Construída com base em programas de computador que analisam imagens de rostos humanos para identificá-los, a tecnologia de reconhecimento facial atingiu uma maturidade incrível em um período de tempo relativamente curto. As agências de aplicação da lei utilizam-no para manter a sociedade mais segura, os retalhistas para reduzir a incidência de roubos, os aeroportos para melhorar o conforto e a segurança dos viajantes e as empresas de telefonia celular para fornecer aos clientes novas camadas de segurança biométrica.
A tecnologia de reconhecimento facial melhorou rapidamente nos últimos anos devido aos avanços na Inteligência Artificial (IA) e no Aprendizado de Máquina (ML). Graças a dados de treinamento e poder de processamento suficientes e de alta qualidade, os computadores agora podem detectar, classificar e reconhecer rostos com alta precisão e velocidade. A identificação computadorizada do rosto humano abriu caminho para a crescente aplicação desta tecnologia em uma ampla gama de áreas.
Na sequência do aumento múltiplo de crimes e atividades terroristas nas últimas décadas, sentiu-se a necessidade de um sistema de segurança sofisticado para a identificação de indivíduos, no qual aplicações baseadas em rostos, como a deteção facial e o reconhecimento facial, possam desempenhar um papel crucial.
É pertinente aqui explorar como esta tecnologia transformadora evoluiu ao longo dos anos:
Evolução da técnica de reconhecimento facial
Os primeiros a adotar técnicas de reconhecimento facial incluem bancos, gerentes de eventos, investigadores forenses, profissionais militares e agências de aplicação da lei. Aqui estão alguns marcos significativos no progresso da tecnologia de reconhecimento facial nas últimas décadas:
A origem dessa tecnologia remonta à década de 1960, quando Woodrow Wilson Bledsoe criou as primeiras medições manuais de várias características faciais, incluindo olhos, nariz, linha do cabelo e boca, usando pulsos eletromagnéticos, que foram inseridos em um banco de dados. Posteriormente, ao receber uma nova fotografia, o sistema conseguiu recuperar do banco de dados a imagem que mais se assemelhava àquele indivíduo.
Na década de 1970, os pesquisadores Goldstein, Harmon e Lesk estabeleceram 21 pontos de medição facial, incluindo espessura dos lábios e cor do cabelo, para identificar rostos automaticamente.
Na década de 1980, Kirby e Sirovich usaram cerca de 100 pontos de medição facial usando álgebra linear, abrindo caminho para uma representação de baixa dimensão de imagens faciais.
Na década de 1990, Turk e Pentland inventaram a primeira detecção automática de rosto a partir de imagens. Em seguida, a Agência de Projetos de Pesquisa Avançada de Defesa (DARPA) e o Instituto Nacional de Padrões e Tecnologia (NIST) lançaram o programa de Tecnologia de Reconhecimento Facial (FERET), que envolveu a criação de um banco de dados de imagens faciais. Este banco de dados foi atualizado em 2003 para incluir versões coloridas de imagens de alta resolução e 24 bits.
Na década de 2010, o Facebook criou a identificação automática de identidades de imagens de pessoas cujos rostos podem aparecer nas fotos que os usuários do FB atualizam diariamente. Desde então, um milhão de fotos são carregadas e marcadas no Facebook usando reconhecimento facial todos os dias.
Em 2011, o Aeroporto do Panamá instalou um primeiro sistema de vigilância com reconhecimento facial para reduzir o contrabando de drogas e o crime organizado. O sistema resultou na apreensão de vários suspeitos da Interpol.
Significativamente, em 2011, o corpo do chefe da Al-Qaeda, Osama bin Laden, foi identificado depois de ter sido morto num ataque dos EUA, utilizando reconhecimento facial. Foi feita uma identificação visual; várias de suas comparações de fotos e outros reconhecimentos faciais foram usadas, e uma análise biométrica completa das características faciais e corporais foi feita para identificar Bin Laden.
Em 2017, o iPhone X se tornou o telefone mais vendido do mundo com controle de acesso por reconhecimento facial usado para segurança do dispositivo.
Atualmente, o Japão planeja usar o reconhecimento facial para verificar a identidade dos atletas nos Jogos Olímpicos de 2020, que serão realizados em Tóquio, entre julho e agosto.
Etapas envolvidas no reconhecimento facial
Na analogia da visão humano-computador, uma câmera se assemelha ao olho humano e o computador se assemelha ao cérebro humano. A câmera captura as imagens do mundo e o processamento e a interpretação posteriores são realizados em um computador. Diferentes técnicas podem ser empregadas para processamento e análise das imagens capturadas.
