Sistema de reconocimiento facial

Un sistema de reconocimiento facial es una aplicación de software diseñada para reconocer a una persona por su rostro automáticamente. Es un área de la visión por computadora que implica reconocer automáticamente a una persona a partir de una imagen de su rostro . Este es un tema particularmente estudiado en visión artificial, con numerosas publicaciones y patentes, y conferencias especializadas.

El reconocimiento facial tiene muchas aplicaciones en videovigilancia , biometría , robótica , indexación de imágenes y videos, búsqueda de imágenes por contenido , etc. Estos sistemas se utilizan generalmente con fines de seguridad para desbloquear computadoras / dispositivos móviles / consolas, pero también en la automatización del hogar . Se consideran menos invasivos, ya que no están directamente vinculados a las características físicas de las personas, que otros sistemas biométricos ( huellas dactilares , reconocimiento de iris , etc.). El funcionamiento de estos sistemas se basa en una o más cámaras para reconocer al usuario.

También se pueden utilizar para facilitar la vida del usuario, como hacen algunas redes sociales en Internet ( Facebook , Google+ ) o determinadas aplicaciones móviles (NameTag, FaceRec) para identificar rostros en imágenes. Estos sistemas se basan entonces en fotos / videos de una o más personas.

La detección de rostros , que consiste en identificar un rostro que está presente en una imagen, es una de las posibles fases técnicas del reconocimiento facial.

Histórico

Takeo Kanade realizó uno de los primeros intentos de reconocimiento facial en 1973 durante su tesis doctoral en la Universidad de Kyoto .

La 7 de junio de 2011, Facebook lanza un servicio de reconocimiento facial accesible para todos. Esto ha sido fuertemente criticado por un buen número de asociaciones para la protección de la privacidad y el derecho al olvido. Bajo esta presión, Facebook tuvo que abandonar este servicio el22 de septiembre de 2012 En Europa.

Otro proyecto de reconocimiento facial, llamado DeepFace , desarrollado por el grupo de investigación de Facebook también comenzó a surgir a principios de 2015. Esta herramienta tiene como objetivo reconocer un rostro, independientemente de su orientación, así como asociar a una persona. Por lo tanto, DeepFace permite hacer coincidir una gran cantidad de fotos diferentes de la misma persona, incluso si esta última no está identificada explícitamente. Para lograrlo, el sistema está compuesto por una red neuronal artificial entrenada a través del aprendizaje profundo sobre millones de imágenes.

Sin embargo, esta tecnología está evolucionando rápidamente y busca democratizarse mediante el desarrollo de numerosos casos de uso. Desde finales de 2018, el número de anuncios ha ido en aumento, llevando el reconocimiento facial gradualmente a la vida cotidiana, con todos los sistemas mostrando un progreso espectacular, tanto en términos de la eficiencia de los algoritmos utilizados como en términos de la masa de datos que pueden ser procesados por ellos. En 2019, Cydral Technology está distribuyendo un sistema que se puede utilizar desde un simple teléfono y, por lo tanto, ofrece el primer motor de búsqueda para el público en general que funciona como la búsqueda inversa que ofrece Google, pero para la identificación de perfiles exclusivamente.

En enero 2020, el New York Times revela la existencia de la empresa Clearview AI, que comercializa a las agencias de seguridad una aplicación de reconocimiento facial que puede identificar a alguien a partir de una fotografía. El autor de la encuesta destaca que esta aplicación cuestiona nuestra concepción de la privacidad.

En junio 2020, la empresa española Herta Security gana un sello de excelencia por una tecnología capaz de analizar rostros y monitorizar multitudes. Esta tecnología podría usarse en caso de una nueva ola de Covid-19. Este software, llamado Aware, es capaz de verificar el distanciamiento social e identificar personas en diferentes puntos de control.

Usos

Los sistemas de reconocimiento facial están cada vez más presentes en la vida cotidiana. Por ejemplo, se utilizan en las redes sociales de Internet para identificar a alguien en una foto, en los teléfonos inteligentes para desbloquearlos o en los servicios de seguridad para reconocer a las personas buscadas. Estos usos se pueden dividir en dos categorías principales: seguridad y asistencia al usuario.

Además, existen dos tipos de tareas:

La identificación , también llamada uno a muchos (1: N), es para determinar la identidad de un individuo a partir de N identidades conocidas, presentes en una base de datos.
La auditoría , también llamada uno a uno (1: 1), es para verificar que la identidad reclamada sea correcta.

Redes sociales

En cuanto al uso de redes sociales en Internet, como Facebook o Google+ , al agregar una foto o video, se detecta el rostro luego un Algoritmo sugiere una lista de personas que pueden coincidir con el rostro visto en la imagen o video gracias a las imágenes ya identificando a cada individuo.

Verificación de identidad

El reconocimiento facial puede o no permitir el acceso a una casa o una habitación ( Home Automation): diferentes dispositivos tales como SekuFACE o iFace de hecho utilizan el reconocimiento facial para garantizar la identidad del usuario.

Este elemento también puede moverse: existen diferentes equipos para vehículos como Mobii. O un entorno virtual, pudiendo este entorno ser:

Datos de una computadora, como los sistemas Toshiba Face Recognition o Blink.
Datos de una consola, como los ejemplos de PlayStation 4 o Xbox One .
Datos de un teléfono inteligente , entonces es posible encontrar sistemas que usen los sensores del teléfono o no (sistemas configurados desde Android 4.0 o Windows Phone).

