Con inteligencia artificial y ensamble learning se busca identificar a una persona incluso si está de perfil.
Por: Ítalo Vergara
Ya sea para desbloquear nuestros teléfonos o acceder a un domicilio, el reconocimiento facial se ha convertido en una parte fundamental de la tecnología, especialmente en términos de bioseguridad, aunque también es útil para capturar a personas requeridas por la justicia.
En ese contexto, las investigaciones actuales apuntan a mejorar dichas técnicas de reconocimiento, a fin de volverlas más precisas y versátiles. Paulo Enrique Linares Otoya, ingeniero peruano becado en Taiwán, es uno de los investigadores que se encuentran realizando estudios relacionados a esta área de la inteligencia artificial.
Su investigación, llevada a cabo en la Universidad Nacional de Dong Hwa (en donde está cursando una maestría), tiene como objetivo desarrollar un sistema de reconocimiento facial que considere la variación en la posición de la cabeza para llevar a cabo su proceso.
“Este se considera una de las técnicas más difíciles porque, generalmente, se entrena al modelo de reconocimiento con una imagen frontal, como si fuera una imagen tipo pasaporte”, indica Paulo Linares a la agencia Andina.
Esto quiere decir que, si se introduce un ligero ajuste a la posición de la imagen (si se coloca una imagen de perfil o en cierto ángulo de inclinación), el reconocimiento podría no ser el más adecuado e, incluso, arrojar fallas.
¿Cómo se usa ensamble learning para la biometría?
A fin de solucionar esta problemática, el equipo de investigadores en Taiwán está trabajando en el reconocimiento facial con variabilidad en la orientación de la cabeza. Para ello, están aplicando una técnica conocida como ensamble learning.
“Es como un aprendizaje en conjunto. Típicamente, lo que se utiliza en machine learning es un solo modelo, se introduce la data y se obtiene un resultado. Pero, en este caso, puede ser un resultado a partir de varios modelos”, explica el investigador peruano Paulo Linares.
Eso quiere decir que cada modelo recibe una parte de la información, no toda la información completa, y, con esa pequeña porción, toma una decisión. Finalmente, se juntan las decisiones de todos los modelos y se toma una decisión final respecto a la identidad de la persona.
Para entrenar a la IA, se hace uso de una sola imagen (de pasaporte o carnet), la cual se procesa para obtener puntos claves en el rostro del sujeto, como los bordes de los ojos, de la boca y la forma de la nariz.
“En estas regiones hay puntos que contienen información facial importante que es única para cada persona; para cada punto que se ha encontrado en la imagen se extraen los llamados vectores descriptores”, comenta Linares.
Así, un vector descriptor es simplemente una representación de esa información facial, y un conjunto de vectores sirve para entrenar a varios modelos al mismo tiempo.
Se usan imágenes frontales porque son las más comunes en los documentos de identidad. El objetivo de este tipo de reconocimiento facial es que el sistema pueda reconocer a una persona, incluso si ella está de perfil (aun cuando la IA ha sido entrenada sólo con una imagen frontal).
¿Por qué es importante mejorar el sistema de reconocimiento facial?
Para entrenar el sistema, se hizo uso de bases de datos CMU-PIE y MULTI-PIE, las cuales contienen imágenes de varias personas en diferentes posiciones con iluminación y expresiones distintas. Para la primera database, se obtuvo un resultado del 100% de reconocimientos.
Ahora, se busca modificar ligeramente la metodología para poder testear el sistema en bases de datos mucho más difíciles, pues las imágenes empleadas fueron obtenidas en entornos controlados. “Se han obtenido con cámaras y sistemas de iluminación especiales, pero hay bases de datos que contienen imágenes en las que es muy difícil reconocer a la persona. Son imágenes recolectadas a través de Internet, más complejas”, revela Linares.
Este renovado sistema de reconocimiento facial podría ser útil para diversos fines. Por ejemplo, para validar los datos biométricos en los teléfonos celulares (desbloqueo facial), en la autenticación biométrica (para ingresar a determinados lugares) o para ayudar a las autoridades a capturar a personas requeridas por la justicia.
Cabe resaltar que la investigación es financiada por la Universidad Nacional de Dong Hwa y ya se realizó una publicación en la revista del Instituto de Ingenieros Eléctricos y Electrónicos. Otras dos publicaciones están en proceso de revisión.
Además, Linares ganó el premio a mejor trabajo de investigación en la Quinta Conferencia Internacional en Conocimientos de Innovación e Invención – 2022, desarrollada en Taiwán, en 2022.
Fuente: Agencia Andina
Acerca del autor
