La pandemia del COVID-19 transformó muchas de nuestras interacciones cotidianas, llevando a la adopción masiva de las mascarillas como una nueva norma social. Sin embargo, este cambio presentó desafíos significativos para los sistemas de reconocimiento facial, ampliamente utilizados desde el desbloqueo de smartphones hasta sistemas de seguridad avanzados. En este contexto, un estudio reciente publicado en el International Journal of Computational Vision and Robotics revela un avance prometedor: un software capaz de identificar rostros incluso detrás de una mascarilla.
El estudio fue realizado por Freha Mezzoudj y Chahreddine Medjahed, investigadores del Departamento de Ciencias de la Computación de la Universidad Hassiba Benbouali de Chlef, en Argelia. Los investigadores han desarrollado una extensa base de datos, llamada FEI-SM, que incluye 20,000 imágenes de individuos, con y sin mascarillas. Este innovador conjunto de datos incluye una variedad de expresiones faciales y tipos de mascarillas, desde quirúrgicas hasta modelos de consumo.
Para enfrentar el reto del reconocimiento facial con mascarillas, el equipo de investigación empleó diversas redes neuronales convolucionales (CNNs), destacándose modelos basados en ResNet y DarkNet, específicamente ResNet18, ResNet50, ResNet101, DarkNet19 y DarkNet53. Estas herramientas de inteligencia artificial demostraron ser eficaces, con el modelo ResNet18 mostrando los mejores resultados en términos de velocidad y precisión.
Este desarrollo tecnológico abre un diálogo necesario sobre las implicaciones éticas del reconocimiento facial, especialmente en términos de privacidad y vigilancia. La capacidad de identificar a una persona incluso cuando parte de su rostro está cubierto plantea preguntas importantes sobre los límites y controles de estas tecnologías. Por otro lado, el uso de mascarillas ha disminuido bastante, aunque puede seguir siendo útil en algunos entornos.
¿Cómo funciona un sistema de reconocimiento facial?
Un sistema de reconocimiento facial es una tecnología sofisticada que utiliza la inteligencia artificial para identificar o verificar la identidad de un individuo a partir de una imagen digital o un video. Este proceso se lleva a cabo en varias etapas clave:
1. Detección de la cara
El primer paso en el reconocimiento facial es detectar y localizar rostros humanos dentro de una imagen o video. Esto se realiza mediante algoritmos que pueden identificar características distintivas del rostro, como los ojos, la nariz, la boca y la forma de la mandíbula. Estos algoritmos suelen basarse en técnicas de visión por computadora que buscan patrones o estructuras faciales típicas.
2. Análisis de características faciales
Una vez que se detecta un rostro, el sistema analiza características específicas del mismo. Este análisis implica la medición de los nodos o puntos de interés en el rostro, como la distancia entre los ojos, la forma de los pómulos, y otros contornos y proporciones faciales. Estas medidas son transformadas en un conjunto de datos numéricos, conocido como un «mapa facial» o «plantilla facial».
3. Conversión a datos representativos
El sistema convierte el mapa facial en una representación numérica que es efectivamente una firma única para ese rostro. Esta representación se optimiza para asegurar que capta las características esenciales del rostro de manera que dos imágenes del mismo rostro produzcan resultados similares, mientras que las imágenes de diferentes rostros produzcan resultados diferentes.
4. Comparación y coincidencia
El paso final implica comparar el mapa facial obtenido con una base de datos de mapas faciales conocidos. Esto puede ser parte de un proceso de verificación, donde el sistema verifica si el rostro coincide con un rostro específico en su base de datos (como en el caso de desbloquear un teléfono móvil), o de identificación, donde el sistema busca en toda la base de datos para encontrar una coincidencia exacta o cercana.
5. Resultados
El sistema proporciona resultados que pueden incluir la identidad de la persona, una medida de confianza de la coincidencia, o una posible lista de coincidencias en el caso de que no se encuentre una coincidencia directa.
Tecnologías y métodos involucrados
Los sistemas de reconocimiento facial pueden utilizar diversas técnicas y tecnologías, como:
- Redes neuronales convolucionales (CNNs): Muy utilizadas para el procesamiento de imágenes, estas redes pueden aprender y mejorar continuamente a medida que se exponen a más imágenes faciales.
- Aprendizaje profundo (Deep Learning): Permite al sistema aprender características faciales complejas a partir de una gran cantidad de datos de entrenamiento, mejorando la precisidad y eficacia del sistema.
- Análisis 3D: Algunos sistemas avanzados utilizan modelado 3D para capturar la geometría del rostro en tres dimensiones, lo que mejora la precisión y reduce el riesgo de errores debido a diferentes ángulos o iluminación.
Los sistemas de reconocimiento facial se están volviendo cada vez más comunes y estudios como el que he comentado aquí, dejan claro que estamos solo en el inicio del tema.