Investigadores del Instituto de las Ciencias de la Información de la Universidad de California (ISI) realizaron un estudio sobre cómo completar rostros ocultos parcialmente, por ejemplo, con lentes oscuros. Para ello, han usado redes neuronales que están ahora mejorando significativamente el arte del reconocer rostros. El fin de estas investigaciones es mejorar el desempeño de las herramientas de autentificación biométricas.

Las oclusiones faciales, es decir, objetos que cubren parcialmente el rostro de una persona, hacen perder parte de la información y hacen más complejo el desempeño de las técnicas de reconocimiento de rostros.

Cuando se trata de pasar la prueba biométrica de identificación, los atacantes a veces usan lentes oscuros, sombreros u otros trucos para tratar de engañar a los algoritmos de reconocimiento.

«La idea fundamental detrás de nuestro estudio es que en principio, habrá personas (atacantes) que usen oclusión visual como lentes oscuros, tatuajes, etcétera, para evadir la identificación facial», dice Wael AbdAlmageed, el investigador principal del estudio.

«Esencialmente nuestra idea es que si podemos detectar estas oclusiones, quitarlas y completar el rostro como si no hubiese oclusiones, podríamos hacer que los algoritmos de reconocimiento funcionaran mejor y de manera más precisa. Así, nuestro objetivo principal es mejorar la autentificación biométrica y medir el impacto de la oclusión en el rostro en los sistemas biométricos», dice el investigador.

Las personas mudas podrían volver a hablar con ayuda de la Inteligencia Artificial

En años recientes muchas investigaciones han tratado de desarrollar modelos más robustos de reconocimiento de rostros pero ninguno de ellos había sido capaz de atacar el problema de la oclusión.

Algunos estudios trataron de mejorar su desempeño manejando el problema de la oclusión durante el entrenamiento. AbdAlmageed y colegas, en lugar de tomar ese enfoque, decidieron explorar el potencial de los modelos que pueden completar automáticamente rostros parcialmente cubiertos.

«Estamos tratando de quitar las oclusiones y completar las partes faltantes del rostro para mejorar la precisión de cualquier algoritmo de reconocimiento de rostros», dice AbdAlmageed. Los investigadores investigan el impacto de oclusiones realistas en el desempeño de los modelos de reconocimiento colocando objetos 3D en las diferentes partes del rostro y explorando cómo afecta el reconocimiento de la persona dado un rostro.

Las pruebas mostraron que la efectividad de sus técnicas de codificación-decodificación, para poder completar un rostro ocluido mejoran las capacidades de los algoritmos de visión por computadora.

«La parte más importante en nuestros hallazgos es que al detectar la oclusión, removerla y llenar la parte faltante del rostro, es el paso crítico hacia sistemas biométricos más seguros», indica AbdAlmageed.

«Pensamos que nuestro trabajo puede ayudar a resolver una serie de problemas que hay en el reconocimiento de rostros e incentivar a otros investigadores a trabajar en este tipo de problemas», comentó.