Reconhecimento Facial: Aplicação Restrita à Proteção e Segurança Anthony Ronald Grue STS.035

Transcrição

1 Reconhecimento Facial: Aplicação Restrita à Proteção e Segurança Anthony Ronald Grue STS.035 Introdução: O campo da biometria está relacionado ao estudo estatístico das propriedades biológicas. Desde a sua concepção, os computadores são usados como ferramenta de análise estatística devido à velocidade de seu processamento e à sua capacidade de armazenamento. Além disso, no campo da inteligência artificial os computadores criaram fama de processadores simbólicos. A biometria está relacionada a grandes quantidades de dados que precisam ser manipulados e analisados estatisticamente, mas possuem representações simbólicas e não numéricas tornando-a uma excelente candidata a aplicativo de computador. O reconhecimento facial, com sua primeira pesquisa na computação acontecendo em meados dos anos setenta, pertence ao campo da biometria. A face humana também apresenta um problema interessante para um computador por sua imprecisão e complexidade. Existe a estrutura geral, a singularidade dos detalhes dos traços, a matização da pele, pêlos faciais e a adição de acessórios, como óculos escuros, os quais propõem situações amplamente variadas que normalmente não são vistas em outros aplicativos de processamento de imagem e de reconhecimento. O reconhecimento facial já existia há algum tempo na forma de identificação por foto, que é razoavelmente confiável em nossa sociedade. Até hoje, o processador que decide se uma pessoa é igual a uma foto tem sido o cérebro humano e nunca um computador. No entanto, os computadores introduzidos neste tipo de identificação não servem simplesmente para substituir os humanos, mas ampliaram o impacto da área. Já não é mais possível comparar uma pessoa à sua própria identidade, mas com o reconhecimento facial em um computador você pode comparar uma pessoa a um banco de dados de imagens armazenadas, permitindo-lhe identificar uma pessoa que nunca foi vista antes ou

2 procurar por pessoas simultaneamente e encontrar pelo menos uma delas. Isto, no entanto, estimulou uma enorme controvérsia com discussões relativas à confiança nos sistemas de reconhecimento facial e se eles restringem ou não a liberdade, já que o reconhecimento facial, ao contrário de muitas outras técnicas de identificação biométrica, pode ser completamente passivo. Apesar das promessas de uma maior segurança e de um país mais protegido na era do terrorismo, e a recente transição do reconhecimento facial do laboratório para a realidade mereceu críticas. Argumento que a tecnologia do reconhecimento facial amadureceu, permitindo uma identificação precisa de indivíduos que necessitam ser identificados, mas esse reconhecimento facial está sendo utilizado principalmente numa tentativa de resolver os problemas de proteção e segurança que ele não consegue abordar, e assim está destinado ao ostracismo pela sociedade por causa de seu grande potencial de invasão de privacidade. Histórico: Desde o início dos anos 1950, quando nasceram os computadores digitais e o mundo ganhou um significativo poder de processamento, os cientistas da computação se esforçaram em levar o raciocínio e a lógica para o computador. A visão é um elemento central na experiência humana e se os computadores adquirissem este dom estariam mais próximo de se integrar completamente à sociedade humana e seriam capazes de oferecer uma grande variedade de funções úteis, como reconhecer e classificar os ambientes onde o computador atua, ou identificar pessoas através de suas fotografias em um grande banco de dados. O primeiro passo rumo à visão da máquina estava nos computadores SEAC da Agência Nacional de Padrões (National Bureau of Standards). Com os recentes avanços da Inteligência Artificial (IA) e a importância do processamento simbólico sendo descoberto, Russell Kirsch foi o primeiro a realizar o processamento de imagens criando um scanner de tambor que

