda esta información se convierte en lo que se denomina un «vector» en la jerga del Deep Learning. Se trata de una representación numérica de ese rostro en particular.
- Todos estos vectores se comparan con una base de datos existente de vectores de rostros. Si se encuentra una coincidencia, la persona en ambas imágenes debe ser la misma. Solo se permiten coincidencias exactas o casi exactas.
Las caras se convierten en vectores (valores numéricos) para poder compararse entre si.
Reconocimiento facial por similaridad
Como hemos visto, el reconocimiento facial “tradicional” intenta conseguir coincidencias exactas, por lo que si la persona de los vídeos que estamos analizando coincide con una de las caras conocidas, debe ser la misma, y se puede realizar una identificación.
Sin embargo, cuando se trabaja con similitud, se puede empezar con una cara de la que no se sabe el nombre, pero solo que la persona ha cometido un delito o está siendo buscada por algún motivo. Este sistema hace la misma analítica que el reconocimiento facial habitual, pero también muestra caras similares. Es decir, caras que se parecen a la de referencia, pero no son idénticas. Debido a esta comparación difusa, normalmente se acaba con un cluster o grupo de caras similares. Incluso sin saber el nombre, se puede ver si alguna de las personas encontradas coincide con la original. Con esa información se puede continuar con la investigación, hasta obtener un nombre.
De esta forma, no se transmite ninguna información de identificación personal y el RGPD o marcos legales similares dan visto bueno a la transmisión de datos biométricos. Solo se sabe que A es similar a B, pero no se sabe quiénes son realmente A o B.
Usos
Aparte de lo obvio, en la aplicación de la ley, donde tienes una captura de pantalla de una cámara de seguridad donde se estaba cometiendo un delito y quieres encontrar ese rostro (hasta ahora) desconocido en las cámaras de vigilancia de la ciudad, hay una serie de otros propósitos para los que puedes usar el reconocimiento facial:
- Las aplicaciones de redes sociales pueden encontrar rostros similares en publicaciones de imágenes de otras personas y sugerirlas o agruparlas.
- Búsqueda de personas parecidas, por ejemplo, para localizar actores parecidos en el cine.
- Genealogía, para localizar personas con rasgos faciales similares a la persona original.
En resumen
Si bien tanto el reconocimiento facial como el reconocimiento facial por similitud aprovechan tecnologías subyacentes similares, tienen propósitos diferentes y presentan ventajas y desafíos distintos. Comprender estos matices es esencial para decidir cuándo utilizar cada uno. De hecho, la comparación exacta de rostros en la mayoría de los casos solo puede ser realizada por las fuerzas del orden con una orden judicial.