O humano pode facilmente identificar onde termina um objeto e outro começa em uma única imagem. As bordas dos objetos, diferenças de cores e texturas são utilizadas para identificação em computadores, o que é chamado de segmentação.
O computador pode ver qualquer objeto, realizar sua identificação e também o processamento da imagem da mesma forma que a visão humana, e também é gerada a saída apropriada. A imagem observada é interpretada e são realizadas as respectivas análises e ações adequadas.
A trilha de um objeto específico é encontrada a partir de vários quadros da sequência de imagens. A velocidade e a distância do objeto específico podem ser calculadas, bem como a previsão do caminho futuro é realizada.
Os diferentes pontos de correspondência entre as imagens, as posições da câmera e orientação, a reconstrução das formas tridimensionais da cena podem ser encontrados a partir de diversas imagens de uma cena estacionária.
Em termos gerais, as seguintes etapas estão envolvidas na tecnologia de reconhecimento facial:
Detecção de rosto: um algoritmo auxiliado por computador pré-processa imagens capturadas pela câmera. Isso leva a uma imagem limpa facilmente reconhecível. Posteriormente, é realizada a localização e extraídas as características da face.
Reconhecimento facial: A imagem facial detectada é processada e comparada com o banco de dados de pessoas conhecidas; os recursos extraídos são comparados com os recursos armazenados para descobrir a probabilidade de uma correspondência. Eles são organizados em grupos ou classes de acordo com características semelhantes para reconhecer um indivíduo.
A verificação automática da identidade de um indivíduo é possível pela correspondência individual de uma pessoa desconhecida com a imagem do rosto nos registros para identificação. A identidade de uma pessoa desconhecida do grupo de pessoas é realizada codificando-a e comparando-a com a base de dados que contém imagens codificadas de indivíduos conhecidos.
Usos e aplicações da técnica de reconhecimento facial
O reconhecimento facial encontrou sua importância em vários campos, como validação de segurança e interação humano-computador. Como resultado, tornou-se um ponto importante de pesquisa nas áreas de reconhecimento de padrões. Os pesquisadores estão buscando a implementação bem-sucedida de um sistema funcional de reconhecimento facial no campo da visão computacional. O potencial exaustivo desta tecnologia pode ser previsto em áreas como o controlo de fronteiras e a substituição de mecanismos de fechadura com chave.
Semelhante à Internet, ao GPS e a muitas outras tecnologias que se tornaram parte integrante de vários produtos hoje, as raízes do reconhecimento facial estão firmemente plantadas nos setores de defesa e aplicação da lei, onde é útil na verificação e identificação de imagens.
As agências de aplicação da lei estão usando amplamente a tecnologia de reconhecimento facial. Câmeras no local de vigilância capturam imagens de todos os objetos em tempo real, de forma contínua e, o mais importante, sem que ninguém perceba.
A vigilância por reconhecimento facial identifica todos os indivíduos enquanto eles se movimentam em suas vidas diárias. Embora a capacidade de reconhecer indivíduos em tempo real tenha se tornado uma realidade, em países ocidentais como os Estados Unidos, a maioria das pessoas em um banco de dados de reconhecimento facial de pessoas de interesse documentadas são incluídas devido a um histórico de infrações anteriores. Por exemplo, quando os retalhistas pretendem deter pessoas que tentam roubar nas suas lojas, baseiam-se nas fotografias desses indivíduos, carregadas numa base de dados privada de reconhecimento facial. Como os ladrões de lojas são, em sua maioria, infratores compulsivos, um alerta pode direcionar a segurança da loja para observar esses indivíduos quando eles entrarem novamente nas lojas. Isso leva a uma incidência reduzida de roubos e a uma chance muito menor de violência.
A Polícia Metropolitana de Londres está usando tecnologia de reconhecimento facial para encontrar criminosos procurados e pessoas desaparecidas. A tecnologia foi implantada em “locais específicos”, cada um com uma “lista de observação personalizada” de pessoas procuradas, geralmente criminosos violentos.
A Índia caminha para aumentar a utilização de tecnologias emergentes na aplicação da lei, à medida que as forças policiais de todo o país planeiam substituir processos manuais por soluções baseadas na tecnologia. Os institutos de engenharia estão a ajudar a polícia a aproveitar a IA, a análise das redes sociais e o processamento de imagens para identificar criminosos, gerir o tráfego e prevenir atividades terroristas.