3 interpretava uma pequena foto de seu bebê e os algoritmos executados para processar a imagem, limpando-a para o computador e iniciando assim o campo de processamento de imagem (pág. 9, Kirsch). O próximo passo lógico para tornar os computadores amigáveis ao usuário, inteligentes e parecidos com o ser humano seria sua capacidade de reconhecer os humanos para com o tempo capacitar a interação. O reconhecimento facial foi escolhido no início dos anos setenta por M.D. Kelley e depois, Takeo Kanade, como um problema interessante de visão computacional. No princípio, o foco em identificar faces estava nos padrões e determinados traços faciais (pág. 470, Zhao). Com o passar do tempo, a ênfase se desenvolveu para criar um conjunto de faces que combinadas podem formar qualquer face, prestando atenção assim às variações matemáticas entre as faces das pessoas e não em suas características. Existe um problema inerente aos humanos, já que conhecemos um número máximo de pessoas porque só podemos manter uma rede social limitada. Computadores, no entanto, são limitados apenas ao seu espaço de armazenamento. Isto dá aos computadores a possibilidade de conhecer todo o mundo e interagir com eles ou identificá-los. O desafio técnico dos computadores não está em se lembrar de muitas faces, mas de tentar diferenciar as pessoas em um grande banco de dados, porque quanto mais indivíduos você tiver, menos diferenciados eles serão. Embora o desafio técnico esteja sendo superado lentamente, nos deparamos com o grave problema da aceitação social. Atormentados com o medo manifestado em 1984, de George Orwell, a maioria dos membros da sociedade está muito preocupada com o uso de um sistema de computador que é capaz de reconhecê-los onde quer que eles vão. Se o sistema for bem-sucedido em sua tarefa, ele então pode informar ao governo sobre o paradeiro de qualquer pessoa, a qualquer hora, e fantasiar o grande irmão 1 com bastante sucesso. O 11 de setembro e a conscientização do aumento da onda de terrorismo deram ao governo um horizonte de oportunidades em que os americanos estão dispostos a abrir mão de alguma privacidade, 1 N.T.: No livro 1984, de George Orwell, o big brother.

4 liberdade e comodidade para estarem mais protegidos, e alguns usaram este horizonte para adotar o reconhecimento facial em locais públicos. Visão Geral do Material Técnico: Takeo Kanade, em sua tese de 1977: O Reconhecimento Computadorizado de Faces Humanas, apresenta o primeiro trabalho sobre reconhecimento facial. Este, como muitos outros campos o reconhecimento de fala, por exemplo foi um processo não compreendido ao se tentar pela primeira vez em um computador. Assim, Kanade trabalhou para avaliar como um humano examina a face de um outro indivíduo e consegue reconhecer imediatamente que de fato é uma face humana e identifica todas as características e onde elas estão localizadas no rosto. E mais importante, se ele já viu a pessoa antes, consegue reconhecer o rosto e o associa corretamente à sua identidade. Devido ao interesse da comunidade pelo reconhecimento de imagem e aos interesses do governo e da comunidade comercial no aplicativo, o reconhecimento facial se apresentou como um problema razoável na hora de implementá-lo em um computador, então ele fez a primeira tentativa (pág. 1, Kanade). As comunidades de reconhecimento de imagem e de inteligência artificial viam o reconhecimento facial como um problema de reconhecimento simbólico, comparando-o com problemas de reconhecimento de texto que na ocasião era um recente sucesso dentro da comunidade. No entanto, duas diferenças gritantes sobressaíram. A primeira, era a variação da qualidade que fotos distintas podiam ter. As diferenças entre duas fotos da mesma pessoa devido à máquina fotográfica de baixa qualidade, iluminação imprópria e outros aspectos fotográficos devem ser eliminados, a fim de favorecer a análise da imagem. A segunda diferença do reconhecimento simbólico padrão é que, ao contrário do texto, não há nenhum padrão pré-definido de objetos exclusivos a distâncias razoavelmente fixas. Para lidar com estas questões, qualquer sistema que tivesse de ser projetado tinha que ser extremamente flexível e determinar às pressas que partes de uma fotografia são pertinentes ao

5 reconhecimento facial e então analisá-las posteriormente. Embora o sistema de Kanade surpreendentemente tivesse sido um sucesso na classificação de fotos, ele ainda tinha seu quinhão de problemas que incluíam o fracasso na classificação de todos os rostos que tivessem barba e 63 de 79 casos de teste onde o rosto tivesse qualquer curva ou inclinação. No entanto, dentre os 800 rostos utilizados 40 foram escolhidos para testes de reconhecimento, onde 45-75% foram identificados corretamente. Uma observação interessante de Kanade era fazer com que um humano executasse o algoritmo à mão, propiciando uma taxa de 75% de sucesso. Embora tenha levado muito mais tempo, na verdade o humano se mostrou mais preciso no algoritmo. Isto demonstrava que os computadores ainda podiam fazer adições significativas na segurança, à medida que o campo amadurecesse. Desde o trabalho de Kanade houve muitos avanços técnicos, o maior está na mudança para o método de eigenfaces 2. O que começou como uma forma interessante de modelar superfícies, onde fluidos inundariam numa pesquisa financiada pelo DARPA 3, evoluiu para uma forma de armazenar imagens faciais usando um pequeno conjunto de dados básicos (pág. 3, Wisniewski). Este método cria uma biblioteca de eigenfaces, um conjunto de imagens que varia em quantidades de 8 a 100, sendo que todas as faces armazenadas no sistema são uma combinação linear das eigenfaces. Este método depende expressivamente de pré-processamento para criar o rosto no ângulo certo, com a iluminação certa, antes de codificá-lo no sistema como uma combinação linear das eigenfaces. A principal vantagem deste sistema é que ele permite uma busca muito rápida, porque uma vez codificado o rosto em eigenfaces, você pode ver se existe um outro em seu banco de dados que seja bem parecido. 2 N.R.: Eigenfaces é um conjunto de "eigenvectors" (do alemão eigen, significa inerente, característico) derivados da matriz de covariância da probabilidade de distribuição do espaço vetor de alta-dimensão das possíveis faces do ser humano. 3 N.T.: Defense Advanced Research Projects Agency. Originalmente ARPA, órgão governamental que iniciou a pesquisa a qual desenvolveu a ARPANET.

