Recunoaștere facială

Recunoașterea facială identifică persoanele pe baza trăsăturilor faciale distinctive, folosind tehnici precum eigenfaces, analiza trăsăturilor și rețelele neuronale, dar se confruntă cu provocări semnificative de acuratețe și confidențialitate în utilizarea reală.

Un mediu inteligent este acela capabil să identifice persoanele, să interpreteze acțiunile acestora și să reacționeze corespunzător. Astfel, unul dintre cele mai importante elemente de bază ale mediilor inteligente este un sistem de identificare a persoanelor. Dispozitivele de recunoaștere facială sunt ideale pentru astfel de sisteme, deoarece au devenit recent rapide, ieftine și discrete, iar atunci când sunt combinate cu recunoașterea vocală, sunt foarte robuste la schimbările din mediu. Mai mult, deoarece oamenii se recunosc reciproc în primul rând după față și voce, se simt confortabil interacționând cu un mediu care face același lucru.

Sistemele de recunoaștere facială se bazează pe programe de calculator care analizează imagini ale fețelor umane în scopul identificării lor. Programele preiau o imagine facială, măsoară caracteristici precum distanța dintre ochi, lungimea nasului și unghiul maxilarului, și creează un fișier unic numit "șablon" (template). Folosind șabloane, software-ul compară apoi acea imagine cu o altă imagine și produce un scor care măsoară cât de similare sunt imaginile între ele. Surse tipice de imagini pentru recunoașterea facială includ semnale de la camere video și fotografii preexistente, precum cele din bazele de date ale permiselor de conducere.

Spre deosebire de alte sisteme biometrice, recunoașterea facială poate fi folosită pentru supraveghere generală, de obicei în combinație cu camere video publice. Există până acum trei astfel de utilizări ale recunoașterii faciale în SUA. Prima este în aeroporturi, unde a fost propusă — și, în câteva cazuri, adoptată — în urma atacurilor teroriste din 11 septembrie. Aeroporturile care au anunțat adoptarea tehnologiei includ Aeroportul Logan din Boston, Aeroportul T.F. Green din Providence, R.I., Aeroportul Internațional din San Francisco și Aeroportul Fresno din California.

O a doua utilizare a tehnologiei a fost la Super Bowl 2001, din Tampa, unde au fost făcute fotografii fiecărui spectator la intrarea în stadion, prin porțile turnichet, și comparate cu o bază de date de un tip nedivulgat. Autoritățile nu au dezvăluit cine se afla în acea bază de date, dar software-ul a semnalat 19 persoane. Poliția a indicat că unele dintre acestea au fost alarme false, iar nicio persoană semnalată de sistem nu a fost mai mult decât un infractor minor, precum un revânzător de bilete. Rapoartele de presă indică faptul că autoritățile din New Orleans luau în considerare folosirea acesteia din nou la Super Bowl 2002.

Tehnologia a fost desfășurată și într-o parte a orașului Tampa, Ybor City, care a instalat camere pe trotuarele publice aglomerate, cu speranța de a depista infractori. La fel ca la Super Bowl, nu este clar ce criterii au fost folosite pentru includerea fotografiilor în baza de date. Operatorii nu au prins încă niciun infractor. În plus, în Anglia, unde camerele video publice operate de poliție sunt răspândite, orașul Newham a experimentat de asemenea această tehnologie.

Calculatoarele pot face lucruri din ce în ce mai uimitoare, dar nu sunt magice. Dacă oamenii adesea nu pot identifica subiectul unei fotografii, de ce ar trebui ca un calculator să o poată face mai fiabil? Creierul uman este foarte bine adaptat pentru recunoașterea fețelor — sugarii, de exemplu, țin minte fețele mai bine decât alte tipare și preferă să privească fețele mai mult decât alte modele. Creierul uman este, de asemenea, mult mai bun decât calculatoarele în a compensa schimbările de iluminare și unghi. De fapt, fețele sunt tipare extrem de complexe, care de multe ori diferă doar în moduri subtile, și poate fi imposibil, atât pentru om, cât și pentru mașină, să potrivească imagini atunci când există diferențe de iluminare, cameră sau unghi al camerei — ca să nu mai vorbim de schimbări în aspectul feței în sine.

