Biometria: Reconhecimento Facial

O conjunto de três artigos publicados na secção Dossier desta newsletter têm como objectivo a introdução aos sistemas biométricos baseados em reconhecimento facial. Ao longo das últimas décadas têm sido propostas diversas técnicas para o reconhecimento computacional de faces humanas. Um dos métodos mais conhecidos de comparação facial (através de eigenfaces) é aqui descrito. Este método baseia-se na projecção das imagens faciais sobre um espaço representado pelas variações mais significativas entre as imagens conhecidas.

Uma das características mais notáveis da visão humana é a capacidade de reconhecer faces. Esta capacidade, desenvolvida durante a infância, está na base das nossas relações sociais e tem desempenhado um papel de grande importância na nossa evolução enquanto espécie. A representação mais antiga da face humana remonta ao neolítico, há cerca de 27 000 anos. Ao longo de toda a nossa história, a face tem sido representada de diversas formas por inúmeros artistas.

A capacidade de reconhecer um indivíduo de forma automática é um conceito relativamente recente. O primeiro sistema semiautomático de reconhecimento facial remonta à década de 60. Esse sistema necessitava que o administrador localizasse as características faciais (CF) nas fotografias utilizadas (incluíam-se olhos, nariz, orelhas e boca) antes do sistema proceder ao cálculo das distâncias entre as CF e comparar as suas dimensões normalizadas com as referenciadas. Em 1988, Kirby e Sirovich mostraram que a codificação exacta de uma face, alinhada e normalizada, podia ser obtida com menos de cem pontos.

Um dos principais factores que distinguem o reconhecimento facial dos outros sistemas biométricos reside no facto desta tecnologia poder ser utilizada para fins de vigilância. A identificação de criminosos procurados, de terroristas suspeitos, ou a localização de crianças desaparecidas, são apenas algumas das aplicações possíveis. As maiores vantagens desta tecnologiaincluem:

• A capacidade de capturar faces em locais públicos (o que pode minimizar as limitações jurídicas);
• O facto dessa captura poder ser feita à distância (sem contacto físico);
• A fácil integração em sistemas de vigilância já existentes (por exemplo, CCTV);
• A fácil análise de bases de dados já existentes (por exemplo, registos criminais).

Nas últimas décadas foram propostos numerosos métodos de reconhecimento facial. A maioria deles é baseada na análise de perspectivas faciais 2D (Figura 1). Esta abordagem é, no entanto, sensível à pose e às condições de iluminação.

Figura 1. Correspondência facial 2D. Imagem resultante da comparação biométrica facial
realizada no BioAnalyzer Web (BAW), uma solução desenvolvida pela Sinfic.

Uma vez que a forma das faces é independente desses parâmetros (iluminação e pose), o reconhecimento facial 3D começou a ser alvo de interesse por parte dos diversos grupos a trabalhar na área (Figura 2). Já foram propostos algoritmos de reconhecimento facial 3D com níveis de correspondência muito elevados. No entanto, a tecnologia 3D continua a não ser amplamente utilizada em aplicações práticas, devido ao facto de requerer uma maior complexidade computacional, equipamento dispendioso e pré-tratamento de imagens complicado.

Figura 2. Representação do modelo 3D de uma face com as respectivas características faciais assinaladas.
Os pontos vermelhos representam a posição média das respectivas características.

De uma forma geral, todos os métodos desenvolvidos para resolver este problema utilizam uma das seguintes abordagens:

• Baseados nos conceitos da teoria de informação. Ou seja, métodos de análise dos componentes principais (PCA - Principal Component Analysis). Estes métodos estatísticos são utilizados para decompor cada imagem facial numa combinação linear de imagens base (determinadas a partir de um conjunto de treino). Considere-se um conjunto com n imagens de base, cada uma com n pixéis. Numa base padrão, cada elemento (imagem) da base tem apenas um pixel activo, diferente para cada elemento, e este apresenta uma intensidade igual a 1. Então, qualquer imagem com n pixéis pode ser decomposta numa combinação linear da base padrão de imagens. De facto, os valores dos pixéis da imagem podem ser encarados como as coordenadas dessa imagem em relação às imagens da base padrão. Resumidamente, o objectivo das técnicas baseadas em PCA consiste em encontrar uma base de imagens optimizada para que, na nova base, as coordenadas da imagem (coeficientes PCA) não estejam correlacionadas.

• A segunda abordagem é baseada na extracção de vectores característicos a partir dos elementos básicos de qualquer face (olhos, nariz, boca, ...). Estes métodos utilizam modelos deformáveis e análise matemática extensa para extrair informação das componentes básicas da face e, em seguida, converter essa informação num vector característico. Um exemplo deste tipo de método é a análise discriminante linear (LDA - Linear Discriminant Analysis), que permite estudar, de forma discriminada, a intensidade das diversas características faciais de cada imagem.

Uma das técnicas mais utilizadas e que pode ser incluída no primeiro tipo de abordagem descrito, designa-se por reconhecimento de padrões através de eigenfaces. Nesta técnica, a face é reconstruída através da sobreposição de um conjunto das designadas eigenfaces e a semelhança entre imagens faciais é determinada com base no coeficiente das eigenfaces relevantes. Esta técnica é descrita com maior detalhe no artigo seguinte com o título "Reconhecimento de padrões através de eigenfaces".

Texto compilado por J. M. Almeida e H. Bento, recursos humanos da Sinfic especializados em biometria.