Los sistemas de reconocimiento facial, más allá de la protección de datos, también permiten prohibir el acceso y uso de elementos tangibles o intangibles.

seguridad

La seguridad es el principal ámbito de aplicación de los sistemas de reconocimiento facial.

En este caso, el sistema asegura que el usuario es efectivamente un usuario válido antes de autorizarlo a acceder a un determinado elemento. Esto se puede utilizar en un lugar público:

Permitir el acceso a un avión para garantizar que no se busque un futuro pasajero, como es el caso de Sochi.
Para permitir el acceso a un país, como se hace en varios aeropuertos de Francia ( PARAFE ) y varios otros países donde se utiliza para verificar la identidad de los ciudadanos con un pasaporte biométrico elegible y enviarles el cruce fronterizo.
Para rastrear e identificar potencialmente a una persona a partir de las imágenes de un sistema de videovigilancia .

Vigilancia policial

Una de las áreas importantes de aplicación de estos sistemas es la vigilancia de tipo policial. Facilita la búsqueda de la identidad de una persona mediante una foto o un video.

Para uso profesional, destaca el ejemplo de la aplicación de la ley, como el sistema de reconocimiento facial desarrollado actualmente por el FBI llamado NGI, o el que actualmente utiliza la NSA que se basa entre otras cosas en imágenes publicadas en redes sociales en Internet. .

El software de Clearview AI , que compara una fotografía con una base de datos de más de tres mil millones de fotografías publicadas originalmente en Internet, también fue utilizado por más de 600 oficinas de policía de América del Norte enfebrero 2020.

Pago

Se dice que el sistema de reconocimiento facial se usa para pagar el metro de Beijing, según el Beijing Daily.

Método

¿Cómo funcionan las tecnologías de reconocimiento facial? Hay que distinguir tres usos principales que se basan en medios y técnicas dedicados: verificación de identidad con un documento personal, búsqueda de una persona referenciada en una base de datos, identificación sistemática sobre la marcha en un espacio público.

Los métodos de búsqueda de una persona referenciada en una base de datos en tres fases: la detección de un rostro que localiza un rostro, el análisis del rostro que da un resultado numérico y el reconocimiento que compara este resultado con los rostros registrados en la base de datos .

Por tanto, es necesario, antes de cualquier intento de identificación, constituir una base de datos que contenga para cada usuario una captura inicial o varias. En el caso de que se realicen varias capturas, se almacena entonces una media de esta, lo que permite que el sistema se adapte mejor a diversos parámetros que pueden variar en el momento del reconocimiento (aparición de ojeras / arrugas, luz ambiental, maquillaje ... ).

Una vez realizado el análisis, el reconocimiento realiza por tanto la comparación entre el modelo obtenido y los almacenados en la base de datos . Luego hablamos de reconocimiento 1 a 1 si solo había una captura inicial almacenada en la base de datos inicialmente, o reconocimiento 1 a N si había varias.

Reconocimiento 2D

Considerado el método de reconocimiento facial “clásico”, este método consiste en reconocer al usuario a partir de una foto suya. Esta foto puede ser capturada por una cámara por motivos de seguridad o simplemente estar ya grabada como parte de la asistencia al usuario. A continuación, el reconocimiento se realiza mediante un algoritmo que puede basarse en varios elementos, como la forma de elementos del rostro como los ojos y su espaciamiento, la boca, el rostro ...

Luego se distinguen dos categorías de algoritmos :

La primera categoría de algoritmos crea una imagen geométrica del usuario basada en varios parámetros (tamaños de elementos faciales, forma y distancia entre ellos). Los parámetros recuperados se codifican y luego se comparan con los presentes en la base de datos .
La segunda categoría de algoritmos codifica digitalmente la imagen, usando algoritmos de Fourier, usando caras propias para crear vectores de peso, o incluso mediante cálculos de promedios en ciertas áreas de la imagen ...

Reconocimiento 3D

Este método se considera una mejora del reconocimiento 2D. De hecho, crea un modelo 3D a partir de varias fotos tomadas sucesivamente o de un video, esto permite tener diferentes puntos de vista de la persona a reconocer para crear el modelo 3D.

Existen muchos algoritmos con respecto al análisis, cada uno basado en uno o más elementos del rostro (orientación de la nariz, del rostro, etc.) para crear el modelo 3D correspondiente al rostro del usuario.

Fiabilidad

La fiabilidad de los diferentes sistemas de reconocimiento facial se puede verificar según varios indicadores:

La tasa de buen reconocimiento: el sistema reconoce al usuario que se suponía que debía reconocer.
Mala tasa de reconocimiento: el sistema reconoce a un usuario pero lo identifica como otro.
La tasa de debilidad en los ataques fotográficos: el sistema es engañado por un ataque fotográfico.
La tasa de debilidad en los ataques de video: el sistema es engañado por un ataque de video.

Parámetros que aumentan la confiabilidad

Se tienen en cuenta diferentes parámetros para aumentar el rendimiento:

El número de fotos / videos en la base de datos : el número de fotos / videos en la base de datos permite modelar mejor al usuario y, por lo tanto, reconocerlo mejor después.
El número de imágenes capturadas durante el reconocimiento: el número de imágenes capturadas permite modelar mejor al usuario que desea identificarse y, por lo tanto, verificar mejor que se corresponde con el modelo en la base de datos .
Brillo: un mejor brillo en el rostro del usuario facilita su reconocimiento al evitar modelar mal su rostro debido a las “áreas de sombra”.
La proximidad del usuario al objetivo: una mejor proximidad del usuario al objetivo permite una mejor calidad de imagen en su rostro y, por tanto, un mejor modelado.
Calidad de imagen: por la misma razón que el parámetro anterior, una mejor calidad permite un mejor modelado.