Nu este surprinzător că studiile guvernamentale privind software-ul de recunoaștere facială au constatat rate ridicate atât de "fals pozitive" (potrivirea greșită a unor persoane nevinovate cu fotografii din baza de date), cât și de "fals negative" (nedetectarea unor persoane, chiar dacă fotografia lor se află în baza de date). O problemă este că, spre deosebire de amprentele sau irisurile noastre, fețele noastre nu rămân aceleași în timp. Aceste sisteme sunt ușor derutate de schimbări în stilul părului, barbă/mustață sau greutate corporală, de deghizări simple și de efectele îmbătrânirii.

Un studiu realizat de Institutul Național de Standarde și Tehnologie (NIST) al guvernului american, de exemplu, a constatat rate de fals-negativ pentru verificarea prin recunoaștere facială de 43 la sută, folosind fotografii ale subiecților realizate cu doar 18 luni mai devreme. Iar acele fotografii au fost realizate în condiții perfecte — semnificativ, deoarece software-ul de recunoaștere facială se descurcă foarte prost la modificări de iluminare, unghi de cameră sau imagini cu fundaluri aglomerate. Studiul NIST a constatat, de asemenea, că o schimbare de 45 de grade a unghiului camerei a făcut software-ul inutilizabil. Tehnologia funcționează cel mai bine în condiții strict controlate, când subiectul privește direct spre cameră, sub lumină puternică — deși un alt studiu realizat de Departamentul Apărării a constatat rate mari de eroare chiar și în aceste condiții ideale. Fotografiile de supraveghere video, granulate și vechi, de tipul celor probabil existente pentru suspecții de terorism, ar fi de foarte puțin folos.

În plus, au fost ridicate întrebări privind eficiența software-ului pentru persoanele cu piele închisă la culoare, ale căror trăsături pot să nu apară clar pe lentile optimizate pentru persoane cu piele deschisă.

Samir Nanavati, de la International Biometric Group, o firmă de consultanță, rezumă astfel: "Vă puteți aștepta ca un sistem de supraveghere care folosește biometria să capteze un procent foarte, foarte mic din infractorii cunoscuți dintr-o anumită bază de date."

Mai multe agenții guvernamentale au renunțat la sistemele de recunoaștere facială după ce au constatat că nu funcționau conform așteptărilor, inclusiv Serviciul de Imigrare și Naturalizare, care a experimentat utilizarea tehnologiei pentru identificarea persoanelor din autovehicule la granița Mexic-SUA.

Totuși, guvernul deține și o bază de date uriașă, deja pregătită, de imagini faciale — fotografiile de pe permisele de conducere — și analizează cum ar putea fi utilizată. Prin lege, guvernul nu poate vinde acele fotografii unor companii private, dar nu există interdicții privind utilizarea lor în scopuri de supraveghere de către guvern însuși. Guvernul federal a început să finanțeze proiecte-pilot privind extinderea utilizării fotografiilor de pe permisele de conducere în bazele de date de recunoaștere facială.

Nu are sens să folosim recunoașterea facială în aeroporturi. Pentru început, nu există o bază de date foto a teroriștilor. Doar doi dintre cei 19 deturnatori din 11 septembrie erau cunoscuți de CIA și FBI — iar teroriștii supraviețuitori nu tocmai se înghesuie să li se facă fotografie de către guvernul SUA. În plus, tehnologia pur și simplu nu este suficient de fiabilă pentru o aplicație de securitate atât de importantă. Ar funcționa în mod deosebit de slab în mediul frenetic al unui aeroport, unde mulțimile în mișcare rapidă și imaginile de fundal aglomerate ar reduce și mai mult eficiența deja limitată. Dovezile sugerează că aceste sisteme ar rata o proporție mare din suspecții incluși în baza de date foto și ar semnala un număr uriaș de persoane nevinovate — reducând vigilența, irosind resurse umane prețioase și creând un fals sentiment de securitate.

