RICONOSCIMENTO FACCIALE
A cura di Aldo Leonardi
Alcuni elementi
Fino a poco tempo fa era fantascienza. Oggi il riconoscimento facciale biometrico è diventato realtà.
E’ già utilizzato in varie parti del mondo, dall’Inghilterra agli Usa, dall’Australia al Canada dove è impiegato con successo da alcune società per controllare le immagini delle persone che entrano in azienda e per monitorare costantemente gli ingressi dei magazzini onde evitare possibili furti.
Solo in Inghilterra (data la capillare presenza di telecamere) le forze dell’ordine hanno finora potuto adottare questo strumento per identificare le immagini dei sospetti. Ma con la diffusione globale dei sistemi di video-sorveglianza (post 11 Settembre) presto tecnologie del genere saranno alla portata di tutte le polizie del mondo.
La peculiarità dei 3D Face Recognition Systems è la capacità di riprodurre in 3D una foto, catturando i minimi dettagli con una precisione eccezionale tanto da riuscire a distinguere due gemelli pressoché identici (almeno secondo chi li produce). Ecco come funzionano:
La difficoltà dei sistemi bidimensionali di riconoscimento (fotografie, videotape ecc…), proviene dalla tipologia di dati utilizzati per verificare la somiglianza tra due volti. Questo perché tali dispositivi lavorano su una rappresentazione bidimensionale in una scena tridimensionale.
Grazie ai Face Recognition Systems di ultima generazione questo problema viene superato.
Le promesse del 3D face recognition sono:
- Alta precisione di riconoscimento necessaria per applicazioni High-Security;
- I problemi di posa ed illuminazione posso essere risolti;
- Migliore localizzazione delle feature facciali.
Vantaggi:
-
La tecnologia 3D è più efficace di quella a due dimensioni perché è in grado di analizzare molta informazione in più, cosa che rende più sicuro il riconoscimento;
-
Un sistema di identificazione 3D è meno sensibile alle condizioni di illuminazione;
-
Il problema della posa può essere risolto con il riallineamento dei volti;
-
Le occlusioni possono essere facilmente trovate con un processo di segmentazione;
-
Si possono generare automaticamente delle espressioni facciali sintetiche.
Svantaggi
-
Gli hardware di acquisizione 3D sono costosi (il costo aumenta con la precisione di acquisizione);
-
Alcuni sistemi di acquisizione 3D sono invasivi;
-
Tempi di acquisizione lunghi;
-
Alcuni sistemi scanner possono essere addirittura pericolosi per la retina (laser);
-
Sostituire i dispositivi 2D (macchine fotografiche, videocamere, ecc.) con nuove apparecchiature 3D è un processo che richiede tempo e dei costi elevati.
Tecniche per rappresentare un volto
2D IntensityImage: una immagine bidimensionale in cui ogni pixel rappresenta l’intensità della luce riflessa sul quel punto. Il colore di un pixel è dato da come la luce viene riflessa sulla superficie.
3D RangeImage: una immagine bidimensionale in cui ogni pixel rappresenta la distanza tra la sorgente e il punto.
ShadedModel: una struttura di punti e poligoni collegati tra loro in uno spazio a tre dimensioni.
Fase 1 – Acquisizione
In questa fase tramite dei vettori (variabili matematiche come linee, poligoni e maglie), è possibile ricostruire le caratteristiche essenziali del volto considerato.
Fase 2 - Pre-processing
Poiché gli strumenti di scanning tridimensionale sono sensibili ad errori di acquisizione occorre avvalersi di alcuni accorgimenti di natura tecnica. In particolare:
- Noise removal: spikes (filters), clutter(manually), noise(medianfilter) - per eliminare le interferenze legate a fattori ambientali.
- Holesfilling (Gaussian smoothing, linear interpolation, symmetrical interpolation) per riempire eventuali vuoti rimasti nella figura.
Fase 3 - Estrazione delle features
Alcune metodologie di estrazione ed analisi delle caratteristiche tridimensionali sono indipendenti dall’orientamento. Non è richiesto alcun allineamento. Tradizionalmente, gli algoritmi di riconoscimento facciale 3D operano sull’analisi della curvatura locale e globale del modello del volto.
Principali metodologie
Tra i principali algoritmi utilizzati nel riconoscimento, che presentano ciascuno punti di forza e debolezze e vengono spesso combinati tra loro, vi sono:
- PCA (Principal Component Analysis): permette di ottenere da uno spazio ad alta dimensionalità (pari al numero di pixel dell'immagine) un sottospazio significativo ai fini del riconoscimento (le eigenfaces). Richiede una quantità di risorse computazionali relavitamente ridotta ma risente fortemente di rotazioni e traslazioni, come pure di variazioni di illuminazione e sfondo.
- LDA (Linear Discriminant Analysis): oltre a ottenere un sottospazio di dimensionalità minore, come nel caso della PCA, permette una suddivisione in classi all'interno delle quali la varianza è minima (le fisherfaces, da Ronald Fisher)
- metodi Kernel
- metodo delle wavelet Gabor
- modello di Markov nascosto
- Active Appearance Models (AAM)
Fase 4 - Classificazione e verifica
Le tecniche di classificazione hanno l’obiettivo di memorizzare, organizzare ed indicizzare i modelli 3D in un database. Le metodologie sono le stesse applicate al 2D face recognition ma adattate al caso 3D (PCA, non-linear PCA, Fishermapping, ecc).
La verifica di identità si ottiene misurando la distanza (euclidea, di Manhattan o di Chebychev) tra coppie di features facciali e fissando un threshold (un valore di riferimento).
Facciamo un esempio: Siano r1 e r2 due record da confrontare, sia d la distanza e t il valore di threshold allora:
Se d > t allora r1 e r2 non appartengono allo stesso individuo (riconoscimento FALLITO).
Se d < t allora r1 e r2 appartengono allo stesso individuo riconoscimento CORRETTO).
Sono state fatte delle prove per stabilire il margine di errore della rilevazione biometrica facciale e si è riscontrato un limite legato all’illuminazione e alle espressioni facciali, naturalmente i critici hanno pensato subito che questo determinasse una certa vulnerabilità del sistema..
Anche il governo inglese ha testato questa tecnologia riscontrando un margine d’errore del 10% nel riconoscimento dei volti.
Il software Gallery, messo a punto da Aurora ha ridotto sensibilmente questo margine portandolo intorno allo zero. Pensiamo a tutte le applicazioni che potrebbe avere questa tecnologia ad esempio in un aeroporto o in banca dove costituirebbe una valida alternativa al codice PIN per i prelievi bancomat o ancora in un locale notturno, una discoteca o una festa per evitare inutili file.
La sfida più grande è però rappresentata dall’impiego dei 3D Face Recognition Systems in ambito investigativo.
Una volta in possesso di una foto o una sequenza video che ritrae la faccia del sospetto come un'immagine di una CCTV (telecamera a circuito chiuso) presa dalla scena del crimine o un'illustrazione basata sulla descrizione di un testimone oculare, diventa molto facile risalire al colpevole confrontandola con quelle presenti nel database dei criminali.
Il computer infatti si serve di un algoritmo per relazionare i dati di questo disegno con migliaia di altri volti salvati nell’archivio e successivamente presenta una lista con i volti che più somigliano a questa immagine.
Ciò ovviamente non è sufficiente per condannare una persona in tribunale, ma indirizza la polizia verso i possibili sospetti.
