Una máquina que che coñece á cara

2011/03/19 Lakar Iraizoz, Oihane - Elhuyar Zientzia

• Patenteak/Asmakizunak
• Teknologia
• Softwarea

O sistema desenvolvido por Ibermatica pode utilizarse paira permitir o acceso sen ningún tipo de cartón de identificación (Foto: Globetrotting camera).

Os seres humanos temos preto de 100 mil millóns de neuronas no cerebro. Entrelazados forman una ampla rede. Grazas ao traballo das neuronas podemos asimilar e comprender o que percibimos ao noso ao redor e a partir desta información imos acumulando coñecemento. De feito, todas as cousas que aprendemos quedan atrapadas na rede neuronal.

Ibermatica desenvolveu en Zamudio un sistema que imita a forma de actuar do noso cerebro paira desenvolver diferentes aplicacións. O sistema conta con redes neuronais artificiais que basicamente organizan o mundo que ensinan ao sistema, "como nós organizamos paira diferenciar farois, animais e árbores que vemos no monte ou na rúa", explica Aitor Moreno.

Ibermatica está a desenvolver este sistema paira aplicacións concretas. Nun dos usos preténdese que o sistema se sitúe na entrada dos edificios paira permitir o acceso exclusivo das persoas rexistradas. O sistema debe coñecer as caras das persoas autorizadas, abrindo automaticamente a barreira ás persoas coñecidas.

O sistema transforma as fotos que se lle entregan en cadrados de 64 x 64. ...

O núcleo do sistema, o ensino

Como se pode conseguir que una máquina sexa capaz de ver una cara e coñecela rapidamente? O primeiro paso é ensinar ao sistema quen son as persoas para que procese a información de cada una delas. "A través de varias fotos da persoa que queremos rexistrar", explica Maitane Garmendia, de Ibermatica.

Ao pasar as fotos ao computador, o sistema converte as cores en gris, é dicir, cambia a branco e negro. A continuación introduce cada foto nunha matriz de 64 x 64 cuadraditos na que se almacena a información de cada foto. Dalgunha maneira converte a fotografía nun gran cadrado de 64 x 64 cuadraditos.

Inclúen varias fotos de cada persoa no sistema e repiten o proceso con cada una delas. "Así conseguimos formar o sistema", di Garmendia. As fotografías foron tomadas en diferentes posicións para que o sistema interiorice as principais características desta persoa. "Isto é posible grazas á estructuración da rede na que se basea", explica Moreno.

A medida que vai introducindo as fotos, vai aprendendo o sistema. Tamén comete erros. Co que aprendeu, cando recibe una imaxe, clasifícaa e si non acerta créase un erro. Sobre este erro teñen que volver dicirlle cal é a boa clasificación, e así, "formamos aos poucos", di Garmendia. Cantos máis intentos haxa, máis erros cometerá o sistema e, grazas á corrección, cada vez coñecerá mellor os elementos que lle chegan.

Cada vez que se mostra una nova foto, compáraa coas fotos que ten acumuladas. Se se asegura a similitude nunha porcentaxe alta entre as características de dúas fotografías, permitirá ao traballador avanzar. En caso contrario, non permitirá o acceso ao edificio.

En supermercados, por exemplo, o sistema podería evitar substituír a etiqueta dun produto máis barato por unha etiqueta máis cara

Kozumel

Máis que controlar o acceso

Ademais de permitir o paso das persoas, este sistema desenvolvido en Ibermatica pode ser utilizado paira outras moitas cousas. Por exemplo, paira evitar a fraude nos supermercados. Á hora de pasar por caixa, pódese utilizar paira controlar que se cobra o produto real e evitar, por exemplo, substituír a etiqueta dun produto máis barato por unha etiqueta máis cara. Os cobradores normalmente non dispoñen de tempo paira verificalos e poden ter un sistema auxiliar de neuronas artificiais. O sistema, mediante unha cámara en caixa, detecta a aparencia do produto e comproba se a etiqueta que ten colocada é a que lle corresponde. O sistema aprende o aspecto exterior dos paquetes e contidos, evitando así a fraude.

Todas estas aplicacións poden estar presentes no sistema debido á entrada repetida de imaxes. A inclusión de moitas fotografías dunha persoa ou produto concreto permitirá asocialas de forma máis fiable e con maior confianza ao que o sistema debe identificar as principais características que percibe.

Como todo, só hai que repetir esta formación até un punto. E é que si se meten máis fotos das necesarias, o sistema deixa de inferir e aprende", explica Garmendia. Por exemplo, si ao sistema dicir moitas veces que una persoa é esa persoa, e se esa persoa deixa estirar a barba un día, por exemplo, o sistema non o recoñecerá. E é que, mentres non atope a imaxe exacta desa persoa, non decidirá que é esa persoa.

Publicado en Ortzadar