Actuaciones

Por tanto, la eficacia de un sistema de reconocimiento facial se establece en función de su tasa de fiabilidad, pero también según el tiempo de ejecución que se tarda en realizar el reconocimiento así como en establecer el perfil almacenado en la base de datos .

La siguiente tabla resume la información recuperada de los diversos sistemas mencionados.

Sistema utilizado	Tipo de reconocimiento	Constitución de la base de datos	Tiempo medio de reconocimiento (sin fallos)
Toshiba	3d	2 a 3 min	Años 20
Android con sensores	2D	Desconocido	5 s
Android 4.0	2D	2 segundos	<1 s
iphone 4s	2D	2 a 5 min	<1 s
Xbox uno	Desconocido	5 s	1 a 5 s
PS4	3d	50 a 70 s	<2 s

Sesgos algorítmicos

En febrero 2018, la investigadora Joy Buolamwini del Instituto de Tecnología de Massachusetts muestra que los principales sistemas de reconocimiento facial (los de IBM, Microsoft y Face ++) tienen sesgos algorítmicos y son menos eficientes para identificar mujeres y rostros de piel oscura : Face ++ identifica al 99,3% de los hombres, pero solo el 78,7% de las mujeres e IBM alcanza el 77,6% de piel oscura frente a puntuaciones superiores al 95% de los tres softwares para piel blanca); Según el estudio, el 93,6% de los errores que cometió Microsoft involucraron a sus sujetos de piel oscura, y el 95,9% de los de Face ++ involucraron a mujeres. El investigador explica que “los hombres de piel clara están sobrerrepresentados [en las bases de datos de muestra], y también las personas de piel clara en general. "

Defectos del sistema

Como cualquier elemento que tenga una utilidad de seguridad, los sistemas de reconocimiento facial están sujetos a ataques destinados a engañarlos mediante la explotación de fallas . Se conocen tres tipos principales de ataques en este campo para engañar a los sistemas de reconocimiento facial.

Ataques fotográficos

El primer tipo de ataque es el fotoataque. De hecho, mostrar una foto al sistema parece ser un buen método para engañar a la cámara. La efectividad de este tipo de ataque se ha visto favorecida por la llegada de las impresoras de alta resolución, también conocida como alta definición . Estas impresoras permiten imprimir una imagen muy cualitativa, engañando fácilmente la vigilancia de los sistemas.

Otra posibilidad es utilizar pantallas de alta definición disponibles comercialmente (pantallas, teléfonos inteligentes ) para presentar una foto muy detallada y así engañar al sistema.

Este tipo de ataque se ha vuelto aún más fácil de llevar a cabo con la aparición de las redes sociales en Internet y las numerosas fotos publicadas por los usuarios.

Ataques de video

Este segundo tipo de ataque consiste en presentar un video al lente de la cámara para engañar al sistema de reconocimiento facial.

Los software disponibles en Internet, llamados cámaras virtuales, como VirtualCamera o Manycam, permiten engañar al sistema de reconocimiento presentándole un vídeo como si procediera de su propia cámara. Entonces es posible presentar el video de una persona al sistema de reconocimiento para engañarla.

Este tipo de ataque se ha extendido con la llegada del reconocimiento 3D, porque es muy complicado engañar al reconocimiento de un modelo 3D con una simple foto, esta última siempre presentando la misma postura de un individuo.

Por otro lado, el video presenta movimiento y permite obtener varias posturas de un mismo individuo, por lo que el sistema de reconocimiento 3D puede modelar un modelo real y ser engañado.

Atacar con máscara

La reciente disponibilidad de la impresión tridimensional para el público en general también crea una laguna en los sistemas de reconocimiento facial. De hecho, esto permite crear una máscara que se corresponda con el rostro del usuario. Entonces es fácil imaginar el uso de una máscara que presenta a un individuo para engañar a un sistema de reconocimiento facial.

Respuestas a estos defectos

Respuestas a los ataques fotográficos

Este tipo de ataque se contrarresta principalmente multiplicando la cantidad de fotos tomadas del usuario y luego por:

Analizando si hubo un abrir y cerrar de ojos. Dado que el ojo humano parpadea de 15 a 30 veces por minuto, en un escaneo corto es posible detectar un parpadeo. Este sistema aún es débil frente a los ataques de video, ya que un video puede contener los parpadeos de los ojos de la persona a ser reconocida.
Analizar los micro-movimientos del usuario o su entorno. La perfecta inmovilidad / estabilidad (del usuario o de su entorno) durante la grabación puede generar serias sospechas sobre la fiabilidad de la grabación.
Comprobación de la textura del rostro fotografiado (textura real y no similar a una foto). Una textura demasiado borrosa o irreal mostrará la falta de fiabilidad de la imagen.

