O recoñecemento facial en 3D é unha técnica de recoñecemento facial, que se basea na xeometría tridimensional da cara para identificar aos usuarios do sistema. Está demostrado que o recoñecemento en tres dimensións ten unha fiabilidade moito maior que as técnicas que analizan imaxes de dúas dimensións.
Actualmente, o recoñecemento facial en 3D aínda se atopa practicamente en fase de investigación, aínda que varias empresas xa ofrecen solucións comerciais.
Historia A comezos de 2003, os xemelgos israelís Michael e Alex Bronstein, por aquel entón con 22 anos, estudaban no Instituto Israelí de Tecnoloxía. Un dos seus profesores fíxolles a seguinte proposta: "se sodes capaces de desenvolver un sistema capaz de identificarvos, teredes un 100"Artigo en CNN.com (10 marzo 2003). E conseguiron o 100. O seu sistema de recoñecemento facial en tres dimensións foi capaz de distinguir aos dous xemelgos, aparentemente idénticos.
Proceso Como no resto de métodos de identificación biométrica, o sistema pasará polas seguintes fases: extracción e rexistro na base de datos do patrón asociado ao usuario, e extracción dun novo patrón e comparación co almacenado, cada vez que se necesita identificar ou verificar a un usuario.
Obtención da mostra A obtención da mostra biométrica, e a posterior transformación nun patrón almacenable nun computador, pasa polas seguintes fases: Captura da cara Usando unha luz dunha frecuencia próxima á infra-vermella: proxéctase unha serie de feixes de luz cara a cara, a estruturada proxectada é distorsionada pola superficie da cara, a cámara rexistra o feixe distorsionado. Proceso de reconstrución 3D En tempo real reconstrúese a superficie da cara: o patrón distorsionado é a entrada do algoritmo de reconstrución crease unha malla 3D empregando triangulación Extracción de características e creación do patrón Obtéñense a partir da imaxe 3D, características puntuais que son invariables no tempo (curvaturas do cranio etc.) A partir desas características, crease un patrón numérico almacenable na base de datos. Este será o patrón que identifica ao usuario, e contra o que será comparado cada vez que intente autenticarse no sistema.
Diferenzas con respecto ó recoñecemento facial en 2D Os sistemas baseados en 3D evitan en maior medida os problemas derivados de cambios na iluminación, orientación da cabeza, ou expresión facial, que afectan moito máis aos sistemas 2D. Segundo a empresa A4Vision, os seus sistemas non se ven afectados pola luz dispoñible, afirmando que o seu sistema pode usarse na completa escuridade.
A principal limitación do recoñecemento facial en 3D é a adquisición de imaxes en tres dimensións, que normalmente require unha cámara especial. Esta é unha das razóns polas que os sistemas 3D aparecen bastante máis tarde que os métodos 2D.
Tempos de resposta Segundo os fabricantes, tanto a verificación como a identificación do usuario demoran menos dun segundo. O proceso de recrutamento tomaría entre 5 e 15 segundos.
Exemplos de uso Organismos oficiais, como algunhas dependencias do estadounidense Department of Homeland Security’s Federal Protective Service, dende o 2005. Estacións de transporte público, como a estación intermodal de Denver. Control de asistencia dos empregados, como na Asemblea Nacional de Kuwait, que alberga o Parlamento. Control da inmigración, como na axencia de inmigración de Singapur, que no 2005 comezou a probar o sistema de recoñecemento facial en 3D. En marzo do 2007 saíu a primeira cámara de recoñecemento 3D para control de acceso ao PC. Control de acceso a instalacións ou edificios, como a sede do banco suízo Pictet & Cie Banquiers dende 2005
Véxase tamén Outros artigos Sistema de recoñecemento facial Identificación biométrica
Ligazóns externas Face Recognition Grand Challenge Face Recognition Homepage 3D face recognition project at the Technion Mitsubishi Electric Research Laboratories 3D face recognition project A4 Vision commercial 3D face recognition system Fast 3D scan technology for 3D face recognition at the Geometric Modelling and Pattern Recognition Group, UK 3D Face Recognition Using a Deformable Model at the Computational Biomedicine Lab, Houston, TX
Notas
Categoría:Biometría