Tim mengembangkan teknologi pengenalan wajah yang berfungsi dalam gelap

Google Keynote (Google I/O'19) (Juli 2019).

Anonim

Peneliti Angkatan Darat telah mengembangkan kecerdasan buatan dan teknik pembelajaran mesin yang menghasilkan gambar wajah yang terlihat dari gambar termal wajah seseorang yang ditangkap dalam kondisi cahaya rendah atau malam hari. Perkembangan ini dapat mengarah pada peningkatan biometrik real-time dan analisis forensik pasca-misi untuk operasi malam hari yang tersembunyi.

Kamera termal seperti FLIR, atau Forward Looking Infrared, sensor secara aktif digunakan pada kendaraan udara dan darat, di menara pengawas dan di titik pemeriksaan untuk tujuan pengawasan. Baru-baru ini, kamera termal menjadi tersedia untuk digunakan sebagai kamera yang dikenakan di tubuh. Kemampuan untuk melakukan pengenalan wajah otomatis pada malam hari menggunakan kamera termal seperti itu bermanfaat untuk menginformasikan kepada Prajurit bahwa seseorang adalah seseorang yang menarik, seperti seseorang yang mungkin berada dalam daftar pengawasan.

Motivasi untuk teknologi ini — dikembangkan oleh Drs. Benjamin S. Riggan, Nathaniel J. Short dan Shuowen "Sean" Hu, dari US Army Research Laboratory — adalah untuk meningkatkan kemampuan baik secara otomatis dan manusia.

"Teknologi ini memungkinkan pencocokan antara gambar wajah termal dan database wajah biometrik yang ada / daftar pantauan yang hanya berisi pencitraan wajah terlihat, " kata Riggan, seorang ilmuwan peneliti. "Teknologi ini menyediakan cara bagi manusia untuk secara visual membandingkan citra wajah yang terlihat dan termal melalui sintesis wajah yang dapat dilihat secara termal."

Dia mengatakan di bawah kondisi malam hari dan cahaya rendah, ada cukup cahaya untuk kamera konvensional untuk menangkap citra wajah untuk pengakuan tanpa iluminasi aktif seperti lampu kilat atau lampu sorot, yang akan memberikan posisi kamera pengintai seperti itu; Namun, kamera termal yang menangkap tanda tangan panas secara alami yang berasal dari jaringan kulit yang hidup sangat ideal untuk kondisi seperti itu.

"Ketika menggunakan kamera termal untuk menangkap citra wajah, tantangan utama adalah bahwa gambar termal yang ditangkap harus dicocokkan dengan daftar jam atau galeri yang hanya berisi gambar yang terlihat konvensional dari orang-orang yang dikenal menarik, " kata Riggan. "Oleh karena itu, masalahnya menjadi apa yang disebut sebagai cross-spectrum, atau heterogen, pengenalan wajah. Dalam hal ini, citra pemeriksaan wajah yang diperoleh dalam satu modalitas dicocokkan dengan database galeri yang diperoleh menggunakan modalitas pencitraan yang berbeda."

Pendekatan ini memanfaatkan teknik adaptasi domain tingkat lanjut berdasarkan jaringan saraf dalam. Pendekatan mendasar terdiri dari dua bagian kunci: model regresi non-linear yang memetakan citra termal yang diberikan ke dalam representasi laten yang terlihat dan masalah optimasi yang memproyeksikan proyeksi laten kembali ke ruang gambar.

Rincian pekerjaan ini disajikan pada bulan Maret dalam makalah teknis "Thermal to Visible Synthesis of Face Images menggunakan Beberapa Daerah" pada Konferensi Musim Dingin IEEE pada Aplikasi Visi Komputer, atau WACV, di Lake Tahoe, Nevada, yang merupakan konferensi teknis yang terdiri sarjana dan ilmuwan dari akademisi, industri dan pemerintah.

Pada konferensi tersebut, para peneliti Angkatan Darat menunjukkan bahwa menggabungkan informasi global, seperti fitur dari seluruh wajah, dan informasi lokal, seperti fitur dari daerah fidusia yang diskriminatif, misalnya, mata, hidung dan mulut, meningkatkan diskriminasi dari sintesis perumpamaan. Mereka menunjukkan bagaimana representasi terpetakan termal-ke-terlihat dari kedua daerah global dan lokal di tanda tangan termal dapat digunakan bersama untuk mensintesis citra wajah yang terlihat halus.

Masalah optimisasi untuk mensintesis sebuah gambar mencoba untuk secara bersama mempertahankan bentuk seluruh wajah dan tampilan rincian fidusia lokal. Dengan menggunakan citra thermal-to-visible yang disintesis dan citra galeri yang terlihat, mereka melakukan eksperimen verifikasi wajah menggunakan arsitektur open neural network open source umum untuk pengenalan wajah. Arsitektur yang digunakan secara eksplisit dirancang untuk pengenalan wajah berbasis terlihat. Hasil yang paling mengejutkan adalah bahwa pendekatan mereka mencapai kinerja verifikasi yang lebih baik daripada pendekatan berbasis jaringan yang bermusuhan generatif, yang sebelumnya menunjukkan properti foto-realistis.

Riggan mengaitkan hasil ini dengan fakta bahwa tujuan teoritis permainan untuk GAN segera berusaha untuk menghasilkan citra yang cukup mirip dalam rentang dinamis dan penampilan mirip foto ke citra pelatihan, sementara kadang-kadang mengabaikan untuk mempertahankan ciri-ciri identifikasi, katanya. Pendekatan yang dikembangkan oleh ARL mempertahankan informasi identitas untuk meningkatkan diskriminasi, misalnya, peningkatan akurasi pengakuan untuk kedua algoritma pengenalan wajah otomatis dan ajudikasi manusia.

Sebagai bagian dari presentasi makalah, para peneliti ARL memamerkan demonstrasi real-time dekat teknologi ini. Bukti dari demonstrasi konsep termasuk penggunaan kamera thermal FLIR Boson 320 dan laptop yang menjalankan algoritma mendekati real-time. Demonstrasi ini menunjukkan kepada khalayak bahwa gambar termal yang ditangkap seseorang dapat digunakan untuk menghasilkan gambar yang terlihat disintesis in situ. Karya ini menerima penghargaan kertas terbaik dalam sesi wajah / biometrik konferensi, dari lebih dari 70 makalah yang disajikan.

Riggan mengatakan dia dan rekan-rekannya akan terus memperluas penelitian ini di bawah sponsor Badan Forensik Pertahanan dan Biometrik untuk mengembangkan kemampuan pengenalan wajah malam yang kuat untuk Prajurit.

menu
menu