Imagen principal: el sistema de identificación de la cara Rekognition de Amazon. Crédito: Amazon

“Lo ves en las películas todo el tiempo, hacen zoom en una imagen y está todo pixelado y dicen "mejorar", y obtienes esta bonita imagen.,” dice Tom Heseltine, CEO de la firma de software de reconocimiento facial Aurora. “Eso no es real. Pero con el aprendizaje profundo están tratando de hacer eso, y se está volviendo bastante bueno. [Algunos sistemas de reconocimiento facial] pueden tomar esa imagen y construir una cara de alta resolución.”

Suena como algo salido de un procedimiento policial, pero gracias a las mejoras en la tecnología de reconocimiento facial, los verdaderos oficiales de la ley han comenzado a experimentar con eso. En el Reino Unido, tanto la Policía Metropolitana de Londres como la Policía del Sur de Gales han utilizado sistemas de reconocimiento facial para eliminar a los posibles problemáticos de la multitud en tiempo real en grandes eventos, y en la final de fútbol de la Liga de Campeones 2017 en la capital de Gales, Cardiff, la policía hizo un arresto después de que el sistema arrojara una partida con una base de datos de criminales buscados.

  • ¿Tienes una idea brillante para la próxima gran innovación tecnológica? Ingresa a nuestra competencia de Innovación Tecnológica para el Futuro y podrás ganar hasta 10,000 £!

Los críticos, sin embargo, afirman que el sistema es inexacto, y las estadísticas de la Policía de Gales del Sur mostraron que el 92% de los casi 2,500 partidos en la final de la Liga de Campeones fueron "falsos positivos". Pero otros dicen que el número no tiene sentido por sí mismo y solo debe considerarse en el contexto de cómo funciona el sistema. Entonces, ¿cómo funciona la tecnología? ¿Y por qué, si está tan avanzado, el número de falsos positivos sería tan alto??

Aprendizaje profundo

Heseltine le dice a TechRadar que los sistemas más avanzados funcionan a través del aprendizaje profundo, un tipo de aprendizaje automático que utiliza redes neuronales virtuales para reconstruir esencialmente una simulación de un cerebro humano. Puede enseñarle al sistema a reconocer caras mostrándole cientos de miles de pares de caras y diciéndole si coinciden o no.

“Usted lo enseña diciendo: 'estas dos son las mismas personas, estas dos son personas diferentes',” Heseltine dice. “Haces esto en servidores grandes y potentes, normalmente equipados con GPU para acelerar ese proceso de aprendizaje. Con el tiempo, aprende lentamente y, una vez que está completo, tiene una red neuronal capaz de reconocer caras..”

Los sistemas de reconocimiento facial de Aurora son utilizados por aeropuertos, compañías de construcción y en otros lugares donde la seguridad es una consideración clave. Crédito: Aurora

(Imagen: © Aurora)

Ese proceso de aprendizaje puede durar varios días, o podría ser tan solo unas horas para un sistema menos avanzado. Todo depende de lo que quieras que haga el sistema en la práctica. Si quisiera que reconociera las fotos de los pasaportes, entonces solo le mostraría ese tipo de imágenes, que son fotos en color de alta calidad de personas que se enfrentan directamente a la cámara..

Pero “si eso es todo lo que la red neuronal ha visto, eso es todo lo que va a ser bueno en,” agrega Heseltine, por lo que no podría usar ese sistema para reconocer caras en imágenes de CCTV granuladas, por ejemplo. Pero puede entrenar sistemas para reconocer imágenes de baja calidad tomadas desde una variedad de ángulos.

Un sistema de reconocimiento facial no puede decirle si dos imágenes de una cara son de la misma persona; simplemente asigna una puntuación de semejanza basada en la similitud en sus características. Por ejemplo, para una cámara que captura video en tiempo real, el sistema podría mirar una cara en un cuadro del material de archivo y compararlo con todas las caras en una base de datos de la policía conocida. Luego asignaría una puntuación de semejanza para cada cara, generando una larga lista de números. Todavía depende de un humano para confirmar si dos caras están emparejadas.

Una camioneta de policía equipada con una cámara de reconocimiento facial. Crédito: Policía de Gales del Sur

(Imagen: © South Wales Police)

El umbral de puntuación de similitud por encima del cual se verifica una coincidencia potencial varía considerablemente, explica Heseltine, según la importancia de encontrar una coincidencia, las consecuencias de un falso positivo y el poder humano disponible. Por ejemplo, si la policía buscaba atrapar a un pequeño delincuente, es posible que solo miren los puntajes más altos de similitud. Pero si intentaran atrapar a un asesino en serie, podrían establecer un umbral más bajo y hacer un seguimiento de cualquiera que el sistema identifique como una posible coincidencia, dada la gran importancia de atrapar a esa persona..

