Los investigadores del Ejército han desarrollado una técnica de inteligencia artificial y aprendizaje automático que produce una imagen facial visible a partir de una imagen térmica de la cara de una persona capturada en condiciones de poca luz o nocturnas. Este desarrollo podría conducir a una biometría mejorada en tiempo real y posterior a la misiónanálisis forense para operaciones nocturnas encubiertas.
Las cámaras térmicas como FLIR, o infrarrojos con visión de futuro, los sensores se implementan activamente en vehículos aéreos y terrestres, en torres de vigilancia y en puntos de control para fines de vigilancia. Más recientemente, las cámaras térmicas están disponibles para su uso como cámaras para el cuerpo.La capacidad de realizar un reconocimiento facial automático durante la noche usando tales cámaras térmicas es beneficiosa para informar a un soldado que un individuo es alguien de interés, como alguien que puede estar en una lista de vigilancia.
Las motivaciones para esta tecnología, desarrollada por los Drs. Benjamin S. Riggan, Nathaniel J. Short y Shuowen "Sean" Hu, del Laboratorio de Investigación del Ejército de los EE. UU. Son para mejorar las capacidades de emparejamiento automático y humano.
"Esta tecnología permite la coincidencia entre las imágenes faciales térmicas y las bases de datos biométricas faciales / listas de vigilancia existentes que solo contienen imágenes faciales visibles", dijo Riggan, un científico investigador. "La tecnología proporciona una forma para que los humanos comparen visualmente las imágenes faciales visibles y térmicasa través de la síntesis de la cara térmica a visible "
Dijo que en condiciones nocturnas y con poca luz, no hay suficiente luz para que una cámara convencional capture imágenes faciales para su reconocimiento sin iluminación activa, como un flash o foco, lo que delataría la posición de tales cámaras de vigilancia; sin embargo, térmicaLas cámaras que capturan la firma de calor que emana naturalmente del tejido vivo de la piel son ideales para tales condiciones.
"Cuando se utilizan cámaras térmicas para capturar imágenes faciales, el desafío principal es que la imagen térmica capturada debe coincidir con una lista de vigilancia o galería que solo contenga imágenes visibles convencionales de personas conocidas de interés", dijo Riggan. "el problema se convierte en lo que se conoce como reconocimiento de rostros de espectro cruzado o heterogéneo. En este caso, las imágenes de la sonda facial adquiridas en una modalidad se comparan con una base de datos de galería adquirida usando una modalidad de imagen diferente ".
Este enfoque aprovecha técnicas avanzadas de adaptación de dominio basadas en redes neuronales profundas. El enfoque fundamental se compone de dos partes clave: un modelo de regresión no lineal que mapea una imagen térmica dada en una representación latente visible correspondiente y un problema de optimización que proyecta elproyección latente de vuelta al espacio de la imagen.
Los detalles de este trabajo se presentaron en marzo en un documento técnico "Síntesis térmica a visible de imágenes faciales usando múltiples regiones" en la Conferencia de invierno IEEE sobre aplicaciones de visión artificial, o WACV, en Lake Tahoe, Nevada, que es un documento técnicoconferencia compuesta por 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 toda la cara, e información local, como las características de las regiones fiduciales discriminatorias, por ejemplo, ojos, nariz y boca, mejoraba la discriminabilidad delas imágenes sintetizadas. Mostraron cómo las representaciones mapeadas de térmicas a visibles de las regiones globales y locales en la firma de la cara térmica podrían usarse en conjunto para sintetizar una imagen de cara visible refinada.
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 de térmicas a visibles y las imágenes existentes de la galería visible, realizaron experimentos de verificación de rostros usando un comúnArquitectura de red neuronal profunda de código abierto para el reconocimiento de rostros. La arquitectura utilizada está explícitamente diseñada para el reconocimiento de rostros basado en lo visible. El resultado más sorprendente es que su enfoque logró un mejor rendimiento de verificación que un enfoque basado en la red de confrontación generativa, que previamente mostraba foto-realistapropiedades.
Riggan atribuye este resultado al hecho de que el objetivo teórico del juego para GAN busca inmediatamente generar imágenes que sean lo suficientemente similares en rango dinámico y apariencia fotográfica a las imágenes de entrenamiento, mientras que a veces descuida preservar las características de identificación, dijo.desarrollado por ARL conserva la información de identidad para mejorar la discriminabilidad, por ejemplo, una mayor precisión de reconocimiento tanto para los algoritmos automáticos de reconocimiento facial como para la adjudicación humana.
Como parte de la presentación en papel, los investigadores de ARL mostraron una demostración casi en tiempo real de esta tecnología. La demostración de la prueba de concepto incluyó el uso de una cámara térmica FLIR Boson 320 y una computadora portátil que ejecuta el algoritmo casi en tiempo real.La demostración mostró a la audiencia que una imagen térmica capturada de una persona se puede utilizar para producir una imagen visible sintetizada in situ. Este trabajo recibió el premio al mejor artículo en la sesión de caras / biometría de la conferencia, de más de 70 documentos presentados.
Riggan dijo que él y sus colegas continuarán extendiendo esta investigación bajo el patrocinio de la Agencia de Defensa Forense y Biométrica para desarrollar una sólida capacidad de reconocimiento facial nocturno para el Soldado.
Fuente de la historia :
Materiales proporcionado por Laboratorio de investigación del ejército de EE. UU. . Nota: El contenido puede ser editado por estilo y longitud.
Cita esta página :