6 Apresentação à Sociedade: A pesquisa começou há 25 anos. Os produtos de reconhecimento facial estão começando a surgir nos aplicativos da vida real e vêm chamando especialmente a atenção da população dos EUA desde a crescente ameaça do terrorismo. Em 2001, a cidade de Tampa, na Flórida, monitorou cada um dos freqüentadores do Super Bowl usando FaceIt, o aplicativo de reconhecimento facial mais proeminente no mercado, criado pela Visionics Corporation. No entanto, nenhum suspeito foi identificado apesar de um público de pessoas (Woodward). Além de Tampa, algumas outras cidades e alguns aeroportos, inclusive o Logan, em Boston, instalaram um software de reconhecimento facial que até hoje tem sido ineficaz na identificação de qualquer suspeito criminal (Bray). Entretanto, algumas delegacias policiais têm utilizado formas mais benevolentes de reconhecimento facial. Quando apresentados à imagem de um suspeito, eles conseguem inseri-la em um computador que, em seguida, apresenta-lhes uma lista de possíveis matches (elementos do resultado da busca) que já possuem antecedentes criminais. Não há garantias de que um deles seja o suspeito, mas dá à polícia um ponto de partida e lhes permite levar em consideração mais informações para investigações posteriores do que apenas a identidade facial determinada pelo computador. Análise do Sucesso e da Necessidade do Reconhecimento Facial: Acredito que os computadores sejam capazes de fazer o reconhecimento facial e que de certo modo se compara à forma como os humanos realizam a tarefa. A técnica de Kanade captura as características do rosto e analisa-as minuciosamente em relação às formas, desenhos e certos valores de medida e, em seguida, compara-os a outros em um banco de dados. A técnica eigenface usa diferentes mapas, os quais contêm todas as principais características da face humana. Cria-se uma chave, contendo a combinação linear dos mapas necessários à reprodução do rosto, usandoa para facilitar a comparação e a pesquisa. Estas estratégias são apenas

7 uma parte de como um ser humano reconhece um rosto. Utilizamos uma abordagem "holística", na qual consideramos a estrutura geral e as diferenças, mas também registramos em nossa mente as informações exatas sobre as características de outras pessoas (pág. 411, Zhao). Para demonstrar as capacidades dos sistemas de reconhecimento facial, foi desenvolvido um banco de dados padrão e um método de verificação destes sistemas, o FERET, para garantir níveis de confiabilidade. O FERET é um banco de dados e padrão de testes que inclui uma biblioteca de imagens e procedimentos para os testes (pág. 61, Phillips). A concepção do FERET demonstra que as pessoas esperam responsabilidade por parte do software de reconhecimento facial. A questão mais importante no reconhecimento facial, sobre a qual os engenheiros possuem algum controle, é se computadores podem ou não ser confiados à realização da tarefa. A primeira questão a ser considerada em qualquer sistema, ao se considerar a fidedignidade, é qual será a finalidade do sistema e se satisfaz ou não as exigências da situação. Como em qualquer sistema, quanto mais preciso for o reconhecimento facial mais confiável ele será, mas o modo como ele é usado é mais importante. O reconhecimento facial pode ser usado de dois modos, um é a identificação, que é identificar uma pessoa usando um banco de dados de fotografias previamente adquiridas, o outro é verificação, que é verificar se uma pessoa é quem ela alega ser (pág. 56, Phillips). O reconhecimento facial permite limites de detecção que regulam o quão exato um rosto deve ser comparado a um outro no banco de dados para que haja um match (resultado da busca) positivo. Com o objetivo de identificação, o sistema deveria ter uma tolerância muito baixa, prevenindo assim a probabilidade de identificações falsas da pessoa errada. Porém, em casos onde o reconhecimento facial é utilizado para confirmar quem você é, quem você alega ser (verificação), a tolerância pode variar consideravelmente. Se você não quiser causar nenhum desconforto, estabeleça um limite razoavelmente flexível, mas se você não quiser nenhuma verificação falsa ajuste a sensibilidade ao máximo para não perder algumas combinações