Dacă recunoașterea facială este nejustificată în aeroporturi și la evenimente publice precum Super Bowl, utilizarea sa pentru supraveghere generală este cu atât mai nepotrivită. Amenințarea de securitate pe o stradă publică este mult mai mică decât în aeroporturi, iar studiile sociologice privind monitorizarea video în circuit închis a locurilor publice din Marea Britanie au arătat că aceasta nu a redus criminalitatea. Echilibrul dintre riscuri și beneficiile recunoașterii faciale este chiar mai nefavorabil în astfel de locații decât în aeroporturi.

O amenințare este faptul că recunoașterea facială, combinată cu utilizarea tot mai extinsă a supravegherii video, ar deveni probabil tot mai invazivă în timp. Odată instalat, acest tip de sistem de supraveghere rareori rămâne limitat la scopul său inițial. Apar noi moduri de utilizare, autoritățile sau operatorii le consideră o extindere irezistibilă a puterii lor, iar confidențialitatea cetățenilor suferă o nouă lovitură. În cele din urmă, amenințarea este că supravegherea extinsă va schimba caracterul, atmosfera și calitatea vieții de zi cu zi.

O altă problemă este amenințarea abuzului. Utilizarea recunoașterii faciale în locuri publice precum aeroporturile depinde de monitorizarea video extinsă, o formă intruzivă de supraveghere care poate înregistra în detaliu comportamente personale și private. Iar experiența ne arată că monitorizarea video va fi folosită abuziv. La urma urmei, sistemele de camere video sunt operate de oameni, care aduc în această activitate toate prejudecățile și părtinirile lor existente. În Marea Britanie, de exemplu, care a experimentat instalarea pe scară largă a camerelor video în circuit închis în locuri publice, s-a constatat că operatorii de camere se concentrează disproporționat asupra persoanelor de culoare, iar operatorii, în majoritate bărbați, se concentrează frecvent voyeurist asupra femeilor.

Deși supravegherea video de către poliție nu este la fel de răspândită în SUA, o investigație a ziarului Detroit Free Press (și o continuare a acesteia) arată tipul de abuzuri care se pot întâmpla. Analizând modul în care a fost folosită o bază de date disponibilă organelor de aplicare a legii din Michigan, ziarul a constatat că unii ofițeri au folosit-o pentru a-și ajuta prietenii sau pe ei înșiși să urmărească femei, să amenințe șoferi, să urmărească soți/soții separați(e) — chiar pentru a intimida adversari politici. Adevărul inevitabil este că, cu cât mai multe persoane au acces la o bază de date, cu atât este mai probabil să existe abuzuri.

Recunoașterea facială este în mod special expusă abuzului, deoarece poate fi folosită într-un mod pasiv, care nu necesită cunoștința, consimțământul sau participarea subiectului. Este posibil să instalezi o cameră oriunde și să o îndrepți spre oameni; camerele moderne pot capta cu ușurință fețe de la peste 100 de metri distanță. Oamenii se comportă diferit atunci când sunt observați și au dreptul să știe dacă mișcările și identitățile lor sunt captate.

Recunoașterea facială — sau orice altă tehnologie de securitate — nu ar trebui implementată până când nu se răspunde la două întrebări. În primul rând, este tehnologia eficientă? Ne crește semnificativ siguranța și securitatea? Dacă răspunsul este nu, orice altă discuție este lipsită de sens. Dacă răspunsul este da, trebuie apoi întrebat dacă tehnologia încalcă echilibrul adecvat dintre securitate și libertate. De fapt, recunoașterea facială eșuează la ambele criterii: pentru că nu funcționează fiabil, nu ne va proteja semnificativ securitatea — dar ar reprezenta o amenințare semnificativă pentru confidențialitatea noastră.

