A biometria faz uso de nossas características físicas e comportamentos mais exclusivos para servir como identificadores digitais que computadores e softwares podem interpretar e utilizar para aplicativos Identidade. Eles podem ser usados para identificar alguém em um banco de dados biométrico ou para verificar a autenticidade de uma Identidade reivindicada.
Os aplicativos de reconhecimento facial aplicam a ciência da biometria às características faciais de um usuário. Os algoritmos de reconhecimento facial criam um modelo biométrico detectando e medindo várias características, ou pontos de características, de rostos humanos, incluindo a localização dos olhos, sobrancelhas, nariz, boca, queixo e orelhas. Dois modelos são comparados para gerar uma pontuação de correspondência, que indica a probabilidade de as duas imagens pertencerem à mesma pessoa. A detecção de Liveness também pode ser aplicada para garantir que a fonte da amostra biométrica não seja uma reprodução digital ou em papel.
Casos de uso de reconhecimento Face
Segurança Pública Agências como o FBI usam a tecnologia de reconhecimento facial para pesquisar listas de observação de criminosos e ajudar a identificar de forma conclusiva uma pessoa de interesse. Eles podem comparar uma foto ou um vídeo tirado recentemente com um banco de dados de imagens individuais para ajudar a identificar essa pessoa. Os governos em todo o mundo usam a identificação biométrica facial para uma variedade de aplicações, incluindo segurança alfandegária e de fronteiras, prevenção de Fraude e identificação de cidadãos.
Mais recentemente, Autenticação móvel surgiu como o caso de uso mais comum do setor privado para a biometria facial, em que nossas imagens faciais podem ser usadas no lugar de uma senha. Os usuários podem fazer login em seus dispositivos usando o reconhecimento facial como uma alternativa conveniente e segura aos PINs e senhas. A incorporação do reconhecimento facial em um aplicativo móvel, por exemplo, para serviços bancários ou outros aplicativos seguros, permite que o provedor do aplicativo tenha mais controle sobre os recursos segurança e a experiência do usuário, além de obter mais consistência entre os dispositivos dos clientes. Os sistemas de reconhecimento Face também podem ser usados para aprimorar a identificação de pacientes em ambientes de saúde.
Vantagens do reconhecimento facial
Cada modalidade biométrica oferece vantagens e desvantagens. O reconhecimento facial oferece várias vantagens em relação a outras biometrias:
- Proliferação de dados de imagens faciais digitais: Os bilhões de imagens faciais digitais existentes de inúmeras fontes são extremamente úteis para fins de treinamento de algoritmos, especialmente para algoritmos que usam técnicas de aprendizado de máquina.
- Aprimoramento do reconhecimento facial manual: A biometria pode ser usada em conjunto com processos de reconhecimento facial visual humano, como a comparação de uma pessoa viva com sua imagem facial na carteira de motorista ou em outra carteira de identidade. A tecnologia de reconhecimento facial pode ser usada para automatizar ou aprimorar esse processo e oferece maiorPrecisão matching . Para praticamente qualquer processo em que face de uma pessoa é usado por um ser humano para verificar sua Identidade, a biometria pode ser usada para aprimorá-lo.
- Ubiquidade das câmeras em dispositivos móveis: Quase todos os smartphones, tablets e laptops têm câmeras frontais integradas que permitem fotos de "selfie" de alta qualidade. Isso torna conveniente a coleta de uma amostra de reconhecimento facial ao vivo para comparação com um modelo.
- Propício para uso com outras modalidades para Autenticação móvel: A captura de imagens faciais usando a câmera frontal de um telefone pode ser realizada de forma passiva e simultânea durante a captura de outras modalidades, como voz e pressionamento de tecla, para melhorar o desempenho matching e a detecção deliveness .
Desafios do reconhecimento facial
Os seguintes desafios devem ser enfrentados para que os aplicativos de reconhecimento facial sejam úteis:
- A grande variedade de condições de captura ambiental (por exemplo, iluminação, sombras) torna matching precisa mais desafiadora. Variações de pose, envelhecimento, óculos, expressões faciais e pelos faciais também podem dificultar a matching . As diferenças entre os sensores e as configurações da câmera também podem ter um impacto.
- A alta disponibilidade de imagens faciais nas mídias sociais e em outras mídias significa que os fraudadores podem obter mais facilmente imagens de possíveis vítimas Fraude que podem ser usadas para falsificação. Diferentemente da tecnologia de identificação Face , que detecta apenas a presença de um face em uma imagem ou vídeo, os aplicativos de reconhecimento face funcionam com algoritmos que também devem ser capazes de distinguir um face vivo de uma imagem digital não viva de um face.
Fraudadores podem explorar esses desafios de algumas maneiras.
Primeiro, eles podem tentar contornar a biometria face usada para Autenticação ou controle de acesso, apresentando uma imagem não viva de um usuário autorizado durante o desafio.
Em segundo lugar, eles podem tentar se registrar em uma nova conta inscrevendo uma amostra de face que não pode ser usada com precisão em uma pesquisa de deduplicação. Por exemplo, eles podem tentar registrar uma imagem que distorça ou obstrua as características faciais usando maquiagem, chapéus ou óculos de sol. Também poderiam tentar usar uma foto de uma pessoa que não existe ou rostos de celebridades retirados da Web. Tudo isso levaria a falsas não correspondências durante as pesquisas de verificação de identificação.
Superando os desafios do reconhecimento face
Várias medidas podem ser tomadas para otimizar segurança, o desempenho e a experiência do usuário.
Automatize a captura de imagens de alta qualidade
O software de reconhecimento facial que automatiza a captura de imagens faciais analisa os quadros de vídeo de streaming em tempo real. A captura de imagens é acionada automaticamente quando o foco, o posicionamento facial, a iluminação e outros detalhes da captura de imagens são verificados quanto à compliance com os padrões de qualidade.
A imagem é analisada novamente e otimizada após a captura. Os aprimoramentos automáticos de escala, rotação, corte, brilho e contraste otimizam a qualidade de uma imagem que, de outra forma, não estaria em conformidade, para que a foto não precise ser tirada novamente.
Realizar detecção robusta de liveness
Os fraudadores podem tentar falsificar um algoritmo de reconhecimento facial com vídeos e imagens digitais não-vivos obtidos on-line. Os algoritmos de detecção de Liveness distinguem entre um vídeo digital impresso e uma imagem facial ao vivo.
A detecção passiva de liveness procura indicadores de uma imagem não viva, como recursos inconsistentes entre o primeiro e o segundo plano. Ela usa várias técnicas de reconhecimento para procurar artefatos em uma imagem, como recortes, máscaras, pele, textura, bordas e várias outras características que a ajudam a determinar uma representação falsa do face do usuário. Esse processo é invisível para o usuário, o que torna mais difícil para os fraudadores contorná-lo.
A detecção ativa de liveness solicita que o usuário pisque ou balance a cabeça para verificar a liveness.
A combinação de métodos ativos e passivos produzirá a matching maior desempenho. Os aplicativos de análise de reconhecimento facial também podem aproveitar uma segunda modalidade, como a voz , para ajudar a garantir a liveness.
Use algoritmos de alto desempenho
Nos últimos anos, a inteligência artificial e os algoritmos de aprendizado de máquina tornaram-se os métodos predominantes para extrair automaticamente as informações acima e compará-las com outras imagens. Esses algoritmos aprimoram a segurança biométrica da tecnologia de reconhecimento face sem causar nenhum impacto na experiência do usuário.