8 válidas (pág. 57, Phillips). Como resultado da flexibilidade da sensibilidade, você pode construir um sistema bastante confiável se o uso do mesmo for considerado. Humanos, no entanto, tendem a estabelecer maiores padrões de confiabilidade para computadores do que os seus próprios ou os de outros seres humanos. Quando um humano comete um erro somos simpáticos e compreensivos, porque compartilhamos a experiência. Quando um computador comete um erro, tendemos a acreditar que o defeito é herdado do sistema e se repetirá, acreditando que qualquer defeito, não importa o tamanho, indica uma falha fundamental no sistema. Entretanto, estatisticamente, a tecnologia de reconhecimento facial faz um trabalho surpreendente identificando os indivíduos com precisão e sem muitos falsos positivos. Entre 1994 e 1996, nos testes de reconhecimento facial para verificação com o FERET, as taxas de falsa verificação em dias diferentes eram de 2% e durante 1,5 anos ainda era de 2% (pág. 61, Phillips). A taxa de um falso negativo era de 11% em dias diferentes e 43% durante 1,5 anos. Legalmente, uma das formas de evidência mais aceitas pela maioria em uma delegacia de polícia ou um tribunal é a testemunha ocular. As pessoas confiam em sua capacidade de reconhecer outras, porém em um estudo dos procedimentos de reconhecimento em fileira (como a feita em delegacias) foi registrado que em uma fileira de seis a oito pessoas, em que o criminoso está ausente, uma testemunha vai errar na identificação de um indivíduo em 43% das vezes, devido à tendência que eles têm e a convicção de que uma das seis ou oito pessoas deve ser a que eles estão procurando. Além disso, os humanos julgam os membros de uma fileira um em relação ao outro e constroem indícios em suas mentes de que um deles deve ser o criminoso, porque eles se parecem os mesmos em comparação ao resto da fila (pág. 2, Steblay). A tendenciosidade humana não foi incorporada aos computadores e com isso eles acabam sendo mais eficazes na proteção do inocente não o identificando falsamente como um suspeito. Apesar desta incrível demonstração, os computadores continuam carentes de confiança dos

9 humanos. Para ganhar a confiança da população, os projetistas de sistemas terão que investir em testes, como o FERET, que convence as pessoas do poder das tecnologias. Se nós não confiamos em computadores, por que desperdiçar tempo, dinheiro e esforços no desenvolvimento e na implantação da tecnologia de reconhecimento facial? O motivo é o desejo da população geral por ambientes mais regularizados e seguros. O governo está interessado na tecnologia para combater o crime em geral e no mundo, após 11 de setembro, porque o público está se perguntando por que o governo falhou em evitar o ataque. Por essa razão, o governo está se virando para procurar uma solução tecnológica para um problema sério, um problema que não pode ser completamente corrigido através do monitoramento de toda a população americana com sistemas de reconhecimento facial. Não obstante, a DARPA iniciou seu programa de financiamento Identificação Humana à Distância (Human ID at Distance), que propiciou uma verba para a Visionics, entre outras empresas, para continuar suas pesquisas (Woodward). A DARPA está procurando uma tecnologia que consiga identificar pessoas em multidões e em grandes extensões. Eles acreditam que essa tecnologia lhes permitiria identificar melhor os suspeitos em áreas fora do solo americano e dentro dos EUA. Revela-se a importância da necessidade de localizar melhor as pessoas, a partir do ponto de vista da inteligência. Se fosse possível saber onde todos estão a qualquer hora, um indivíduo que apresentasse perigo para a sociedade poderia ser detido. No entanto, não haveria nenhuma liberdade neste mundo aparentemente perfeito e, assim, a idéia de segurança se torna um objetivo muito menos valioso. O reconhecimento facial nos permite avaliar seu sucesso através de duas óticas, por ter existido em laboratório e por ter sido introduzido nas vidas das pessoas. O primeiro é do ponto de vista técnico que, como demonstrado pelos testes do FERET, está tendo cada vez mais sucesso. O segundo é se alcança ou não o objetivo de oferecer mais proteção e segurança em ambientes onde é instalado. O aeroporto de Logan, em

