El algoritmo más rápido y preciso del mundo será usado para identificación facial en los Olímpicos del 2020

Cualquier evento deportivo masivo que tenga lugar en Japón será siempre

una oportunidad para asombrarnos con la tecnología del país y con su constante afán de perfeccionismo, sello de todas las creaciones de los japoneses.

Por primera vez en la historia de este evento se usará un sistema de identificación facial para la acreditación de deportistas, delegaciones, periodistas y otras personas que deban transitar por áreas restringidas o especiales; de acuerdo con los organizadores podrían ser unas 300 mil personas.

Este sistema, cuyo nombre comercial es Bio-Idiom, desarrollado por el gigante japonés NEC Corp., combina diferentes tecnologías para hacer reconocimiento facial con una tasa de efectividad del 99%.

Actualmente el algoritmo del sistema es reconocido como el más rápido y preciso del mundo, según el Instituto Nacional de Estándares y Tecnología en los Estados Unidos.

Una de las motivaciones principales de su impulsores, además de ofrecer muy buenas condiciones de seguridad local, es no someter a estas 300 mil personas a largas filas bajo el abrasador sol del verano japonés.

El periódico japonés The Japan Times publicó en su canal de youtube un video con la demostración de cómo funcionará el sistema de reconocimiento facial en los Olímpicos Tokyo 2020:

El sistema, que ya ha sido probado por NEC con éxito en el segmento de banca, logra hacer identificación facial en tiempo real, a medida que los usuarios se acercan, sin necesidad de detenerse o de tener contacto con otras personas o con máquinas.

Además de los proyectos de banca, ha sido utilizado en el área de marketing y retail para hacer extraer información sobre edad y género de los visitantes de una tienda, para monitoreo de individuos incluidos en listas de búsqueda o para hacer seguimiento de personas que merodean por las instalaciones.

Combinación de tecnologías y algoritmos

Este sistema combina  tecnologías de machine learning y redes neuronales con algoritmos desarrollados para procesos como face detection, feature extraction y matching, cuya finalidad es eliminar problemas frecuentes de otros sistemas de identificación facial.

Por ejemplo el método usado para el feature extraction se basa en el algoritmo GLVQ (Generalized Matching Face Detection) que busca y selecciona candidatos de un conjunto de datos después de que ha generado coincidencias entre posibles pares de ojos.

Este método de aprendizaje artificial fue desarrollado por NEC hace ya varias décadas, a partir de experimentos iniciales en los que una máquina reconocía caracteres de los alfabetos chino y japonés.

Algoritmo PSM para morphing

En segundo lugar, para eliminar los problemas alrededor de la deficiente iluminación de las imágenes y de las diferentes poses y gestos que tiene una misma persona,  se usa el algoritmo PSM, que convierte imágenes bidimensionales (por ejemplo, fotografías) en imágenes de tres dimensiones, a este proceso se le llama morphing.

Estas representaciones tridimensionales se rotan en distintas direcciones: izquierda a derecha y arriba y abajo. Posteriormente se les aplican distintos grados de iluminación con lo que aumenta la posibilidad de hacerlas coincidir con su par real en la base de datos.

Por último, para reducir el impacto de cambios en la expresión facial y de cambios intencionales (uso de gorras, sombreros, gafas o barba), el sistema utiliza el algoritmo ABRM (Adaptive Regional Blend Matching) que reduce el impacto de estas alteraciones durante el proceso de coincidencia.

El rostro humano como una llave

El discurso comercial de NEC apunta al entendimiento del rostro humano como un sistema de seguridad en sí mismo, bajo el lema ‘everyone is a key’.

Para mostrar su efectividad la compañía produjo un video llamado same face girls en el que un grupo de mujeres jóvenes usaron máscaras que replicaban el rostro de tan solo una de ellas, hechas por Etsuko Egawa, artista de maquillaje especial de cine, en un estudio de Hollywood.

En el video aparecen todas ellas con la misma ropa, la misma peluca y, por supuesto, con las máscaras. Al final se supone que el sistema logra identificar el rostro de la modelo real que fue usado para hacer las máscaras.

Aunque el video no deja en claro el funcionamiento del sistema, quizás por tratarse de una muestra comercial, es muy llamativo y sin duda ilustra muy bien el concepto de que ‘toda persona es una llave’.

En este otro video puede verse el detrás de cámaras de la producción de same face girls: