Una máquina que te conoce a la cara
2011/03/19 Lakar Iraizoz, Oihane - Elhuyar Zientzia
![](Images/D110319-3.jpg)
Los seres humanos tenemos cerca de 100 mil millones de neuronas en el cerebro. Entrelazados forman una amplia red. Gracias al trabajo de las neuronas podemos asimilar y comprender lo que percibimos a nuestro alrededor y a partir de esta información vamos acumulando conocimiento. De hecho, todas las cosas que aprendemos quedan atrapadas en la red neuronal.
Ibermatica ha desarrollado en Zamudio un sistema que imita la forma de actuar de nuestro cerebro para desarrollar diferentes aplicaciones. El sistema cuenta con redes neuronales artificiales que básicamente organizan el mundo que enseñan al sistema, "como nosotros organizamos para diferenciar farolas, animales y árboles que vemos en el monte o en la calle", explica Aitor Moreno.
Ibermatica está desarrollando este sistema para aplicaciones concretas. En uno de los usos se pretende que el sistema se sitúe en la entrada de los edificios para permitir el acceso exclusivo de las personas registradas. El sistema debe conocer las caras de las personas autorizadas, abriendo automáticamente la barrera a las personas conocidas.
![](Images/D110319-1.jpg)
El núcleo del sistema, la enseñanza
¿Cómo se puede conseguir que una máquina sea capaz de ver una cara y conocerla rápidamente? El primer paso es enseñar al sistema quiénes son las personas para que procese la información de cada una de ellas. "A través de varias fotos de la persona que queremos registrar", explica Maitane Garmendia, de Ibermatica.
Al pasar las fotos al ordenador, el sistema convierte los colores en gris, es decir, cambia a blanco y negro. A continuación introduce cada foto en una matriz de 64 x 64 cuadraditos en la que se almacena la información de cada foto. De alguna manera convierte la fotografía en un gran cuadrado de 64 x 64 cuadraditos.
Incluyen varias fotos de cada persona en el sistema y repiten el proceso con cada una de ellas. "Así conseguimos formar el sistema", dice Garmendia. Las fotografías han sido tomadas en diferentes posiciones para que el sistema interiorice las principales características de esta persona. "Esto es posible gracias a la estructuración de la red en la que se basa", explica Moreno.
A medida que va introduciendo las fotos, va aprendiendo el sistema. También comete errores. Con lo que ha aprendido, cuando recibe una imagen, la clasifica y si no acierta se crea un error. Sobre este error tienen que volver a decirle cuál es la buena clasificación, y así, "formamos poco a poco", dice Garmendia. Cuantos más intentos haya, más errores cometerá el sistema y, gracias a la corrección, cada vez conocerá mejor los elementos que le llegan.
Cada vez que se muestra una nueva foto, la compara con las fotos que tiene acumuladas. Si se asegura la similitud en un porcentaje alto entre las características de dos fotografías, permitirá al trabajador avanzar. En caso contrario, no permitirá el acceso al edificio.
![](Images/D110319-2.jpg)
Más que controlar el acceso
Además de permitir el paso de las personas, este sistema desarrollado en Ibermatica puede ser utilizado para otras muchas cosas. Por ejemplo, para evitar el fraude en los supermercados. A la hora de pasar por caja, se puede utilizar para controlar que se cobra el producto real y evitar, por ejemplo, sustituir la etiqueta de un producto más barato por una etiqueta más cara. Los cobradores normalmente no disponen de tiempo para verificarlos y pueden tener un sistema auxiliar de neuronas artificiales. El sistema, mediante una cámara en caja, detecta la apariencia del producto y comprueba si la etiqueta que tiene colocada es la que le corresponde. El sistema aprende el aspecto exterior de los paquetes y contenidos, evitando así el fraude.
Todas estas aplicaciones pueden estar presentes en el sistema debido a la entrada repetida de imágenes. La inclusión de muchas fotografías de una persona o producto concreto permitirá asociarlas de forma más fiable y con mayor confianza a lo que el sistema debe identificar las principales características que percibe.
Como todo, sólo hay que repetir esta formación hasta un punto. Y es que "si se meten más fotos de las necesarias, el sistema deja de inferir y aprende", explica Garmendia. Por ejemplo, si al sistema se le dice muchas veces que una persona es esa persona, y si esa persona deja estirar la barba un día, por ejemplo, el sistema no lo reconocerá. Y es que, mientras no encuentre la imagen exacta de esa persona, no decidirá que es esa persona.
Publicado en Ortzadar
![](https://elia.eus/static/elhuyar/img/elia_RGB.png)
Gai honi buruzko eduki gehiago
Elhuyarrek garatutako teknologia