Spain Brazil Russia France Germany China Korea Japan

Artificial Intelligence driven Marketing Communications

 
Apr 19, 2018 4:00 AM ET

Tecnología de reconocimiento de rostros que funciona en la oscuridad


Tecnología de reconocimiento de rostros que funciona en la oscuridad

iCrowd Newswire - Apr 19, 2018
Una ilustración conceptual para la síntesis térmica a visible para la interoperabilidad con sistemas de reconocimiento facial basados ​​en visible existentes.
Crédito: Cortesía de Eric Proctor, William Parks y Benjamin S. Riggan
 
 

Los investigadores del ejército han desarrollado una inteligencia artificial y una técnica de aprendizaje automático que produce una imagen de cara visible a partir de una imagen térmica de la cara de una persona capturada en condiciones de poca luz o de noche. Este desarrollo podría llevar a mejorar la biometría en tiempo real y el análisis forense posterior a la misión para las operaciones nocturnas encubiertas.

Las cámaras térmicas, como los sensores FLIR o Forward Looking Infrared, se despliegan activamente en vehículos aéreos y terrestres, en torres de vigilancia y en puntos de control con fines de vigilancia. Más recientemente, las cámaras térmicas están disponibles para su uso como cámaras corporales. La capacidad de realizar el reconocimiento automático de rostros por la noche con cámaras térmicas de este tipo es útil para informar a un soldado que un individuo es alguien de su interés, como alguien que puede estar en una lista de vigilancia.

Las motivaciones para esta tecnología – desarrollada por los Dres. Benjamin S. Riggan, Nathaniel J. Short y Shuowen “Sean” Hu, del Laboratorio de Investigación del Ejército de los EE. UU. – mejorarán las capacidades automáticas y de adaptación humana.

“Esta tecnología permite la correspondencia entre las imágenes de caras térmicas y las bases de datos / listas de vigilancia biométricas existentes que solo contienen imágenes de caras visibles”, dijo Riggan, un investigador científico. “La tecnología proporciona una forma para que los humanos puedan comparar visualmente las imágenes faciales térmicas y visuales a través de la síntesis facial termal a visible”.

Dijo que bajo condiciones nocturnas y con poca luz, no hay luz suficiente para que una cámara convencional capture imágenes faciales para reconocimiento sin iluminación activa, como un flash o reflector, lo que revelaría la posición de tales cámaras de vigilancia; sin embargo, las cámaras térmicas que capturan la firma de calor que emana naturalmente del tejido de la piel viva son ideales para tales condiciones.

“Cuando se utilizan cámaras térmicas para capturar imágenes faciales, el principal desafío es que la imagen térmica capturada debe coincidir con una lista de observación o una galería que solo contenga imágenes visibles convencionales de personas conocidas de interés”, dijo Riggan. “Por lo tanto, el problema se convierte en lo que se denomina reconocimiento facial de espectro cruzado o heterogéneo. En este caso, las imágenes de sonda facial adquiridas en una modalidad se comparan con una base de datos de galería adquirida utilizando una modalidad de imágenes diferente”.

Este enfoque aprovecha técnicas avanzadas de adaptación de dominio basadas en redes neuronales profundas. El enfoque fundamental se compone de dos partes clave: un modelo de regresión no lineal que mapea una imagen térmica dada en una representación latente visible correspondiente y un problema de optimización que proyecta la proyección latente de vuelta al espacio de la imagen.

Los detalles de este trabajo se presentaron en marzo en un documento técnico “Síntesis termal a visible de imágenes faciales utilizando múltiples regiones” en la Conferencia de invierno IEEE sobre aplicaciones de visión artificial, o WACV, en Lake Tahoe, Nevada, que es una conferencia técnica compuesta de académicos y científicos de la academia, la industria y el gobierno.

En la conferencia, los investigadores del Ejército demostraron que la combinación de información global, como las características de todo el rostro, y la información local, como las características de regiones fiduciales discriminatorias, por ejemplo, ojos, nariz y boca, mejoraron la discriminación del sintetizador imágenes. Mostraron cómo las representaciones mapeadas térmicamente a visible de las regiones globales y locales en la firma de la cara térmica podrían usarse en conjunción para sintetizar una imagen refinada de la cara visible.

El problema de optimización para sintetizar una imagen intenta preservar conjuntamente la forma de toda la cara y la apariencia de los detalles fiduciales locales. Utilizando las imágenes sintetizadas térmicas a visibles y las imágenes visibles existentes de la galería, realizaron experimentos de verificación facial utilizando una arquitectura de red neuronal profunda de código abierto común para el reconocimiento facial. La arquitectura utilizada está explícitamente diseñada para el reconocimiento facial visible. El resultado más sorprendente es que su enfoque logró un mejor rendimiento de verificación que un enfoque generativo adversarial basado en la red, que anteriormente mostró propiedades fotorrealistas.

Riggan atribuye este resultado al hecho de que el objetivo teórico del juegor GAN inmediatamente busca generar imágenes que sean lo suficientemente similares en rango dinámico y apariencia fotográfica a las imágenes de entrenamiento, mientras que a veces descuida preservar las características de identificación, dijo. El enfoque desarrollado por ARL preserva la información de identidad para mejorar la discriminación, por ejemplo, una mayor precisión de reconocimiento tanto para los algoritmos automáticos de reconocimiento de rostros como para la adjudicación humana.

Como parte de la presentación en papel, los investigadores de ARL mostraron una demostración casi en tiempo real de esta tecnología. La demostración de demostración de concepto incluyó el uso de una cámara térmica FLIR Boson 320 y una computadora portátil que ejecuta el algoritmo casi en tiempo real. Esta demostración mostró al público que una imagen térmica capturada de una persona puede usarse para producir una imagen visible sintetizada in situ. Este trabajo recibió el premio al mejor trabajo en la sesión de caras / biométrica de la conferencia, de más de 70 trabajos presentados.

Riggan dijo que él y sus colegas continuarán ampliando esta investigación bajo el patrocinio de la Agencia de Defensa Forense y Biometría para desarrollar una robusta capacidad de reconocimiento facial durante la noche para el soldado.

See Campaign: https://www.sciencedaily.com/releases/2018/04/180416142443.htm
Contact Information:
U.S. Army Research Laboratory

Tags:
, Wire, Artificial Intelligence Newswire, United States, Spanish

image




iCrowdNewswire

Tags:    News