El 'umbral de semejanza'

Los mejores sistemas ahora son muy precisos, dice Heseltine, y casi siempre darán puntajes de alta semejanza a caras iguales si la calidad de la imagen es lo suficientemente buena. Entonces, ¿por qué los sistemas policiales tendrían altos falsos positivos? Hay varios factores en juego. En primer lugar, el porcentaje de falsos positivos, cuando se toma de forma aislada, es “casi sin sentido” porque simplemente refleja el 'umbral de similitud' que la policía eligió para registrar una coincidencia potencial. Podrían haber establecido el umbral muy alto y no tener falsos positivos, pero también significaría que el sistema no funcionaría para atrapar delincuentes.

“Si están creando 200 ID falsas, eso se debe a que establecen el umbral de tal manera que haría 200 ID falsas. Tal vez ese número 200 sea porque es una cifra manejable que un humano puede revisar y decidir qué hacer al respecto.

“Podrían hacer ese 0 y tener un informe fantástico si subieran [el umbral] un nivel superior. Pero me imagino que desde la perspectiva de la policía, si estás tratando de encontrar un violador en serie, preferirías ver 200 coincidencias y descubrir si están ahí..”

Los sistemas de reconocimiento facial de Aurora utilizan sensores de infrarrojo cercano especialmente diseñados para garantizar la confiabilidad en todas las condiciones de iluminación. Crédito: Aurora


(Imagen: © Aurora)

Es una situación similar en los aeropuertos, donde la tecnología de Aurora se implementa principalmente. Las imágenes de las caras de los pasajeros se capturan cuando entran en un área segura, y se hace referencia a esa imagen cuando esa misma persona intenta abordar un avión..

Un puntaje bajo de semejanza podría indicar que alguien más ha tomado el lugar del pasajero, y se necesitan algunos falsos positivos para asegurar que se detecten los casos reales. Los aeropuertos establecerán el umbral en función del número de pasajeros a los que puedan realizar el seguimiento.. “Podemos permitirnos detenernos e interrogar y buscar a uno de cada 100 pasajeros, eso es lo que podemos tratar, así que eso es lo que ponen a,” Heseltine explica.

También puede obtener altos falsos positivos debido a una gran base de datos con la que comparar, un gran volumen de imágenes, ya sea debido a muchas cámaras o imágenes con una alta velocidad de cuadros, o si ejecuta el sistema durante un período prolongado. Pero las debilidades en la tecnología también son en parte culpables.

El software de reconocimiento facial funciona muy bien en imágenes claramente iluminadas y de alta calidad, pero puede tener problemas cuando la calidad de la imagen es deficiente. Los sistemas de Aurora en los aeropuertos usan cámaras específicamente diseñadas para ese propósito, pero otras cámaras, como en los sistemas de CCTV, “Se han instalado sin reconocimiento facial en mente, y probablemente tengan cinco o diez años.”, Heseltine dice.

Las preocupaciones sobre el juicio de la Policía de Gales del Sur se abordan en el video anterior por el subjefe de policía Richard Lewis, quien dice que algunas de las imágenes que utilizaron no eran de la calidad suficiente, por lo que los oficiales identificaron a las personas erróneamente porque no pudieron obtener el detalle de una imagen Desde entonces, la fuerza ha instalado cámaras especiales en camionetas que funcionan mejor..

También puede ser difícil para un sistema identificar a las personas si su cabeza está en ángulo, o si una sombra oculta parte de su rostro. Y en última instancia, es “Extremadamente facil” para evitar ser reconocido por las cámaras si “cúbrase la cara con una gorra de béisbol, gafas oscuras y una camisa o jersey que le quede alto,” Heseltine dice.

“Podemos permitirnos detenernos, preguntar y buscar a uno de cada 100 pasajeros, así que eso es lo que establecen el umbral en,”

Tom Heseltine, CEO, Aurora

En un espacio público, no se puede hacer mucho al respecto, pero los proveedores de reconocimiento facial están trabajando para mejorar la detección en imágenes de baja calidad, o en lugares donde se oculta parte de la cara. Además de la técnica de ampliación y ampliación estilo CSI, otras innovaciones incluyen sistemas que pueden predecir el aspecto del lado izquierdo de la cara si solo puede ver el lado derecho, así como otros que, dice Hesletine. “Regenera un área cubierta por la sombra.”.

Las preocupaciones de privacidad relacionadas con la forma en que la policía y otras organizaciones utilizan las fotos y otros datos vinculados a los sistemas se mantendrán, y esta semana los trabajadores de Amazon exigieron que la empresa dejara de vender su software de reconocimiento facial, llamado Rekognition, a las autoridades policiales. Pero las mejoras en la precisión de la tecnología y la reducción de falsos positivos podrían ayudar a mitigar las preocupaciones de algunos críticos.

La evaluación de la prueba de un año de uso de la tecnología por parte de la Policía de Gales del Sur todavía está en curso, y los resultados podrían ser fundamentales para el uso futuro del reconocimiento facial en el Reino Unido..

La Policía de Gales del Sur y el Consejo de Jefes de Policía Nacional rechazaron ser entrevistados para este artículo.

De TechRadar Siguiente serie es traído a usted en asociación con Honor

  • ¿Crees que tienes la mejor idea de innovación? Entonces podrías ganar £ 10,000!