10 Boston, adotou a tecnologia levando em conta os ataques de 11 de setembro e está gastando parte considerável do tempo testando o sistema e tentando utilizá-lo (Bray). Porém, na hora dos ataques de 11 de setembro, só 2 dos 19 terroristas eram conhecidos dos Estados Unidos e para apenas um havia uma foto (ACLU 4 ). O sistema de reconhecimento facial não teria tido sucesso, não porque não havia tecnologia, mas por causa do fator humano de separar terroristas de residentes comuns em meio à população. Adicionalmente, o software de reconhecimento facial é facilmente enganado por aqueles que olham para a câmera em ângulos diferentes e por aqueles com óculos escuros ou barba. Por isso, o reconhecimento facial só é confiável quando a pessoa quiser ser identificada. Por outro lado, se alguém estiver tentando se esconder, existem soluções razoavelmente baratas. Para implementar uma solução cara, deixe crescer cabelos no rosto ou use óculos escuros e você cria todas as inúteis técnicas atuais de reconhecimento facial. Voltando à questão de entender a finalidade de seu sistema, para que Logan alcançasse a sua meta de evitar terroristas em aviões com a tecnologia de reconhecimento facial, eles teriam que ter uma lista de todos os passageiros aprovados e uma baixa tolerância em seu sistema. No entanto, isto criaria um desconforto tão grande para os viajantes, que essa é uma solução inútil. Conclusão: O reconhecimento facial atingiu um considerável sucesso em alcançar a capacidade de verificar identidades em certos ambientes, usando ambas as técnicas de características faciais e de eigenfaces, mas isso não é o bastante para fazer com que a tecnologia seja um sucesso. Infelizmente, ela tenta resolver os problemas de crime e segurança ineficiente usando um sistema de identificação que já foi apresentado a todo mundo. Infelizmente, este sistema não viabiliza um aumento na segurança, já que ele é tão facilmente encontrado. A tecnologia de reconhecimento facial 4 N.T.: Acrônimo de American Civil Liberties Union, organização americana de defesa dos direitos individuais (liberdade de expressão, combate à discriminação etc.)

11 pode se expandir bastante em sua utilização. Usado por departamentos policiais, o reconhecimento facial pode fornecer aos investigadores uma maneira de tornar a procura por criminosos mais eficiente, mas não substituir completamente a perseguição. Assim como a tradução automática em relação ao governo, o reconhecimento facial também é mais bem utilizado quando ajuda as pessoas a reduzir a quantidade de dados a que são expostas, do que quando tenta avaliar tudo por si próprio. Além disso, ele mantém os seres humanos na atividade, sendo usado apenas quando necessário. A captura de imagens de todos os indivíduos em suas tarefas cotidianas tira toda a privacidade que eles têm e, de fato, percebe-se o medo que a sociedade tem do grande irmão. Proteção e segurança nacional são metas importantes, mas não às custas de nossas liberdades; e usar o reconhecimento facial ajudará muito pouco e deixará uma cicatriz. Está claro que a tecnologia de reconhecimento facial tem grande potencial na verificação de identidades. Sua utilização, porém, deve ser monitorada de perto e não deve ser aplicada para resolver problemas, quando fatores externos impedem qualquer possibilidade de sucesso. Trabalhos Citados: Fonte Primária: Kirsch, Russell. SEAC and the Start of Image Processing at the National Bureau of Standards. IEEE Annals of the History of Computing, Vol. 20, No. 2, 1998 Kanade, Takeo. Computer recognition of human faces Wisniewski, Helena. Face Recognition and Intelligent Software Agents An Integrated System. Preparado pelo Comitê de Comércio, Ciência e Transportes do Senado dos EUA.

12 Fonte Secundária: Phillips, P. Jonathon. Martin, Alvin. Wilson, C.l. Przybocki, Mark. An Introduction to Evaluating Biometric Systems. National Institute of Standards and Technology. Computer. IEEE. Vol. 33, No. 2, Fevereiro 2000 W. Zhao, R. Chellappa, P. J. Phillips e A. Rosenfeld Face recognition: A literature survey. ACM Computing Surveys (CSUR). ACM Press New York, NY. Q&A On Face-Recognition. ACLU Privacy & Technology: Surveillance & Wiretapping. 2 de setembro de Bray, Hiawatha. Reliability of face scan technology in dispute. Boston Globe, 5 de agosto de Woodward, John D. Super Bowl Surveillance: Facing Up to Biometrics. Documentos do RAND Fontes de Informações Externas: Nancy Steblay, Jennifer Dysart, Solomon Fulero e R. C. L. Lindsay. Eyewitness Accuracy Rates in Sequential and Simultaneous Lineup Presentations: A Meta-Analytic Comparison. Law and Human Behavior, Vol. 25, No. 5, Outubro 2001.