Respuestas globales

Han surgido ciertas técnicas para contrarrestar los tres tipos de ataque. Estos utilizan eventos total o parcialmente externos a la imagen:

Creando un modelo a partir de posturas fijas del usuario en un orden preciso (por ejemplo: perfil izquierdo, perfil derecho, rostro).
En los teléfonos inteligentes , es posible sincronizar los micromovimientos o movimientos del teléfono inteligente con los de la imagen / video para verificar la autenticidad de este último.
En dispositivos equipados con micrófono, es posible pedir al usuario que hable y verificar los movimientos de la boca en la imagen / video para verificar la sincronización de los dos. Asimismo, permite realizar una identificación en base a dos parámetros biométricos (voz y rostro). Es concebible vincular otros parámetros biométricos con el reconocimiento facial, como las huellas dactilares .
Comprueba la textura del rostro además de otras respuestas para complicar el ataque.
Dar instrucciones al usuario (ejemplos: Gire la cabeza hacia la derecha , Gire la cámara alrededor de su rostro , Mueva la cámara hacia arriba …). Entonces es posible verificar que el usuario sigue bien las instrucciones, lo cual es confiable por la aleatoriedad de las instrucciones y la precisión de las mismas.

Problemas sobre las libertades

Los sistemas de reconocimiento facial se basan en el despliegue de cámaras CCTV conectadas a una red de telecomunicaciones y a aplicaciones de inteligencia artificial . Sobre estas tecnologías se ha definido el concepto de “ciudad segura”, una extensión de la ciudad inteligente . El equilibrio entre libertades y seguridad está en tensión. Bajo el disfraz de la seguridad de las personas y los bienes, esto corre el riesgo de poner en peligro el derecho a la privacidad en muchos países y ejercer un control social contrario a las libertades fundamentales . La ley europea de datos, que amplía el alcance de la ley francesa "Informatique et Libertés" de 1978, citada como modelo en todo el mundo, especifica: "Las tecnologías de la información deben estar al servicio de todos los ciudadanos. No debe infringir la identidad humana, los derechos humanos, la privacidad, las libertades individuales o públicas ”.

En el Reino Unido

En 2006, el Reino Unido albergaba 4,2 millones de cámaras CCTV (en las calles, autopistas, trenes, autobuses, vías de metro, centros comerciales, estadios). Un londinense ya podía filmarse hasta trescientas veces al día.

El debate está aumentando en el Reino Unido sobre el uso y uso generalizado de la tecnología de reconocimiento facial. La presencia de cámaras equipadas con esta tecnología, en los distritos londinenses de King's Cross y potencialmente en el distrito comercial de Canary Wharf . Más de 150.000 personas que pasan por estos barrios por día serían escrutadas. El uso del reconocimiento facial en espacios públicos plantea interrogantes. Las leyes de protección de datos requieren el consentimiento de las personas bajo observación. Las autoridades encargadas de las libertades civiles están preocupadas, el Reino Unido se ha convertido en uno de los países más abiertos al uso de esta tecnología por motivos de vigilancia.

Las autoridades de protección de datos del Reino Unido y Australia iniciaron una investigación en 2020 dirigida a la empresa de reconocimiento facial Clearview AI que podría comparar cualquier foto de un individuo con su base de datos de tres mil millones de personas. Fotos recuperadas automáticamente de la web y las redes sociales.

En agosto 2020, el Tribunal de Apelación de Londres dictaminó que el uso del reconocimiento facial por parte de la policía galesa no estaba suficientemente regulado e invadía demasiada privacidad. La sentencia subrayó que no existían indicaciones claras sobre los lugares donde esta tecnología podría ser utilizada por la fuerza policial ni sobre las modalidades que conducen a la inscripción en la "lista de vigilancia".

En los Estados Unidos

En los Estados Unidos, “las fuerzas policiales utilizan el reconocimiento facial para rastrear a los delincuentes. Este es el caso, en particular, de Nueva York, Boston, Detroit, Las Vegas, Orlando, San José o en el estado de Colorado (…). La tecnología también se utiliza en estadios o aeropuertos, como medio de vigilancia. Incluso los servicios de inmigración son clientes, para reconocer a una persona ilegal que ya ha sido arrestada en el pasado. Por otro lado “San Francisco prohíbe el uso del reconocimiento facial por parte de la policía y sus distintos organismos municipales” . Las preocupaciones se relacionan con la posible discriminación o mal uso del reconocimiento facial, otras ciudades estadounidenses podrían seguir este ejemplo. 85 ONG, incluida la American Civil Liberties Union , 55 investigadores han pedido a empresas como Amazon , Microsoft y Google que dejen de vender esta tecnología a las autoridades. Otras empresas, como Facebook y la start-up Clearview AI, que ha atraído a 600 departamentos de policía, están interesadas en este mercado. Parece necesaria la regulación de esta tecnología por una ley de protección de datos en todo Estados Unidos.

En junio 2020, Amazon anuncia que prohibirá a la policía usar su software de reconocimiento facial durante un año. El software de Amazon se llama Rekognition. El contexto social actual marcado por las manifestaciones contra la violencia policial y el racismo en Estados Unidos fue un elemento de la decisión.

En junio 2020, IBM anuncia que detendrá la venta de software de reconocimiento facial y dejará de realizar proyectos de investigación relacionados con esta tecnología. Su CEO toma una posición más general en un texto dirigido al Congreso de los Estados Unidos "IBM se opone firmemente y no tolerará el uso de ninguna tecnología, incluida la tecnología de reconocimiento facial ofrecida por otros proveedores, para vigilancia masiva, control de facies, violaciones de derechos humanos y libertades fundamentales o cualquier otro objetivo que no cumpla con nuestros valores y nuestros principios de confianza y transparencia ” .

