Riconoscimento facciale: tecnologie e algoritmi per andare oltre la videosorveglianza

I sistemi di riconoscimento facciale basati su intelligenza artificiale sono sempre più raffinati e il loro utilizzo si sta espandendo a nuovi settori e servizi. Ecco qual è lo stato dell’arte e quali le prospettive nell’uso di questa tecnologia secondo gli esperti di TopNetwork [...]
Marco Schiaffino

giornalista

riconoscimento facciale
  1. Home
  2. Intelligenza Artificiale
  3. Riconoscimento facciale: tecnologie e algoritmi per andare oltre la videosorveglianza

L’intelligenza artificiale, oggi, si è guadagnata spazio in molti settori. Una delle sue applicazioni più “visibili” e conosciute, però, è quella del riconoscimento facciale. Una funzione che non si limita ai controlli di sicurezza e, che propone alcune specificità sotto il profilo tecnologico, così come necessarie cautele sotto il profilo legale.

Riconoscimento facciale: una tecnologia che parte da lontano

Se oggi nel riconoscimento facciale si applica ampiamente l’intelligenza artificiale, l’uso della tecnologia per questa funzionalità risale, in realtà, a molto tempo fa. I primi tentativi risalgono infatti agli anni ’60. “I primi sistemi utilizzavano tecnologie che si basavano sugli infrarossi”, spiega Gianluca Zaccagnino, Project Manager divisione Innovazione Lab di TopNetwork. “L’evoluzione del sistema ha cominciato a fare riferimento a elementi somatici come la posizione degli occhi o del naso. L’intelligenza artificiale ha cambiato le carte in tavola, garantendo un’accuratezza estremamente elevata”. Una prima distinzione a livello funzionale, spiega Zaccagnino, fa riferimento poi al tipo di riconoscimento facciale che ci si propone di adottare. “I sistemi di face verification utilizzati come sistema di autenticazione biometrica, in cui all’algoritmo è chiesto semplicemente di controllare l’identità di un dipendente che vuole accedere ai locali dell’azienda, sono più semplici”, spiega il ricercatore di TopNetwork. “La face recognition, in cui l’AI deve confrontare il volto di un soggetto con un ampio database per dare un’identità all’individuo sono decisamente più complessi”.

Le applicazioni in azienda

L’uso più ovvio del riconoscimento facciale è quello relativo alla verifica dell’identità per il controllo accessi in azienda, che sfrutta sistemi di face verification. Un tema, però, che si scontra con questioni legate alla privacy e alla conservazione dei dati biometrici dei dipendenti. “In molti casi si preferisce utilizzare i sistemi di verifica dell’identità attraverso il riconoscimento dei tesserini”, conferma Massimiliano Dionisi, Account Manager di TopNetwork. “In questo modo non è necessario affrontare le complessità legate alla gestione di dati sensibili”.

Sistemi di vero e proprio riconoscimento facciale (face recognition) vengono invece utilizzati in contesti più complessi, come il controllo dell’accesso ad aree riservate in spazi ampi, per esempio all’interno di impianti per la produzione di energia o piattaforme petrolifere. Le possibili applicazioni del riconoscimento facciale, però, sono numerose e in costante sviluppo. In particolare, quelle che possono essere sviluppate in abbinamento ad altri elementi di computer vision, come l’analisi dei movimenti e dei comportamenti. “Un aspetto, questo che riteniamo utile nell’ambito del trasporto locale”, spiega Dionisi. “L’uso della computer vision permetterebbe infatti di avere informazioni in tempo reale sia sui flussi e il numero di passeggeri, sia sulla necessità di predisporre servizi particolari, come l’accoglienza di utenti con disabilità che hanno bisogno di assistenza per salire a bordo dei veicoli”.

Riconoscimento Facciale privacy

La chiave è il deep learning

La straordinaria efficacia dei sistemi di intelligenza artificiale nel riconoscimento facciale deriva dalle peculiarità dei sistemi di deep learning, la cui accuratezza migliora progressivamente sulla base della quantità di dati che gli algoritmi possono analizzare per affinare il modello di riconoscimento. Gli algoritmi di AI basati su deep learning, infatti, sono in grado di apprendere in maniera dinamica, analizzando i risultati della loro attività per modificare i modelli che usano e renderli più efficaci. La prima conseguenza diretta di questa modalità di sviluppo è che la disponibilità di una grande quantità di dati, acquisiti anche “in corso d’opera”, diventa un fattore determinante per l’evoluzione dell’algoritmo stesso per i sistemi di face recognition.

Un dato confermato dalla cronaca: i ricercatori di Facebook impegnati nello sviluppo di DeepFace, il sistema di riconoscimento facciale elaborato dall’azienda californiana, dichiarano infatti di aver raggiunto un’accuratezza del 97%. Un risultato che è stato possibile raggiungere grazie a un dataset composto da ben 4 milioni di fotografie caricate dagli utenti del social network.

L’evoluzione nell’addestramento degli algoritmi

Se l’elemento quantitativo dei campioni a disposizione è fondamentale per l’addestramento dell’AI, nell’applicazione pratica dei sistemi di riconoscimento facciale entrano in gioco altri fattori, come la risoluzione delle immagini o il livello di illuminazione dell’ambiente. “Per migliorare le performance dell’algoritmo in condizioni difficili è possibile utilizzare dei modelli virtuali che simulano un ambiente con caratteristiche particolari”, spiega ancora Zaccagnino. “In questo modo è possibile focalizzare l’addestramento su aspetti specifici e migliorare l’efficacia dei sistemi”.

Uno dei campi di sviluppo che si sta affacciando nel settore del riconoscimento facciale è quello dell’associazione tra espressioni del viso ed emozioni. Con quali possibili applicazioni? Una delle più interessanti riguarda la possibilità di eseguire un monitoraggio a distanza dei pazienti sanitari per poter verificare automaticamente eventuali stati di sofferenza. I limiti, in definitiva, sono dettati solo dalla fantasia.

TopNetwork - Riconoscimento immagini e oggetti

 

FacebookTwitterLinkedIn