Incidentes Asociados
ACM News Distinguir a gemelos idénticos
Los desafíos de usar sistemas de reconocimiento facial para identificar gemelos idénticos se ven amplificados por su similitud, aunque al igual que los padres, los sistemas de reconocimiento facial están comenzando a poder diferenciarlos en ciertas circunstancias. Crédito: Correo de la mañana del sur de China
El reconocimiento facial está evolucionando, desafiando la capacidad humana para identificar a las personas. ¿Puede identificar con precisión a los gemelos idénticos?
La respuesta es sí y no.
Los desafíos de usar sistemas de reconocimiento facial para identificar a gemelos idénticos comienzan con los mismos problemas que identifican individuos, como la calidad de la imagen, la posición de la cabeza, la expresión facial, la iluminación y los cambios superficiales como el maquillaje y la adición o eliminación de barba. y otro vello facial. Esos desafíos se ven amplificados por la aparente identidad de los gemelos, aunque al igual que los padres, los sistemas de reconocimiento facial están comenzando a poder distinguirlos en ciertas circunstancias.
Jeremy Dawson, profesor asociado especializado en biometría en la Universidad de West Virginia, ha creado conjuntos de datos de imágenes de gemelos idénticos para fines de investigación de reconocimiento facial. Describe algoritmos que descomponen los componentes principales de una imagen facial, como la boca, la nariz y los ojos, para crear una plantilla de la imagen y cifrar los datos. Dawson dice: "Si las imágenes son de alta calidad y los componentes de una cara se dividen en una plantilla, es posible ver diferencias mínimas entre gemelos idénticos".
Sin embargo, hay una advertencia; Si bien es posible comparar una imagen de un gemelo idéntico con una pequeña base de datos de imágenes, a medida que crece la base de datos, el rendimiento se deteriora ya que existe una mayor probabilidad de que haya otras imágenes faciales con características similares. Dice Dawson, "Si un grupo de imágenes es grande, hay un impacto en el rendimiento de cualquier identificación".
Otro enfoque del reconocimiento facial utiliza la orientación espacial de los rasgos faciales. Por ejemplo, una imagen de ojos y todo lo que los rodea se puede transformar en frecuencia espacial (el nivel de detalle presente por grado de ángulo visual). Esta es la base del análisis discriminante lineal, basado en una idea sugerida por Sir Ronald A. Fisher en 1936 y utilizada para encontrar la representación subespacial de imágenes faciales. Nuevamente, usando esta técnica puede ser posible distinguir gemelos idénticos.
Arun Ross, profesor de informática e ingeniería en la Universidad Estatal de Michigan, divide el reconocimiento facial en tres niveles. El nivel uno incluye la forma de una cara; el nivel dos incluye características específicas como ojos, nariz y boca, y el nivel tres incorpora detalles más precisos, como pecas, cicatrices o tatuajes. Dice Ross: "Usando múltiples conjuntos de funciones y funciones de nivel tres, se pueden identificar gemelos idénticos, pero los sistemas seguirán cometiendo errores".
Habiendo visitado dos veces el Festival del Día de los Gemelos en Twinsburg, OH, la reunión anual de gemelos más grande del mundo, Kevin Bowyer, profesor de Schubmehl-Prein en el departamento de Ciencias de la Computación e Ingeniería de la Universidad de Notre Dame, Indiana, recolectó huellas dactilares faciales y , y datos del iris con el objetivo de distinguir gemelos idénticos.
Al igual que sus compañeros, Bowyer dice que las imágenes de alta calidad y los algoritmos de alto rendimiento pueden ayudar a distinguir a los gemelos idénticos, aunque los algoritmos deben poder registrar detalles finos que sean diferentes de manera confiable. El desafío aquí es el detalle transitorio, que según Bower puede incluir detalles tan minuciosos como costras en la cara, que se pueden cubrir. En este tipo de casos, Bowyer dice que es difícil encontrar gemelos que se sustituyan entre sí. "Lo más probable es que el reconocimiento facial no funcione si los gemelos idénticos se proponen derrotar al sistema".
Los sistemas de reconocimiento facial suelen utilizar varias técnicas y fusionar los resultados. Por ejemplo, el aprendizaje automático y las redes neuronales permiten que los sistemas vean imágenes completas y subconjuntos de datos incluidos en las plantillas. De manera similar, se pueden aglomerar varios algoritmos para crear conjuntos de datos de ciertos aspectos de una cara y, con el tiempo, aprender qué características extraer para admitir un reconocimiento facial preciso.
Si bien existen sistemas de reconocimiento facial de proveedores para hacer coincidir a las personas con las imágenes de la base de datos para fines como el control fronterizo, la aplicación de la ley y la seguridad en el lugar de trabajo, tienen limitaciones cuando las personas son gemelos idénticos. Elke Oberg, gerente de marketing de Cognitec, con sede en Dresden, Alemania, que comercializa la tecnología de reconocimiento facial FaceVACS, dice que los algoritmos que subyacen a la línea de productos FaceVACS pueden diferenciar a los gemelos idénticos, incluso si tienen diferencias muy pequeñas en las características que no se requieren rápidamente en el ojo humano; sin embargo, cuando los gemelos son absolutamente idénticos, la tecnología falla.
Las agencias gubernamentales preguntaron sobre la capacidad de sus programas de reconocimiento facial para distinguir gemelos idénticos, por lo que este artículo se negó a responder, quizás porque este es un problema que aún tienen que resolver.
En cuanto a los esquemas actuales, la Oficina de Aduanas y Protección Fronteriza de EE. UU.