Utilizado por el software de reconocimiento facial implementado por las autoridades federales, las imágenes de CCTV de la frontera de Estados Unidos han sido pirateadas. Estas son fotos de conductores y placas de vehículos que han cruzado un solo paso fronterizo de Estados Unidos durante un período de seis semanas; 100.000 personas se verían afectadas. El presidente del Comité de Seguridad Nacional de la Cámara de Representantes, el demócrata Bennie Thompson, ha expresado su alarma por una "gran invasión de la privacidad". "Debemos tener cuidado de no expandir el uso de la biometría en detrimento de la privacidad de los estadounidenses".

Según denuncia presentada el miércoles 24 de junio de 2020en Detroit , un estadounidense negro fue arrestado injustamente por el uso policial de tecnología de reconocimiento facial. Este es el primer error de este tipo documentado en los Estados Unidos. La tecnología de reconocimiento facial, utilizada durante varios años por diversos servicios policiales en Estados Unidos sin un marco legal federal, es acusada de falta de confiabilidad en la identificación de minorías, particularmente negras o asiáticas.

En Rusia

En Rusia, durante la pandemia mundial del covid-19, los viajeros que llegan de áreas de riesgo están sujetos a cuarentenas rigurosas. En Moscú, 12 millones de habitantes, para estos controles se utiliza el sistema de reconocimiento facial de la ciudad, con al menos 100.000 cámaras de videovigilancia, así como el muy eficiente sistema de gobierno electrónico, que ayuda a mantener un vínculo constante con los ciudadanos. Incluso antes del estallido de la pandemia, existía un proyecto para generalizar el uso de los sistemas de reconocimiento facial, una amenaza real a la privacidad y los derechos humanos denunciada por las asociaciones locales de derechos civiles.

En China

SenseTime y Megvii son las dos mayores empresas chinas especializadas en reconocimiento facial. Los usos comerciales o para la vigilancia de los ciudadanos en relación con el gobierno están muy desarrollados. En 2018, China ya tenía 349 millones de cámaras CCTV.

En última instancia, se espera que se desplieguen más de 500 millones de cámaras CCTV en todo el país. Se asociarán con tecnologías de reconocimiento facial e inteligencia artificial. Constituirá "la red de videovigilancia más extensa y sofisticada del mundo" según la BBC.

Huawei desarrolla y comercializa su concepto de “ciudad segura” basado en videovigilancia inteligente. Estas tecnologías combinadas han llevado a un control social altamente desarrollado que pone en peligro las libertades individuales (calificación social basada en un sistema de crédito social , “picota” digital en la pantalla).

“Xinjiang es objeto de vigilancia electrónica permanente por parte de Beijing, que utiliza todas las tecnologías más intrusivas allí: reconocimiento facial, registro de ADN, videovigilancia permanente, drones, geolocalización de teléfonos…. "

Tras la pandemia de Covid-19, las autoridades chinas están intensificando la vigilancia masiva y ampliando las medidas que restringen las libertades, dando la imagen de una era en la que la vigilancia recuerda al Gran Hermano de la novela de 1984 de George Orwell .

En Francia

En Francia, el ayuntamiento de Valenciennes recibió un obsequio de Huawei en un equipamiento que podría representar 2 millones de euros. Huawei pudo probar su sistema de “cámara inteligente” en la ciudad de Valenciennes gracias a un acuerdo firmado con el alcalde Jean-Louis Borloo ; Fue nombrado miembro de la junta directiva de Huawei Francia unos años más tarde.

Otros municipios (Niza, Marsella, Toulouse, La Défense, etc.) se dejan convencer por fabricantes de seguridad como Thales , Engie Ineo , Ercom , Idemia, que ven un mercado por conquistar.

Idemia, es uno de los líderes mundiales en el sector biométrico con 15.000 empleados y 2.300 millones de euros de facturación reclamada.

En un informe publicado en 2020, Amnistía Internacional denuncia a varias empresas europeas, incluida Idemia, que han equipado a China con equipos de vigilancia, incluido el reconocimiento facial. En particular, Idemia vendió un sistema de reconocimiento facial a la policía de Shanghai .

La nocividad real de las ciudades seguras depende totalmente de las autoridades a cargo y alerta a las asociaciones de derechos humanos .

Para estas experiencias y posibles ampliaciones en Francia o en Europa y para evitar el advenimiento de una empresa de vigilancia, es necesario asegurarse de que estos proyectos cumplan, con las constituciones, con las reglas del RGPD , y que estén controlados por independientes. autoridades como CNIL Informatique et Libertés .

En Africa

Las empresas chinas suministran a varios estados del continente sistemas de reconocimiento facial asociados con cámaras CCTV. CloudWalk Technology, uno de los líderes de la industria de China con sede en Cantón, en el sur del país, ha estado trabajando con el gobierno de Zimbabue para implementar el reconocimiento facial a gran escala, el despliegue en aeropuertos y fronteras será el primer paso.

