MUNDO
Como funciona a tecnologia de reconhecimento facial?
A tecnologia do reconhecimento facial está presente em várias situação do nosso mundo moderno. Seja para o setor de segurança, bancos ou aeroportos, o reconhecimento facial está cada vez mais demandado.
Basicamente, o software de reconhecimento facial funciona comparando uma imagem 2D com um banco de dados 3D para determinar se reconhece a pessoa a ser identificada. Esse processo de comparação pode ser automatizado usando várias técnicas, como correspondência de imagem a imagem.
Durante este processo, cada pixel da imagem é substituído por uma representação do brilho dos pixels ao redor. Desta forma, o sistema pode reconhecer a mesma face em diferentes condições de iluminação.
Para comparar uma imagem 2D com um banco de dados 3D, o software de reconhecimento facial analisa as características faciais. A maioria das tecnologias de reconhecimento facial usa imagens 2D porque são mais fáceis de combinar com fotos públicas.
O software lê a geometria do rosto, incluindo a distância entre os olhos, a profundidade das órbitas oculares, a largura da testa e o contorno dos lábios. Esses pontos de referência são essenciais para distinguir pessoas com rostos semelhantes.
Algoritmos de visão computacional detectam características faciais
A detecção de face é um dos problemas mais desafiadores para algoritmos de inteligência artificial. Mas a tecnologia é suficiente para resolver essa dificuldade.
Os rostos variam de muitas maneiras, desde as condições de iluminação até a orientação. Eles também são afetados por roupas e acessórios. Os rostos também variam em idade e pelos faciais. Algoritmos de visão computacional devem lidar com essas variáveis para serem bem sucedidos. Felizmente, muitas técnicas estão agora disponíveis para ajudar o sistema a reconhecer rostos.
Um dos métodos mais populares para detectar rostos é conhecido como classificador Haar Cascade. Esse algoritmo de aprendizado de máquina é treinado em imagens positivas e negativas.
O objetivo do algoritmo é detectar o rosto em uma imagem e classificá-lo com base em suas características. Hoje, muitas câmeras vêm com recursos de detecção de rosto. Além disso, sites de mídia social como Facebook e Snapchat usam essa tecnologia para adicionar efeitos às fotos.
Reconhecimento facial também tem erros
O software de reconhecimento facial tem o potencial de não reconhecer corretamente dez por cento dos rostos em um banco de dados de um milhão de rostos. Este é um erro significativo que pode ter consequências graves, especialmente na indústria policial, já que falsos positivos podem confundir pessoas inocentes com pessoas procuradas. Esses problemas são mais comuns com rostos negros e caucasianos.
Apesar das alegações de alta precisão, muitos algoritmos de reconhecimento facial são propensos a erros, especialmente para indivíduos negros e de pele escura.
O viés racial nesses algoritmos foi amplamente documentado em subdomínios da visão computacional.
Por exemplo, modelos de classificação de imagens foram criticados por rotular homens negros como “primatas” em alguns casos. Isso levou a Microsoft e a IBM a remover a detecção facial de sua API. Em 2019, San Francisco foi a primeira cidade dos EUA a proibir o uso da tecnologia de reconhecimento facial.
Falso positivo e falso negativo no reconhecimento facial?
Além disso, também existe os falsos positivos, que são erros no reconhecimento facial que podem resultar em um resultado negativo para o público. Esses tipos de erros podem ocorrer em muitos tipos diferentes de rostos e geralmente são causados por variações nas características faciais de uma pessoa.
Por exemplo, os falsos positivos são muito mais comuns em rostos femininos do que em rostos masculinos, e os rostos asiáticos têm uma taxa mais alta de falsos positivos do que os homens brancos.
Felizmente, existem maneiras de minimizar a quantidade de falsos positivos e falsos negativos que são criados por algoritmos de reconhecimento facial. Um método é ajustar os algoritmos usados para detectar características faciais.
Esse processo é chamado de refinamento e, ao ajustar os algoritmos, as empresas podem reduzir as chances de identificar alguém incorretamente.
Além disso, eles podem definir os limites de confiança para que o algoritmo relate apenas correspondências que tenham alta confiança. Isso pode reduzir o número de falsos positivos e falsos negativos e forçar o sistema a descontar correspondências incorretas com baixa confiança.
De igual modo, existem os falsos negativos no reconhecimento facial. Esses são erros de algoritmos na detecção do rosto de uma pessoa. Eles são problemáticos, mas são contornáveis. Na verdade, você pode corrigir o algoritmo apresentando o rosto novamente. No entanto, o problema continua a ser uma preocupação. Aqui estão algumas coisas a serem lembradas ao desenvolver um novo algoritmo de reconhecimento de rosto: Apesar de sua popularidade, os algoritmos de reconhecimento facial não são completamente perfeitos.
Pesquisadores descobriram que eles são menos precisos do que deveriam ao identificar pessoas de diferentes raças. Esses resultados foram obtidos usando dados de um enorme banco de dados de fotografias de passaporte fornecido pelo governo dos EUA. Esses resultados levantaram questões sobre a precisão do reconhecimento dos algoritmos e levaram a um relatório recente do NIST abordando esse problema.
Embora o interesse comercial no reconhecimento facial esteja aumentando rapidamente, o campo ainda é caracterizado por muitos desafios. Desenvolver software que possa reconhecer rostos com precisão é extremamente desafiador devido a vários aspectos do rosto humano, incluindo condições de iluminação, expressão e poses.
Porém, embora a tecnologia reconhecimento facial tenha seus erros e desafios, sua facilitação no setor de segurança trouxe inúmeras vantagens para o mundo.