Análise de abordagem baseada em rede convolucional aplicada a soluções de reconhecimento facial frontal

Abstract

A tecnologia de reconhecimento facial vem constantemente sendo empregada nos mais diversos setores, desde análise de expressões faciais para medir satisfação do cliente em lojas, autorização de pagamentos, autenticação de login de celulares e até instrumento policial de identificação de criminosos. De um modo resumido, a técnica consiste em, a partir de uma imagem obtida por uma câmera identificar rostos contidos naquele foto e confrontá-los com uma base de dados de faces cadastradas previamente no sistema. A partir de avanços em termos de algoritmos e e hardwares obtidos nos últimos anos, foi possível disponibilizar através de celulares modernos soluções para verificação e reconhecimento facial. O presente trabalho visa aprofundar a análise de uma solução de reconhecimento facial fazendo o uso da Rede Neural Convolucional FaceNet, serão avaliadas diferentes bases públicas(AR Dataset, Labeled Face in the Wild, CelebFaces e ExtendedYale) e uma base privada. O estudo procurou validar a utilização da FaceNet nessa base privada, com grande quantidade de faces, além de avaliar efeito da oclusão parcial em rostos nas bases públicas a partir do uso de máscaras faciais, tendo em vista o cenário de pandemia de Covid-19 que massificou a utilização desse item. Por meio de um fluxo inicial de detecção facial utilizando o método HOG, foi possível fazer uma análise exploratória dos dados de faces da base privada, medindo sua qualidade. Ainda utilizando HOG, também foi possível gerar máscaras faciais de forma artificial, utilizando a técnica MaskTheFace. Por fim, foi aplicada a rede FaceNet com pesos pré-treinados em ambas as bases para o problema, obtendo ótimos resultados utilizando diferentes de distâncias vetoriais (Euclidiana, Manhatthan e distância dos cossenos) por meio do algoritmo de baseado em grafos que superam 90% de acurácia nos casos sem oclusão. Para casos com oclusão parcial da face, a mesma técnica empregada alcançou resultados de acurácia de aproximadamente 60% nos melhores casos