Para reforzar la seguridad, con respecto al ingreso y salida de personas de un inmueble, en el Laboratorio Nacional de Supercómputo del Sureste de México (LNS) de la BUAP se desarrolló un sistema de reconocimiento de rostros, basado en tecnología de redes neuronales profundas, usada por compañías como Facebook, así como en la identificación de voz de celulares y coches autónomos.
Una característica de esta tecnología es que no es necesario contar con una extensa base de datos, cientos de fotos de cada rostro, ya que “la red neuronal es capaz de aprender los rasgos distintivos y generalizar, de tal modo que cuando una persona es detectada por la cámara, no necesita tener el mismo corte de cabello, las mismas condiciones de luz o la misma expresión”, señaló Roberto Olmos Pimentel, encargado de Investigación en Minería de Datos y Deep Learning del LNS.
El sistema trabaja con un algoritmo, el cual por medio de técnicas de clustering almacena los rostros en una base de datos y los agrupa conforme identifica más, de tal forma que puede indicar si el “desconocido 1” es la misma persona que llegó al mismo sitio al día siguiente, por lo que se sabría el número de veces que estuvo presente y sólo restaría asignarle un nombre.
“Esta función es muy efectiva en cuestiones de seguridad, ya que es sabido que quienes realizan los robos llegan al lugar días antes para observar la situación. Un sistema como este informa si un individuo ha estado en un sitio cinco días seguidos, durante varias horas, con lo cual los elementos de seguridad podrían estar alertas”, refirió.
Olmos Pimentel, maestro en Ciencia de Datos por la Universidad de Granada, España, explicó que a través de la función de clasificador de cascada del algoritmo Viola & Jones, el sistema pone un recuadro al rostro de la persona para señalar que la ha encontrado; posteriormente, la cara es recortada, se le aplican unas transformaciones y es procesada por la red neuronal profunda para generar una predicción de la posible identidad.
En fracciones de segundos, el algoritmo compara los rostros de toda la base de datos. No se necesita tener la imagen completa de los perfiles, puede estar cubierta una parte de la cara y aun así el sistema la reconoce.
“Antes, para identificar a una persona, un grupo de expertos buscaba determinadas características, como la distancia entre los ojos, el volumen de la boca, entre otras, y con base en estas mediciones hacían sus algoritmos. Sin embargo, este tipo de métodos quedó atrás, ya que su eficiencia no se compara con la de las redes neuronales profundas que usan sus propias características para determinar qué es lo que hace único a un rostro”, precisó.
Olmos Pimentel dio a conocer que los algoritmos con los cuales trabajan fueron desarrollados en el LNS, y el entrenamiento de la red neuronal para la identificación de rostros se hizo por medio de los GPUs de la supercomputadora con la que cuentan.
El equipo continúa mejorando este software para que el procesamiento de datos sea más preciso y pueda proporcionar más características de los rostros, como aproximaciones de edad y el sexo de la persona.
Enhorabuena por esta aportación de nuestra Universidad a la sociedad mexicana.