As forças policiais na Índia estão a começar a adotar tecnologias e a colaborar com líderes digitais para combater o crime. Eles implementaram o sistema de preenchimento eletrônico de primeiros relatórios de informações (FIRs) para reduzir o envolvimento humano, enviando-os por meio de aplicativos, sites ou até mesmo de um dispositivo de Internet das Coisas (IoT). A estratégia abrangente adotada pela polícia inclui a identificação e captura de provas digitais e não digitais utilizando IA e ML, reconhecimento facial e previsão virtual de crimes. As iniciativas levaram à construção de um banco de dados criminal usando detecção de rosto humano baseada em IA (ABHED). À medida que os policiais identificam personagens suspeitos, eles devem pegar seus smartphones, clicar em uma imagem e acessar o banco de dados para determinar se ele/ela é um criminoso.
A tecnologia pode não ser 100% confiável, mas facilita o trabalho do policial. Semeou as sementes de uma força de alta tecnologia que tem acesso a fotos, atividades criminosas e detalhes físicos de milhares de criminosos na ponta dos dedos. Anteriormente, esses dados eram compilados separadamente em vários distritos estaduais e eram mantidos diferentes registros físicos. Tudo isto tornou a prevenção do crime uma tarefa onerosa porque a polícia não tinha acesso rápido a ela.
Recentemente, um sistema de monitorização prisional baseado em IA foi instalado em 70 prisões em Uttar Pradesh. O algoritmo de IA analisa centenas de câmeras instaladas dentro das prisões para detectar atos violentos, violações das prisões e acesso não autorizado em tempo real para alertar oportunamente as autoridades.
Também há pouca necessidade agora de montar barricadas policiais e espiar dentro dos carros para prender os infratores. Tamil Nadu construiu uma base online de veículos instalando um sistema baseado em IA chamado Tollscope, que foi vinculado a 30 praças de pedágio. Caso um veículo utilizado em um crime cruze alguma das praças, as autoridades são imediatamente alertadas. Tamil Nadu também se uniu à polícia de Telangana em sistemas automatizados baseados em IA para impor multas a condutores de duas rodas sem capacete. O National Crime Records Bureau iniciou a implantação de um sistema automatizado de reconhecimento facial em todo o país para identificar criminosos, pessoas desaparecidas e cadáveres não reclamados em necrotérios.
Desafios na aplicação do reconhecimento facial
No passado recente, o campo da biometria ganhou a maior atenção devido à sua confiabilidade para reconhecimento e fácil compatibilidade com a tecnologia disponível. Devido a lacunas noutros sistemas de identificação, estão em curso extensas pesquisas no campo da biometria. Os pesquisadores estão trabalhando para o desenvolvimento de um sistema mais amigável para atender aos requisitos dos sistemas de segurança, o que exige resultados mais precisos para a proteção da privacidade e dos ativos.
Devido ao aumento significativo das actividades terroristas, a importância de um sistema de segurança mais sofisticado para a identificação de indivíduos aumentou rapidamente. Os pesquisadores propuseram muitas abordagens para realizar o reconhecimento de rostos humanos a partir de imagens e vídeos. A seguir estão alguns dos desafios associados ao sistema de reconhecimento facial:
Mudanças físicas: envelhecimento; mudança de expressão facial; aparência pessoal (pêlos faciais, maquiagem, penteado, óculos, disfarce).
Alterações geométricas na aquisição: A mudança na escala, a rotação da face no plano (de frente para a câmera) e a localização criam alterações geométricas em uma aquisição. A rotação, em profundidade como câmera voltada obliquamente ou apresentação de perfil e indisponibilidade da face frontal completa, também cria alterações geométricas em uma aquisição.
Alterações de imagem: variações de câmera, variação de iluminação, características do canal (especialmente em imagens transmitidas ou comprimidas).
A confiabilidade e a relação custo-benefício são os principais fatores desafiadores para os atuais sistemas de reconhecimento facial. Muitos pesquisadores visam diferentes aspectos, como algoritmos que lidam com certos problemas na detecção facial e no próprio reconhecimento facial. As cenas naturais do ambiente real podem incluir diversos fatores, como ruído de fundo, variação nas condições de iluminação e variação de pose, que podem não estar presentes em imagens pré-coletadas.
A pesquisa também mostra que o resultado geral apresenta um problema de desempenho no reconhecimento facial. Múltiplas amostras são, portanto, bastante necessárias para todas as técnicas. Essas técnicas podem falhar em situações especiais, como verificação de carteira de identidade e verificação de passaporte, pois existe apenas uma imagem para uma pessoa.
É difícil detectar a pessoa pela imagem lateral ou pela imagem tirada de algum ângulo notável. A imagem do rosto com alguma escuridão, parcialmente mais clara que o restante do rosto, desfoque, sombras ou rosto com óculos, é bastante difícil na detecção de qualquer rosto individual.