Având în vedere cerința de a determina identitatea persoanelor, întrebarea evidentă este care tehnologie este cea mai potrivită pentru a furniza aceste informații? Există multe tehnologii de identificare diferite disponibile, multe dintre ele fiind folosite comercial pe scară largă de ani de zile. Cele mai comune metode actuale de verificare și identificare a persoanelor sunt sistemele cu parolă/PIN (Personal Identification Number) și sistemele cu token (precum permisul de conducere). Deoarece astfel de sisteme au probleme cu falsificarea, furtul și lapsusurile de memorie ale utilizatorilor, s-a dezvoltat un interes considerabil pentru sistemele de identificare biometrică, care folosesc tehnici de recunoaștere a modelelor pentru a identifica persoanele pe baza caracteristicilor lor fiziologice. Amprentele digitale sunt un exemplu clasic de biometrie; tehnologiile mai noi includ recunoașterea retinei și a irisului.

Deși potrivite pentru tranzacții bancare și accesul în zone securizate, astfel de tehnologii au dezavantajul de a fi intruzive atât fizic, cât și social. Ele necesită ca utilizatorul să își poziționeze corpul în raport cu senzorul și apoi să facă o pauză de o secundă pentru a se "declara". Această interacțiune de tip "pauză și declarare" este puțin probabil să se schimbe, din cauza detectării spațiale fine necesare. Mai mult, există un aspect "de tip oracol" în interacțiune: deoarece oamenii nu se pot recunoaște reciproc folosind acest tip de date, aceste tipuri de identificare nu au un loc firesc în interacțiunile umane normale și în structurile sociale.

Deși interacțiunea de tip "pauză și prezentare" și percepția de tip oracol sunt utile în aplicații de securitate ridicată (fac sistemele să pară mai precise), sunt exact opusul a ceea ce este necesar atunci când se construiește un magazin care își recunoaște cei mai buni clienți, un chioșc de informații care te ține minte sau o casă care își cunoaște locatarii.

Recunoașterea facială din video și recunoașterea vocală au un loc natural în aceste medii inteligente de generație următoare — sunt discrete (capabile să recunoască de la distanță, fără a necesita o interacțiune de tip "pauză și prezentare"), sunt de obicei pasive (nu necesită generarea unei iluminări electromagnetice speciale), nu restricționează mișcarea utilizatorului și sunt acum atât cu consum redus de energie, cât și ieftine. Poate cel mai important lucru, totuși, este că oamenii se identifică reciproc după față și voce, așadar este probabil să se simtă confortabil cu sisteme care folosesc recunoașterea facială și vocală.

Recunoașterea facială utilizează trăsături distinctive ale feței — inclusiv contururile superioare ale orbitelor ochilor, zonele din jurul pomeților, colțurile gurii și poziția nasului și ochilor — pentru a efectua verificarea și identificarea. Majoritatea tehnologiilor sunt oarecum rezistente la schimbări moderate ale coafurii, deoarece nu utilizează zone ale feței situate în apropierea liniei părului. Atunci când este folosită în modul identificare, tehnologia de recunoaștere facială returnează în general liste de candidați cu potriviri apropiate, spre deosebire de returnarea unei singure potriviri definitive (așa cum fac tehnologiile de amprentă digitală și scanare a irisului).

Performanța tehnologiei de recunoaștere facială este foarte strâns legată de calitatea imaginii faciale. Imaginile de calitate scăzută sunt mult mai predispuse să genereze erori de înregistrare și potrivire decât imaginile de calitate ridicată. De exemplu, multe baze de date de fotografii asociate permiselor de conducere sau pașapoartelor conțin fotografii de calitate marginală, astfel încât importarea acestor fișiere și efectuarea potrivirilor poate duce la o acuratețe redusă. Probleme similare, bine cunoscute, există și în implementările de supraveghere. Dacă imaginile faciale pentru înregistrare și potrivire pot fi achiziționate de la subiecți în timp real, cu echipamente de înaltă calitate, performanța sistemului crește substanțial. Pentru recunoașterea facială la distanțe ușor mai mari decât cele normale, există o corelație puternică între calitatea camerei și capacitățile sistemului.

