Nawet kominiarka może nie wystarczyć: AI rozpozna zamaskowanych

Maszyny stają się dziś lepsze od ludzi w czynnościach, którejeszcze do niedawna uważano za domenę czysto ludzką – taką jakrozpoznawanie ludzkich twarzy. Dziś sztuczne sieci neuronowepotrafią już rozpoznawać tożsamość zamaskowanych osób,uchwyconych na ulicznym monitoringu. Wszystko to dziękiprzetwarzaniu ogromnych zbiorów danych i wychwytywaniu subtelnychznaczników. Czy zatem w przyszłości inteligentne miasta patrzącna swoich mieszkańców będą błyskawicznie ich rozpoznawać?

Brytyjscy i hinduscy informatycy chwalą się wykorzystaniemkonwolucyjnej (splotowej) sieci neuronowej do rozpoznawaniazamaskowanych twarzy. Sieci takie, inspirowane w swojej architekturzebudową kory wzrokowej wyższych ssaków, uczą się cechniezmienniczych na translacje w zadanym zbiorze danych.

Ta ich własność została wykorzystana podczas prac opisanych wartykule pt. *DisguisedFace Identification (DFI) with Facial KeyPoints using Spatial FusionConvolutional Network. *Dotyczyon rozwiązania problemu identyfikacji twarzy zakrytych, to jestprzesłoniętych kapturami, okularami przeciwsłonecznymi, brodamiczy kaskami.

W tym celu sieć neuronowątrenowano na obrazach przedstawiajacych twarze tak zamaskowanychludzi. Na każdej z twarzy wyróżniono 14 znaczników: 10 dookołaoczu, jeden na nosie, trzy na ustach.

Znaczniki te połączone zostająw gwiaździstą strukturę, której właściwości (odległości ikąty między wierzchołkami) są unikatowe dla każdej twarzy. Siećuczy się identyfikować taką strukturę nawet dla twarzyprzesłoniętych, odnajdując charakterystyczne piksele wniezasłoniętych obszarach. W ten sposób w większości przypadkówudaje się utworzyć charakterystyczny „odcisk twarzy”.

Następnie wystarczy już tylkoporównać taki odcisk twarzy ze strukturami utworzonymi ze zdjęćnieprzesłoniętych twarzy, pozyskanych np. z policyjnych czypaszportowych kartotek. Dla nich stworzenie gwiaździstych strukturidentyfikacyjnych jest jeszcze łatwiejsze. Wysokie podobieństwooznacza trafienie – nagrany przez monitoring napastnik w kominiarcezostaje z wysoką dozą prawdopodobieństwa zdemaskowany.

Jak wysoką? O ile w warunkachlaboratoryjnych udało się uzyskać bardzo dobre wyniki, to jużrzeczywistość trochę utrudnia pracę AI. Oczywiście im bardziejprzesłonięta twarz, tym trudniej rozpoznać osobę. O ile samoosobę w czapce z daszkiem można zidentyfikować w 90% przypadków,to już kombinacja czapki z daszkiem, okularów i chusty na twarzzmniejsza prawdopodobieństwo rozpoznania do 55%, a jeśli wszystkodzieje się w skomplikowanej scenerii, pełnej innych obiektów, tojuż tylko 43%.

Badacze zwracają uwagę na to,że szkolenie sieci jest bardzo kosztowne – trzeba korzystać zaktorów, wykorzystujących różne formy maskowania, w różnychpozach. Do tego zbiory danych są zorientowane na charakterystyczneantropologicznie cechy twarzy ludzi różnych ras, nie można więcłatwo przenosić ich między krajami. Niemniej jednak takieosiągnięcie wzbudzi niewątpliwie duże zainteresowanie tychwszystkich państw, które w imię bezpieczeństwa publicznegopokrywają każdy zakątek monitoringiem. Pieniądze na takieprojekty zawsze się znajdą, a wraz ze wzrostem mocy obliczeniowejkomputerów i jakości obrazu z kamer, rozpoznanie i zidentyfikowanienormalnie maskujących się uczestników zamieszek czy demonstracjistanie się znacznie łatwiejsze.

W tej sytuacji ludziom pozostaniejuż tylko noszenie masek na całą twarz, uniemożliwiającychpozyskanie ich charakterystycznych cech – takich jak choćbyulubiona przez Anonimowych maska Guya Fawkesa.