Des chercheurs de l'USC Information Sciences Institute (ISI) en Californie ont récemment mené une étude pour déterminer si le fait de compléter les visages obstrués à l'aide de réseaux de neurones artificiels (ANN) peut améliorer la précision des outils de reconnaissance faciale. Leur étude est issue du projet de recherche IARPA Odin, qui vise à identifier les vrais et les faux visages dans les images, à terme d'améliorer les performances des outils d'authentification biométrique.

Occlusions faciales (c'est-à-dire, un objet recouvrant ou masquant le visage d'une personne) peut entraîner une perte importante d'informations et ainsi nuire aux performances des outils de reconnaissance faciale. Lorsque vous essayez de contourner les outils d'identification biométrique, donc, les agresseurs portent parfois des lunettes de soleil, écharpes, chapeaux ou autres objets qui pourraient confondre les algorithmes de reconnaissance faciale.

"L'idée fondamentale derrière notre étude est qu'un attaquant pourrait essayer d'utiliser des occlusions, comme des lunettes de soleil, tatouages ​​faciaux, etc. pour échapper à l'identification faciale, " Wael AbdAlmageed, l'investigateur principal de l'étude, a déclaré TechXplore. "Essentiellement, notre idée est que si nous pouvons réellement détecter ces occlusions, les retirer et compléter le visage, comme s'il n'y avait pas d'occlusion, nous allons essentiellement rendre les algorithmes d'identification des visages ultérieurs meilleurs et plus précis. L'objectif principal est donc d'améliorer l'authentification biométrique et de mesurer l'impact des occlusions faciales sur les systèmes biométriques."

Bien que ces dernières années, les chercheurs ont essayé de développer des modèles de reconnaissance faciale plus robustes, la plupart d'entre eux sont encore incapables de gérer les occlusions. Certaines études ont tenté d'améliorer les performances de ces modèles en abordant la question des occlusions pendant l'entraînement. Au lieu d'adopter cette approche, AbdAlmageed et ses collègues ont décidé d'explorer le potentiel des modèles qui peuvent automatiquement compléter les visages partiellement masqués ou couverts.

"Nous essayions de montrer que supprimer les occlusions et compléter les parties manquantes du visage améliore la précision de tout algorithme de reconnaissance faciale, " a déclaré Abd Almageed.

Les chercheurs ont développé un encodeur-décodeur à complétion faciale basé sur un opérateur convolutif avec un mécanisme de déclenchement. Ils ont ensuite entraîné ce modèle sur plusieurs images de visages occlus.

AbdAlmageed et ses collègues ont étudié l'impact des occlusions réalistes sur les performances des modèles de reconnaissance faciale en rendant des objets 3D sur différentes parties du visage et en explorant comment elles affectaient la reconnaissance de la personne dans une image donnée. Ils ont testé l'efficacité de leur encodeur-décodeur pour la complétion générative du visage dans le cadre d'expériences approfondies utilisant l'ensemble de données Labeled Faces in the Wild (LFW) et sa variante LFW-BLUFR. Leurs résultats suggèrent que la complétion du visage peut partiellement améliorer les capacités de perception du visage des systèmes de vision industrielle lorsqu'ils traitent des images de visage occlus.

"La découverte la plus importante est que la détection des occlusions, les retirer et combler les parties manquantes du visage sont des étapes très critiques vers des systèmes biométriques plus sûrs, " dit AbdAlmageed. "Malheureusement, ce sont moins des domaines affrétés que la reconnaissance faciale elle-même, mais je pense que notre travail essaie de sensibiliser la communauté des chercheurs à la résolution de ces problèmes de recherche très difficiles."

L'étude menée par AbdAlmageed et ses collègues présente une solution viable pour lutter contre les effets néfastes des occlusions faciales sur les performances des outils de reconnaissance faciale. À l'avenir, leur approche pourrait à terme faire progresser les outils de vision par ordinateur et d'authentification biométrique.

"Nous travaillons maintenant sur des algorithmes pour détecter différents types d'occlusions qui complètent essentiellement notre pipeline, ", a déclaré AbdAlmageed. "Cela nous donnera l'occasion de tester et d'évaluer notre système dans des scénarios réels, comme nous le faisons dans le programme IARPA Odin."

© 2019 Réseau Science X