Tecnología de reconocimiento de rostros que funciona en la oscuridad

Esta nueva técnica de inteligencia artificial esta en manos laboratorio de investigación del ejército

Las cámaras térmicas, como los sensores #FLIR o Forward Looking Infrared [VIDEO], 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 [VIDEO], 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 visibles 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.

 

Una ilustración conceptual para la síntesis térmica a visible
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 usando 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.

FUENTE.