TECNOLOGÍA Tecnología de reconocimiento facial

Funcionamiento

El reconocimiento facial es una tecnología capaz de cotejar un rostro humano de una imagen digital o un fotograma de vídeo con una base de datos de caras para confirmar una identidad visual. Aunque es menos precisa que el reconocimiento de huellas digitales, a menudo se prefiere debido a su naturaleza sin contacto. Se utiliza principalmente en seguridad personal, cumplimiento de la ley o incorporación digital en el sector de las finanzas.

Funcionamiento del reconocimiento facial

Las antiguas técnicas de reconocimiento facial eran el clasificador en cascada de Viola-Jones Haar o un histograma de gradientes orientados. Sin embargo, la tecnología moderna de reconocimiento facial se basa en una red neuronal específica llamada red neuronal convolucional. Para cotejar las plantillas de rostros, las redes neuronales convolucionales procesan cada imagen a través de varios pasos:

  1. Detección de rostro
  2. Alineación de rostro
  3. Extracción de plantilla
  4. Comparación de plantilla

Una red neuronal convolucional convierte cada patrón facial en un código numérico con cada plantilla expresada como un vector numérico. Cuanto más cerca estén dos vectores entre sí, más probable es que haya una coincidencia de caras entre ellos.

Funcionamiento del reconocimiento facial

La precisión del reconocimiento facial está mejorando

Los algoritmos de reconocimiento facial no son tan precisos como los algoritmos de huellas digitales o del iris. Sin embargo, dado el desarrollo de la red neuronal convolucional, la precisión de los algoritmos de reconocimiento facial ha ido en aumento.

La precisión de cada algoritmo se mide mediante dos clases de error:

  • Falsa positividad
  • Falsa negatividad

La falsa positividad ocurre cuando el software considera erróneamente que las fotos de dos personas diferentes son la misma persona. Por otro lado, la falsa negatividad significa que el software no reconoció a la misma persona. Siempre hay una compensación entre la falsa positividad y la falsa negatividad, por lo tanto, a veces puede ser difícil establecer los umbrales en la biometría.

La precisión del reconocimiento facial cada vez es mayor. Los algoritmos de reconocimiento facial líderes en el mundo han reducido las tasas de error en órdenes de magnitud (del 10 % a menos del 1 %) en solo 3 años. Entre 2014 y 2018, la precisión de la tecnología de reconocimiento facial se multiplicó por 20. Es probable que estas mejoras continuas durante los próximos años traigan muchos nuevos casos prácticos. Vea los resultados de Innovatrics aquí.

Nist Results Facial Recognition Error Rate

El uso de plantillas biométricas en dispositivos personales

La autenticación biométrica ahora se usa en dispositivos personales en lugar del PIN o está integrada en la aplicación como una herramienta de verificación o incorporación de clientes. Sin embargo, la razón principal por la que los fabricantes de teléfonos móviles la utilizan es por su comodidad. No hay necesidad de proteger y administrar contraseñas. Además, tanto el reconocimiento de huellas digitales como el de rostros son mucho más rápidos que los métodos tradicionales de autenticación. También hay más seguridad porque nadie, simplemente mirando por encima del hombro, puede robarle la contraseña. Finalmente, como existe la tecnología de coincidencia en el dispositivo y los datos nunca se proporcionan a terceros ni se almacenan en la nube, el usuario puede estar seguro de que nadie más los está manipulando.

Usar_biometría en teléfonos móviles

Estándares de la tecnología de reconocimiento facial

El Instituto Nacional de Estándares y Tecnología (NIST por sus siglas en inglés) es la principal organización de pruebas biométricas y desarrollador de estándares de la industria. El NIST colabora con otras agencias federales, fuerzas del orden, empresas y socios académicos para:

  • Investigar la medición, evaluación e interoperabilidad de investigaciones para avanzar en el uso de tecnologías biométricas, incluidas técnicas faciales, de huellas digitales, iris, voz y multimodales.
  • Desarrollar modelos y métricas comunes para la gestión de identidades, estándares críticos e interoperabilidad de identidades electrónicas.
  • Apoyar el desarrollo de estándares científicamente válidos y adecuados para su propósito.
  • Desarrollar las arquitecturas de prueba de conformidad requeridas y las herramientas de prueba para probar implementaciones de estándares seleccionados.

La prueba más prestigiosa de la industria es la Prueba de proveedores de reconocimiento facial (FRVT) del NIST, que acepta presentaciones de cualquier organización en todo el mundo. La FRVT del NIST evalúa las capacidades de los algoritmos de reconocimiento facial para una identificación uno-a-muchos y una verificación uno-a-uno. Vea los resultados de la FRVT del NIST de Innovatrics.

Estándar-Facial-ilustración

Sesgos algorítmicos

El NIST realizó recientemente una prueba a gran escala centrada en identificar sesgos en la tecnología de reconocimiento facial. Detectó que incluso los mejores algoritmos aún mostraban una tasa de falsos positivos más alta entre las personas de África Occidental y Oriental y de Asia Oriental, mientras que los europeos del este tenían la tasa de falsos positivos más baja. El motivo son los desequilibrios demográficos en los datos de entrenamiento utilizados para entrenar estos motores. Cambiar estos desequilibrios no es tarea fácil: algunos incluso son físicos incorporados, como la piel oscura que refleja menos luz y, por lo tanto, proporciona menos detalles para analizar. Sin embargo, los algoritmos de reconocimiento facial de Innovatrics están bien entrenados para tonos de piel más oscuros, según los resultados del NIST, con confirmación del mundo real en su proyecto electoral de Guinea.

En general, para prevenir sesgos algorítmicos, se pueden utilizar estos métodos:

  • Mejor etiquetado de datos para garantizar que todos los grupos de personas estén presentes
  • Auditoría de conjuntos de datos externos: los conjuntos de datos imparciales crean algoritmos imparciales
  • Uso de codificadores automáticos variacionales de eliminación de sesgos, que pueden descubrir y mitigar automáticamente sesgos ocultos entre los datos de entrenamiento.
Reconocimiento facial biométrico-Sesgo_algorítmico

Aplicaciones y casos prácticos del reconocimiento facial

Actualmente, la tecnología de reconocimiento facial tiene un amplio espectro de aplicaciones en todo el mundo, desde la incorporación de personas y la seguridad personal hasta la identificación de personas en multitudes y reuniones. Los casos de uso más comunes de esta tecnología incluyen:

  • Identificación criminal de sospechosos
  • Onboarding digital de clientes
  • Control de acceso
  • Vigilancia y seguridad
  • Prevención del fraude de identidad
  • Registros de eventos
  • Operaciones aeroportuarias
  • Verificación de servicios financieros
  • Desbloqueo de teléfonos
  • Análisis de ventas

Biometría-control-sin-contratiempos