Ca la orice tip de biometrie, patru pași — captarea mostrei, extragerea trăsăturilor, compararea șabloanelor și potrivirea — definesc fluxul procesului tehnologiei de scanare facială. Înregistrarea constă în general într-un proces de 20-30 de secunde, în cadrul căruia sunt realizate mai multe fotografii ale feței. În mod ideal, seria de fotografii va include unghiuri ușor diferite și expresii faciale diferite, pentru a permite o potrivire mai precisă. După înregistrare, sunt extrase trăsăturile distinctive (sau sunt generate imagini globale de referință), rezultând crearea unui șablon. Șablonul este mult mai mic decât imaginea din care este derivat: imaginile faciale pot necesita 15-30kb, în timp ce șabloanele variază între 84 și 3000 de bytes. Șabloanele mai mici sunt de obicei folosite pentru potrivirea 1:N.

Verificarea și identificarea urmează aceiași pași. Presupunând că publicul este cooperant (spre deosebire de cel necooperant sau non-cooperant), utilizatorul "pretinde" o identitate printr-un nume de utilizator sau un token, stă în picioare sau șezând în fața camerei câteva secunde și este fie potrivit, fie nepotrivit. Această comparație se bazează pe similitudinea dintre șablonul de potrivire nou creat și șablonul (șabloanele) de referință existent(e). Punctul în care două șabloane sunt suficient de similare pentru a fi considerate o potrivire, cunoscut drept prag (threshold), poate fi ajustat pentru diferit personal, PC-uri, momente ale zilei și alți factori.

Proiectarea sistemului pentru verificarea prin scanare facială diferă de cea pentru identificare în mai multe moduri. Diferența principală este că identificarea nu utilizează o identitate declarată. În loc să folosească un PIN sau un nume de utilizator, urmate de confirmarea sau infirmarea afirmației, sistemele de identificare încearcă să răspundă la întrebarea "Cine sunt eu?" Dacă în baza de date există doar câțiva înscriși, această cerință nu este solicitantă; pe măsură ce bazele de date devin foarte mari, ajungând la zeci și sute de mii, această sarcină devine mult mai dificilă. Este posibil ca sistemul să poată doar restrânge baza de date la un număr de candidați probabili. Poate fi apoi necesară intervenția umană în etapele finale de verificare.

O a doua variabilă în identificare este dinamica dintre subiecții țintă și dispozitivul de captare. În verificare, se presupune un public cooperant, alcătuit din subiecți motivați să folosească sistemul corect. Sistemele de scanare facială, în funcție de tipul exact de implementare, pot fi de asemenea necesar de optimizat pentru subiecți non-cooperanți și necooperanți. Subiecții non-cooperanți nu sunt conștienți că există un sistem biometric, sau nu le pasă, și nu depun niciun efort fie pentru a fi recunoscuți, fie pentru a evita recunoașterea. Subiecții necooperanți evită în mod activ recunoașterea și pot folosi deghizări sau lua măsuri evazive. Tehnologiile de scanare facială sunt mult mai capabile să identifice subiecți cooperanți și sunt aproape complet incapabile să identifice subiecți necooperanți.

Cele patru metode principale folosite de furnizorii de soluții de recunoaștere facială pentru a identifica și verifica subiecții includ eigenfaces, analiza trăsăturilor, rețeaua neuronală și procesarea automată a feței. Unele tipuri de tehnologie de scanare facială sunt mai potrivite decât altele pentru aplicații precum criminalistica, accesul la rețea și supravegherea.