Notas y referencias

" ¿Cómo funcionan las tecnologías de reconocimiento facial?" " , Le Monde ,15 de noviembre de 2019(consultado el 1 st 06 2020 ) .
Facebook reconocimiento facial
reconocimiento facial Google
NameTag
FaceRec
Takeo Kanade , Procesamiento de imágenes por complejo informático y reconocimiento de rostros humanos , Departamento de Ciencias de la Información, Universidad de Kyoto, Japón, 1973.
(en) Xiaozheng Zhang y Yongsheng Gao , " Reconocimiento facial a través de poses: una revisión " , Reconocimiento de patrones , 2009.
" Facebook criticado por su sistema de reconocimiento facial " , Le Monde ,8 de junio de 2011.
" Facebook suspende el reconocimiento facial en Europa " , Le Monde con AFP ,22 de septiembre de 2012.
" 'DeepFace', el nuevo sistema de reconocimiento facial de Facebook que hace temblar la columna vertebral " , de The Huffington Post (consultado el 16 de diciembre de 2016 ) .
" 'Facezam', un motor de búsqueda de imágenes que utiliza exclusivamente el reconocimiento facial " , en fastface.eu .
(in) " La empresa secreta que podría acabar con la privacidad tal como la conocemos " , The New York Times ,18 de enero de 2020.
(en) Jon Porter, " Ve a leer que los conjuntos de NYT eran una nueva y espeluznante base de datos de reconocimiento facial utilizada por la política de EE. UU. " , Theverge.com,20 de enero de 2020.
" Reconocimiento facial: una startup analiza fotos de las redes sociales para la policía estadounidense " , en Le Monde .fr ,20 de enero de 2020(consultado el 27 de mayo de 2021 )
Samuel Stolton , " La tecnología de reconocimiento facial recibe el sello de excelencia de la Comisión " , en EurActiv ,22 de junio de 2020(consultado el 22 de junio de 2020 ) .
(in) Rabia Jafri y Hamid R. Arabnia , " Un estudio de técnicas de reconocimiento facial " , Revista de sistemas de procesamiento de información , vol. 5, n o 2 Junio de 2009
SekuFACE.
iFace.
Mobii
Reconocimiento facial de Toshiba
Parpadeo
Reconocimiento facial de Playstation 4
Xbox One
Reconocimiento facial asistido por sensor: un sistema de autenticación biométrico mejorado para teléfonos inteligentes
Reconocimiento facial de Android
Reconocimiento facial en Windows Phone
Reconocimiento facial en el aeropuerto de Broadway
NGI
Sistema de reconocimiento facial utilizado por la NSA.
(en) Igor Bonifacic, " Google le dice a la empresa de reconocimiento facial Clearview AI que deje de raspar imágenes " en Engadget ,5 de febrero de 2020(consultado el 14 de diciembre de 2020 )
Ver en french.peopledaily.com.cn .
Romain Imbach, Marianne Pasquier Martin Untersinger, “ ¿Cómo funcionan las tecnologías de reconocimiento facial? » , En Le Monde .fr ,15 de noviembre de 2019(consultado el 27 de mayo de 2021 )
Reconocimiento facial a partir de una sola imagen por persona: una encuesta
100% de precisión en el reconocimiento facial automático
Reconocimiento facial 2D y 3D: una encuesta
Eigenspaces modulares y basados en vistas para el reconocimiento facial
Modelos paramétricos para segmentación de rasgos faciales .
de reconocimiento de rostro: Un estudio de la literatura
Detección de rostros en vivo basada en el análisis de espectros de Fourier
Coincidencia de múltiples regiones de la nariz para el reconocimiento facial 3D con diferentes expresiones faciales .
Reconocimiento facial basado en la adaptación de un modelo transformable en 3D
Reconocimiento facial 3D mediante recocido simulado y la medida de interpenetración de superficie .
Perrine Signoret, " Un estudio muestra el sesgo del reconocimiento facial, más efectivo en hombres blancos " , lemonde.fr,13 de febrero de 2013(consultado el 13 de febrero de 2013 ) .
VirtualCamera
Manycam
Spoofing Face Recognition con máscaras 3D
basada en Eyeblink Anti-Spoofing en reconocimiento de la cara de un Webcamera genérica .
Detección de parpadeo en tiempo real con seguimiento SIFT basado en GPU
de reconocimiento facial con detección liveness usando movimiento de los ojos y la boca
¿Es realmente posible la detección de vida basada en la física con una sola imagen?
Un sistema de identificación biométrica multimodal
Claire Legros, Antoine Courmont, "La crisis del coronavirus está acelerando la reestructuración de la gobernanza de la ciudad digital" , Le Monde ,9 de octubre de 2020(consultado el 10 de octubre de 2020 ) .
Félix Tréguer, “ La“ ciudad segura ”o gobernanza por algoritmos ” , en monde-diplomatique.fr ,junio de 2019(consultado el 1 st de abril de 2020 ) .