Apesar dos rápidos avanços, o reconhecimento facial está longe de ser perfeito e sujeito a erros. Mesmo que um sistema de reconhecimento facial tenha uma taxa de precisão de 99,7%, existe sempre o risco de apanhar a pessoa errada devido à taxa de erro de 0,3%. Vários fatores ambientais podem afetar a precisão de um sistema de reconhecimento facial. Pertinentemente, São Francisco e Portland proibiram o uso de reconhecimento facial em câmeras de vigilância por órgãos públicos.
A tecnologia revelou-se controversa, em parte devido à capacidade de invadir a privacidade das pessoas, mas também porque, sem dados de formação diferentes, pode funcionar melhor para alguns tipos de pessoas (principalmente cidadãos brancos) do que para outros.
Preocupações em torno do uso de reconhecimento facial
Não há dúvida de que a aplicação da lei depende da recolha de informações no decurso da investigação. O instinto de qualquer agência policial de recolher informações é irresistível e, na verdade, faz parte da sua formação e dos seus procedimentos operacionais padrão. Espera-se que a maioria dos agentes, na sua busca pela segurança pública, exerçam uma medida de moderação razoável relativamente à informação e, particularmente, à quantidade de informação que poderia ser recolhida pela tecnologia de reconhecimento facial.
Não há mal nenhum no uso do reconhecimento facial para vigilância em massa em combinação com câmeras de vídeo públicas. Porém, também pode ser utilizado de forma passiva que não requer conhecimento, consentimento ou participação do sujeito. O perigo mais significativo ocorre quando esta tecnologia é utilizada para sistemas de vigilância gerais e sem suspeita.
Fotografias de cidadãos possuídas por agências estaduais de veículos motorizados poderiam ser facilmente combinadas com vigilância pública ou outras câmeras na construção de um sistema abrangente de identificação e rastreamento. Qualquer coleta em “lote” de informações essencialmente pessoais e individuais é motivo de preocupação. O delicado equilíbrio entre a “expectativa razoável de privacidade” e a ética da “informação como base da segurança pública” não é fácil de manter. A disponibilidade de quantidades fenomenais de informação na ausência de qualquer plano claro para a sua utilização ou finalidade torna-a responsável por abusos que deveriam preocupar todos os cidadãos.
Infelizmente, o reconhecimento facial em países autoritários está a tornar-se rapidamente num instrumento rotineiro de controlo policial e governamental. A prática de a polícia examinar os rostos de transeuntes inocentes à procura de criminosos vai contra a expectativa de privacidade de uma pessoa em espaços públicos. Não é improvável que a tecnologia possa se espalhar pela rede de câmeras que eventualmente cobrem as ruas.
Resumindo
Na verdade, desde a invenção do reconhecimento facial na década de 1960, nenhuma outra tecnologia despertou mais fascínio e medo de abuso do que a técnica de reconhecimento facial. Os activistas dos direitos humanos temem que, sendo uma técnica de vigilância muito intrusiva, possa oferecer novas oportunidades para minar a democracia sob o pretexto de defesa.
É necessário um equilíbrio entre a nossa expectativa razoável de privacidade e a necessidade declarada de recolha de informações que a Constituição prevê. A nova e cada vez maior onda de tecnologia de vigilância não deve falhar no teste decisivo da privacidade pessoal.
No que diz respeito à eficácia, existe a necessidade de desenvolver um sistema eficiente de reconhecimento facial em tempo real que possa funcionar num sistema que tenha uma base de dados de treino de uma única imagem para cada indivíduo. A maior parte da pesquisa anterior é baseada em múltiplas imagens. Além disso, a maior parte do trabalho dos investigadores baseia-se em certas condições prévias, que levam a muitas limitações. Como resultado destas limitações e problemas de desempenho, a implementação prática do reconhecimento facial num ambiente real é bastante desafiadora.
Estas questões levam-nos à necessidade do desenvolvimento de aplicações de reconhecimento facial mais eficientes e em tempo real, e de um sistema heterogéneo de correspondência de dados com intervenção humana. Recentemente, uma nova abordagem para a técnica híbrida de reconhecimento facial foi introduzida. Este sistema de reconhecimento facial é desenvolvido com Análise de Componentes Princípios (PCA) e Máquina de Vetores de Suporte (SVM). Ele é verificado no banco de dados Oracle Research Laboratory (ORL), bem como no ambiente real. Com este método baseado em uma única imagem, o desempenho do reconhecimento facial em termos de precisão é melhorado. Significativamente, Open Source Computer Vision, denominado OpenCV, emergiu como uma biblioteca de funções de programação. Toda a biblioteca é uma plataforma cruzada que oferece processamento de imagens em tempo real.