"Eigenface," tradus aproximativ ca "propria față," este o tehnologie brevetată la MIT, care utilizează imagini bidimensionale, globale, în tonuri de gri, reprezentând caracteristici distinctive ale unei imagini faciale. Variantele de eigenface sunt folosite frecvent ca bază pentru alte metode de recunoaștere facială.



Așa cum sugerează grafica, caracteristicile distinctive ale întregii fețe sunt evidențiate pentru a fi folosite în autentificările viitoare. Marea majoritate a fețelor pot fi reconstruite prin combinarea trăsăturilor a aproximativ 100-125 de eigenfaces. La înregistrare, eigenface-ul subiectului este mapat la o serie de numere (coeficienți). Pentru autentificarea 1-la-1, în care imaginea este folosită pentru a verifica o identitate declarată, șablonul "live" este comparat cu șablonul înregistrat pentru a determina variația coeficienților. Gradul de variație față de șablon va determina, desigur, acceptarea sau respingerea. Pentru identificarea 1-la-mulți, se aplică același principiu, dar cu un set de comparație mult mai mare. Ca și în cazul tuturor tehnologiilor de recunoaștere facială, tehnologia eigenface este utilizată cel mai bine în situații de captare a imaginii frontale, bine iluminate.

Analiza trăsăturilor este probabil cea mai utilizată tehnologie de recunoaștere facială. Această tehnologie este înrudită cu eigenface, dar este mai capabilă să se adapteze la schimbări ale aspectului sau expresiei faciale (zâmbet vs. încruntare, de exemplu). Visionics, o companie proeminentă de recunoaștere facială, folosește Analiza Locală a Trăsăturilor (Local Feature Analysis - LFA), care poate fi rezumată ca un "set ireductibil de elemente constitutive." LFA utilizează zeci de trăsături din diferite regiuni ale feței și include, de asemenea, poziția relativă a acestor trăsături. Trăsăturile extrase (foarte mici) sunt elemente constitutive, iar atât tipul acestor elemente, cât și aranjarea lor sunt folosite pentru identificare/verificare. Aceasta anticipează faptul că mișcarea ușoară a unei trăsături situate aproape de gură va fi însoțită de o mișcare relativ similară a trăsăturilor adiacente. Deoarece analiza trăsăturilor nu este o reprezentare globală a feței, poate accepta unghiuri de până la aproximativ 25° în plan orizontal și aproximativ 15° în plan vertical. Desigur, o imagine video frontală, luată de la o distanță de aproximativ un metru, va fi cea mai precisă. Analiza trăsăturilor este suficient de robustă pentru a efectua căutări 1-1 sau 1-la-mulți.

În tehnologia de mapare prin rețea neuronală, trăsăturile ambelor fețe — cea de la înregistrare și cea de la verificare — "votează" dacă există o potrivire. Rețelele neuronale folosesc un algoritm pentru a determina similitudinea trăsăturilor globale unice ale feței live față de cea înregistrată sau de referință, folosind cât mai mult posibil din imaginea facială. Un vot incorect, adică o potrivire falsă, determină algoritmul de potrivire să modifice ponderea pe care o acordă anumitor trăsături faciale. Această metodă, teoretic, duce la o capacitate crescută de a identifica fețe în condiții dificile. Ca și în cazul tuturor tehnologiilor principale, recunoașterea facială prin rețea neuronală poate efectua potriviri 1-1 sau 1-la-mulți.

Procesarea Automată a Feței (Automatic Face Processing - AFP) este o tehnologie mai rudimentară, care folosește distanțe și rapoarte de distanțe între trăsături ușor de achiziționat, precum ochii, vârful nasului și colțurile gurii. Deși, în ansamblu, nu este la fel de robustă ca eigenfaces, analiza trăsăturilor sau rețeaua neuronală, AFP poate fi mai eficientă în situații de captare a imaginii frontale, slab iluminate.