Sylvain Louvet, " Todo observaba - 7 mil millones de sospechosos " , en arte.tv ,14 de abril de 2020.
" Reconocimiento facial: un debate necesario " , Le Monde ,16 de noviembre de 2019(consultado el 1 st 06 2020 ) .
Jean-Pierre Langellier, " Gran Bretaña se está convirtiendo en una 'sociedad bajo vigilancia' " , Le Monde ,3 de noviembre de 2006(consultado el 1 st 06 2020 ) .
“ Gran Hermano; monitorea a los automovilistas británicos ” , en Le Monde ,27 de diciembre de 2005(consultado el 5 de junio de 2020 ) .
Lucas Mediavilla, " La controversia crece en el Reino Unido sobre el uso del reconocimiento facial " , Les Echos ,18 de agosto de 2019(consultado el 31 de mayo de 2020 ) .
" Datos personales: Clearview AI dirigido por una doble investigación " , Le Monde ,10 de julio de 2020(consultado el 11 de julio de 2020 ) .
" En el Reino Unido, la justicia inflige un revés en el reconocimiento facial " , Le Monde , AFP ,11 de agosto de 2020(consultado el 11 de agosto de 2020 ) .
Nicolas Rauline, " San Francisco prohíbe el reconocimiento facial " , Les Echos ,15 de mayo de 2019(consultado el 31 de mayo de 2020 ) .
" Reconocimiento facial: 55 investigadores piden a Amazon que deje de vender su software a la policía " , Le Monde ,4 de abril de 2019(consultado el 1 st 06 2020 ) .
" Reconocimiento facial: una startup analiza fotos de las redes sociales para la policía estadounidense " , Le Monde ,20 de enero de 2020(consultado el 1 st 06 2020 ) .
" Amazon prohíbe a la policía estadounidense utilizar software de reconocimiento facial durante un año " , Le Monde , AFP, AP,11 de junio de 2020(consultado el 11 de junio de 2020 ) .
" Amazon requiere que la policía sea más transparente sobre el uso de imágenes de cámaras CCTV de individuos " , en Le Monde .fr con AFP ,4 de junio de 2021(consultado el 4 de junio de 2021 )
Alice Vitard, " IBM se retira del mercado del reconocimiento facial " , Usine Digitale,9 de junio de 2020(consultado el 15 de junio de 2020 ) .
" Metraje de CCTV en la frontera de EE. UU. Pirateado " , Le Monde , AP,11 de junio de 2019(consultado el 1 st 06 2020 ) .
" Estados Unidos: afroamericano detenido injustamente por tecnología de reconocimiento facial " , Le Monde , AFP,24 de junio de 2020(consultado el 25 de junio de 2020 ) .
Benoît Vitkine, " En Rusia, la pálida estrella del poder frente al coronavirus " , Le Monde ,28 de mayo de 2020(consultado el 28 de mayo de 2020 ) .
" Reconocimiento facial en Moscú, 100,000 cámaras monitorean a los confinados " , en BFMTV , AFP ,24 de marzo de 2020(consultado el 31 de mayo de 2020 ) .
Kai Strittmatter , Dictatorship 2.0: Cuando China observa a su gente (y mañana al mundo) , Tallandier,27 de agosto de 2020( ISBN 979-10-210-4319-0 , leer en línea ) , pág. 214 hasta 219.
" ¿Es posible escapar de la videovigilancia en China?" " , Le Monde ,11 de diciembre de 2017(consultado el 1 st 06 2020 ) .
" En China, las cámaras adivinan quiénes son los transeúntes en la calle " , Le Monde Video, Dailymotion ,2017(consultado el 1 st 06 2020 ) .
Romain Besnainou, “ ¿Quién tiene miedo de Huawei? » , En france.tv ,14 de enero de 2020.
" Los funcionarios de aduanas chinos instalan software espía en los teléfonos de los turistas que ingresan a Xinjiang " , Le Monde ,3 de julio de 2019(consultado el 1 st 06 2020 ) .
" China, el imperio del control " , Le Monde ,19 de febrero de 2020(consultado el 1 st 06 2020 ) .
Théodore Therschlucen, " Valencienne, mañana las cámaras CCTV serán inteligentes y ... chinas " , La Voix du Nord ,9 de febrero de 2017.
“ Ciudad segura en Marsella primer recurso contra la vigilancia de vídeo automatizado de los espacios públicos? » , En ldh-france.org ,20 de enero de 2020.
" Amnistía Internacional denuncia la exportación a China de tecnologías de vigilancia europeas " , Le Monde ,21 de septiembre de 2020(consultado el 21 de septiembre de 2020 ) .
Julien Nocetti, " Punto de vista: Europa, el debate necesario sobre el reconocimiento facial " , Ouest France ,8 de octubre de 2019.
" El gobierno planea experimentar con el reconocimiento facial en lugares públicos " , en francetvinfo.fr ,26 de diciembre de 2019.
Macéo Croppo, “ Reconocimiento facial en Francia: ¿qué lugar en la política de seguridad interna? » , En portal-ie.fr ,9 de marzo de 2020.
" Reconocimiento facial: para un debate a la altura " , en cnil.fr , CNIL,15 de noviembre de 2019.
Sébastien Le Belzic, " El Gran Hermano chino se está asentando en las calles y los hogares africanos " , Le Monde ,9 de julio de 2018(consultado el 1 st 06 2020 ) .

