Sim

one

Mar

ini

Riconoscimento di volti con tecniche 3D Riconoscimento di volti con tecniche 3D per controlli di sicurezzaper controlli di sicurezza

D.Giorgi, M.Attene, G. Patanè, D.Giorgi, M.Attene, G. Patanè, S. MariniS. Marini,, C. Pizzi, S. Biasotti, M. C. Pizzi, S. Biasotti, M. Spagnuolo, B. FalcidienoSpagnuolo, B. Falcidieno

Istituto di Matematica Applicata e Tecnologie Informatiche – CNR, Istituto di Matematica Applicata e Tecnologie Informatiche – CNR, GenovaGenova

Lisa UsaiLisa Usai

Elsag-Datamat, GenovaElsag-Datamat, Genova

Sim

one

Mar

ini

• Il controllo degli accessi ad aree riservate è fondamentale per garantire la sicurezza dei lavoratori ed in generale dei cittadini – luoghi di lavoro: lavoratori autorizzati

– luoghi pubblici: incolumità degli utenti

• Sono necessarie tecniche avanzate di identificazione biometrica

Riconoscimento facciale

Riconoscimento facciale:• Non invasivo

• Non richiede contatto

• È a prova di “dimenticanza”

Sim

one

Mar

ini

Riconoscimento facciale

• Due diversi scenari applicativi:– autenticazione: accertare se la persona che chiede l’accesso

è autorizzata (confronto uno-ad-uno)

– identificazione: verificare se chi chiede l’accesso figura tra i membri di un gruppo noto (confronto uno-a-molti)

• Procedimento comune:– creazione della galleria, cioè un database di volti di persone

conosciute (immagini o modelli 3D)

– confronto del volto da riconoscere, con i volti nella galleria

Sim

one

Mar

ini

• analisi delle immagini dei volti acquisite tramite (tele)camere

• prestazioni ottime in condizioni controllate

• affidabilità compromessa in caso di– condizioni avverse di illuminazione

– scostamento del soggetto dalla posa frontale

– cambi di espressione

– occlusione dei landmarks (ad esempio le pupille)

– tentativi di inganno tramite foto o video

Riconoscimento con tecniche 2D

…aumentare l’affidabilità con dati 3D!

Sim

one

Mar

ini

• Analisi di dati 3D ottenuti tramite scansioni laser

• Minore sensibilità alle condizioni di illuminazione

• Minore indipendenza dalla posa

• Informazione geometriche su caratteristiche fondamentali del volto (e.g. la curvatura)

Riconoscimento con tecniche 3D

Sim

one

Mar

ini

• progetto Elsag Datamat – IMATI (CNR, Genova), 2008 – 2009

• scopo: indagare le potenzialità del 3D per il controllo degli accessi in aeroporto, in relazione agli attuali sistemi 2Dcreazione di un database di modelli facciali 2D e 3Dsviluppare metodi di riconoscimento 3D affidabili validazione dei metodi proposti in relazione allo stato

dell’arte

Riconoscimento 3D: MultiTrust

Sim

one

Mar

ini

Creazione del Database• Acquisizine dei modelli facciali 2D e 3D: scanner Minolta Vivid 910

• Popolazione del datatbase: uomini, donne, diverse età, acquisizione in diversi periodi temporali

• Diversi tipi di illuminazione: normale, scarsa, laterale

• Differenti pose dello stesso soggetto: frontale, laterale, alto, basso

• Differenti espressioni dello stesso volto: neutra, sorriso, a scelta, …

• Totale: 72 modelli digitali ottenuti da 8 soggetti ognuno dei quali acquisito 9 volte

Sim

one

Mar

ini

Generazione del modello 3D1. Dalla nuvola di punti alla triangolazione

– Completamento dell'informazione acquisita (robustezza rispetto alle occlusioni)

2. Dalla trinagolazione alla normalizzazione della posizione– Il modello viene ruotato in posizione frontale (invarianza rispetto alla

posizione)

3. Smoothing e taglio geodetico – Rimozione del rumore (robustezza rispeto al rumore)

1 2 3

Sim

one

Mar

ini

Invarianza rispetto alle espressioni

• Ipotesi: la distanza geodetica tra due punti del modello rimane invariata al cambiare dell'espressione facciale

• Idea: immersione del modello dallo spazio geodetico allo spazio euclideo

• Confronto: il nuovo modello facciale mantiene le differenze geometriche tra individui diversi

Sim

one

Mar

ini

Confronto tra modelli facciali• Dal modello facciale ottenuto dall'immersione viene estratto un

descrittore geometrico– Calcolo delle armoniche sferiche

– Matrice a valori reali

• La similarità tra due modelli facciali viene stimata confrontando i corrispondenti descrittori geometrici– Distanza euclidea tra matrici a valori reali

• L'intero processo di costruzione del descrittore è efficiente– Dalla nuvola di punti al descrittore geometrico: 3.5 secondi

– Confronto tra due descrittori: 0.0015 secondi

1 2 3 4 5

Sim

one

Mar

ini

Risultati della sperimentazione

Risultati su dataset di 68 modelli

Cognitec 2D Cognitec 2D+3D SH Embedded

VR: 67.6% VR: 88.1% VR: 91.6%

Doc_ret = insieme di tutti i volti recuperatiDoc_rel = insieme dei volti rievanti

FRGC metric

VR: Verification rate @ 0.1% False Accept Rate

Sim

one

Mar

ini

Conclusioni

• Sul dataset prodotto, l’utilizzo del 3D migliora le performance di riconoscimento

• Il sistema Cognitec pare non sfruttare appieno le potenzialità offerte dal 3D

• L’utilizzo di MDS + armoniche sferiche produce i risultati migliori