Recunoașterea facială este implementată în aplicații de identificare a cetățenilor la scară largă, aplicații de supraveghere, aplicații pentru aplicarea legii, precum stațiile de înregistrare a suspecților, și chioșcuri (kiosk-uri). Este cel mai adesea implementată în medii 1:N, căutând în baze de date de imagini faciale potriviri apropiate. Recunoașterea facială nu este la fel de eficientă la verificarea 1:1; furnizorii de soluții de recunoaștere facială au încercat să pătrundă pe piața de autentificare pe desktop, dar tehnologia nu este optimizată pentru autentificarea pe desktop.

Descrierea Proiectului	Locație	Furnizor	Sector Vertical	Aplicație Orizontală	Descrierea Aplicației	Descriere Suplimentară
Manchester, NH Viisage	US-NH	Viisage	Călătorii și Transport	Supraveghere/ Screening	Screening	Al 4-lea aeroport din SUA care adoptă soluția
Cognitec 'SmartGate' Aeroportul Sydney	Australia	Cognitec	Călătorii și Transport	Acces Fizic/Pontaj	Acces Fizic	6.000 membri echipaj Qantas, pe baza citirii pașaportului
Supraveghere Virginia Beach	US-VA	Identix	Aplicarea Legii	ID Infracțional	Supraveghere	Bază de date cu 600 de imagini, 10 subiecți, rată de alarmă acceptată de operator
Aeroportul Berlin	Germania	ZN	Călătorii și Transport	Acces Fizic/Pontaj	Acces Fizic	Terminal de recunoaștere facială; șablon stocat pe card inteligent (SC)
Programul Diversity Visa	US-MA	Viisage	Guvern	ID Civil	ID Imigrare	Imaginea introdusă inițial în sistem la momentul înregistrării green card-ului, pentru a preveni cererile duplicate, folosită ulterior pentru verificarea de securitate
Permis de Conducere CO	US-CO	Identix	Guvern	ID Civil	Permis	detectarea înregistrărilor duplicate
Aeroportul Zurich - Recunoaștere facială	Elveția	C-VIS	Călătorii și Transport	Supraveghere/ Screening	Screening	Sistem operat de Poliția Aeroportului Zurich; vizează imigranți ilegali din Africa de Vest, Orientul Mijlociu și Asia
Departamentul de Poliție al orașului Brentwood	US-CA	Imagis	Aplicarea Legii	ID Infracțional	Criminalistică	Sistemele ID-2000 și CABS integrate în Sistemul de Management al Evidențelor (RMS) de la Data911

Se așteaptă ca tehnologia de recunoaștere facială să crească rapid, pe măsură ce clienții o implementează pentru aplicații de identificare penală și civilă, inclusiv supraveghere și screening, până în 2007. Creșterea veniturilor va fi atribuibilă în principal utilizării în proiecte de identificare la scară largă, în care imagistica facială are deja loc, iar tehnologia poate valorifica procesele existente, precum eliberarea permiselor de conducere, aplicațiile de eliberare a pașapoartelor și înregistrarea alegătorilor. În plus, se așteaptă ca utilizarea tehnologiei de recunoaștere facială în aplicații de supraveghere să crească semnificativ, atât în sectorul public, cât și în cel privat. Datorită capacității sale unice de a efectua supraveghere, precum și faptului că imaginile faciale sunt achiziționate ca parte a aproape oricărui proces de emitere de documente și acte de identitate, recunoașterea facială are șanse mari să beneficieze de deciziile de implementare de după 11 septembrie. Veniturile din recunoașterea facială sunt estimate să crească de la 34,4 milioane $ în 2002 la 429,1 milioane $ în 2007 și se așteaptă să reprezinte aproximativ 10% din întreaga piață a biometriei.

Linkuri Externe

http://www.cs.colostate.edu/evalfacerec

http://www.dodcounterdrug.com/facialrecognition/FERET/feret.htm