Ver también

Bibliografía

(en) Richard Szeliski, Visión por computadora: Algoritmos y aplicaciones , Springer,2010( leer en línea )
(en) SZ Li y AK Jain, Manual de reconocimiento facial , Springer,2005
(en) Shaxun Chen, Amit Pande y Prasant Mohapatra, “ Reconocimiento facial asistido por sensores: un sistema de autenticación biométrico mejorado para teléfonos inteligentes ” , MobiSys , vol. Actas del 12,2014( leer en línea )
(en) X. Tan, S. Chen, ZH. Zhou y F. Zhang, " Reconocimiento facial a partir de una sola imagen por persona: una encuesta " , Science Direct , vol. 39,2006( DOI doi: 10.1016 / j.patcog.2006.03.013 , leer en línea )
(en) R. Jenkins y AM Burton, " 100% de precisión en el reconocimiento automático de rostros " , Science Mag , vol. 319,2008( DOI 10.1126 / science.1149656 , leer en línea )
(en) Andrea F. Abate, Michele Nappi, Daniel Riccio y Gabriele Sabatino, “ Reconocimiento facial 2D y 3D: una encuesta ” , Science Direct , vol. 28,2007( DOI 10.1016 / j.patrec.2006.12.018 , leer en línea )
(en) A. Pentland, “ Eigenspaces modulares y basados en vistas para el reconocimiento facial ” , IEEE , vol. Conferencia sobre Visión por Computador y Reconocimiento de Patrones,1994( ISBN 0-8186-5825-8 , ISSN 1063-6919 , DOI 10.1109 / CVPR.1994.323814 , leer en línea )
(en) W. Zhao, R. Chellappa, PJ Phillips y A. Rosenfeld, “ Reconocimiento facial: una encuesta bibliográfica ” , Encuestas de computación de ACM , vol. 35,2003, p. 399-458 ( ISSN 0360-0300 , DOI 10.1145 / 954339.954342 , leer en línea )
(en) Jiangwei Li, Yunhong Wang, Tieniu Tan y Anil K. Jain, “ Detección de rostros en vivo basada en el análisis de espectros de Fourier ” , Tecnología biométrica para la identificación humana , vol. Tecnología biométrica para la identificación humana,2004( DOI 10.1117 / 12.541955 , leer en línea )
(en) KI Chang y W. Bowyer, “ Coincidencia de múltiples regiones de la nariz para el reconocimiento facial en 3D con diferentes expresiones faciales ” , IEEE , vol. Transacciones sobre análisis de patrones e inteligencia de máquinas 28,2006, p. 1695 - 1700 ( ISSN 0162 hasta 8828 , DOI 10.1109 / TPAMI.2006.210 , leer on-line )
(en) Volker Blanz y Thomas Vetter, " Reconocimiento facial basado en la adaptación de un modelo 3D Morphable " , IEEE , vol. Transacciones sobre análisis de patrones e inteligencia de máquinas 25,2003, p. 1063 - 1074 ( ISSN 0162-8828 , DOI 10.1109 / TPAMI.2003.1227983 , leer on-line )
(en) Chaua C. Queirolo, Luciano Silva, Olga RP Bellon y Mauricio Pamplona Segundo, “ Reconocimiento facial 3D mediante recocido simulado y la medida de interpenetración superficial ” , IEEE , vol. Transacciones sobre análisis de patrones e inteligencia de máquinas 32,2010, p. 206-219 ( ISSN 0162-8828 , DOI 10.1109 / TPAMI.2009.14 , leer en línea )
(en) Gang Pan, Lin Sun, Zhaohui Wu y Shihong Lao, “ Anti-spoofing basado en el parpadeo en el reconocimiento facial de una cámara web genérica ” , IEEE , vol. Visión por computadora 11,2007, p. 1-8 ( ISBN 978-1-4244-1630-1 , ISSN 1550-5499 , DOI 10.1109 / ICCV.2007.4409068 , leer en línea )
(en) M. Lalonde, D. Byrns, L. Gagnon, N. Teasdale y D. Laurensdeau, “ Detección de parpadeo en tiempo real con seguimiento SIFT basado en GPU ” , IEEE , vol. IV Conferencia Canadiense Computer and Robot Vision,2007, p. 481-487 ( ISBN 0-7695-2786-8 , DOI 10.1109 / CRV.2007.54 , leer en línea )
(en) AK Singh, P. Joshi y GC Nandi, “ Reconocimiento facial con detección de vivacidad mediante el movimiento de los ojos y la boca ” , IEEE , vol. Propagación de señales y tecnología informática (ICSPCT),2014, p. 592-597 ( ISBN 978-1-4799-3139-2 , DOI 10.1109 / ICSPCT.2014.6884911 , leer en línea )
(es) Jiamin Bai, Tian-Tsong Ng, Xinting Gao y Yun-Qing Shi, “ ¿Es realmente posible la detección de vitalidad basada en la física con una sola imagen? ” , IEEE , vol. Circuitos y sistemas (ISCAS),2010, p. 3425-3428 ( ISBN 978-1-4244-5308-5 , DOI 10.1109 / ISCAS.2010.5537866 , leer en línea )
(en) Robert W. Frischholz y Ulrich Dieckmann, “ Un sistema de identificación biométrica multimodal ” , BioID , vol. 33,2000( leer en línea )
(en) Z. Hammal ,, N. Eveno y A. Caplier, “ Modelos paramétricos para la segmentación de rasgos faciales ” , ScienceDirect , vol. Volumen de procesamiento de señal 86,2006( DOI doi: 10.1016 / j.sigpro.2005.06.006 , leer en línea )
(en) N. Erdogmus y S. Marcel, “ Reconocimiento facial falso con máscaras 3D ” , IEEE , vol. Información forense y seguridad, transacciones IEEE en (Volumen: 9, Número: 7) Compendio de biometría,2013( ISSN 1556-6013 , DOI 10.1109 / TIFS.2014.2322255 , leer en línea )

Programa de radio

Jacques Monin, "Cuando el reconocimiento facial en Francia avanza enmascarado" , France Inter, Información secreta, 2 de enero de 2021

Documental

Sylvain Louvet, " Todos observados: 7 mil millones de sospechosos " , en arte.tv ,14 de abril de 2020

Enlace externo

(in) Portal de reconocimiento facial