La tecnología de reconocimiento facial está mostrando avances en las búsquedas de “uno-a-muchos” (one-to-many), según las últimas pruebas realizadas por el Instituto Nacional de Estándares y Tecnología. Los resultados de las pruebas que realizó NIST en 2013 de los algoritmos de reconocimiento facial mostraron que la precisión lograda por varias organizaciones se ha incrementado en un rango hasta 30% desde 2010.

Los investigadores biométricos de NIST, Patrick Grother y Mei Ngan, en su informe Comportamiento de los algoritmos de identificación facial (Ver informe en inglés Performance of Face identification Algorithms) incluyen resultados de los algoritmos presentados por 16 organizaciones. Los investigadores definieron su comportamiento en base a la precisión en el reconocimiento, cuántas veces el software identificó correctamente la foto y el tiempo que tomó para que los algoritmos lograran la coincidencia de una foto contra masivos conjuntos de datos fotográficos.

“Estudiamos la identificación uno-a-muchos porque es el mayor mercado para la tecnología de reconocimiento facial”, señaló Grother. “Esos algoritmos se utilizan en el mundo entero para detectar duplicados en las bases de datos, solicitudes fraudulentas de pasaporte y licencia de conducción, en el control de acceso sin token, la vigilancia, etiquetado en medios sociales, búsqueda de dobles, y en investigaciones criminales”.

Cuatro grupos de investigación que participaron tanto en las pruebas de 2013 como en la anterior en 2010, permitieron a los investigadores del NIST comparar los avances a través del tiempo. Llegaron a la conclusión de que esos grupos habían mejorado su rendimiento en las pruebas en un rango entre 10% y casi 30%. Una organización redujo su tasa de error de 8.9% en 2010 a 6.4% en 2013.

En esos dos años el estudio utilizó una base de datos de 1,6 millones de rostros. En el 2010 las imágenes eran frontales (las llamadas “mugshots”) hechas por agencias policiales que cumplían con la norma ANSI/NIST ITL 1-2011 tipo 10. En 2013 los investigadores añadieron una pequeña base de datos con imágenes tomadas para solicitudes de visa, que cumplen una norma ISO; así como 140,000 imágenes de cámara web tomadas en entornos mal controlados y que no cumplen con ninguna norma.

Los algoritmos que se probaron lograban su mejor comportamiento con las imágenes de estándar ISO y calidad relativamente alta, tomadas para las solicitudes de pasaporte, visa y licencia de conducir. La detección de duplicados en ese tipo de solicitudes constituye el mayor segmento del mercado de reconocimiento facial. Ningún algoritmo funcionó bien con las imágenes de las cámaras web. Las tasas de error en la búsqueda realizada para esas imágenes fueron aproximadamente tres veces más altas que en el caso de imágenes de mayor calidad.

El estudio también muestra, como era de esperar, que las tasas de error en la coincidencia facial aumentan a medida que se incrementa el volumen de la base de datos, pero esto ocurre muy lentamente. Cuando la cantidad de imágenes faciales se incrementó en un factor de 10—de 160,000 a 1,6 millones—la tasa de error solo creció en aproximadamente 1.2 veces. Este crecimiento más lento de lo esperado en las tasas de error ocurre en muchos fenómenos naturales y “a ello obedece en buena medida la utilidad operacional de los algoritmos de identificación facial”, explica Grother.

Las imágenes de personas mayores fueron identificadas con mayor exactitud que las de individuos más jóvenes, lo que sugiere que a medida que envejecemos es más fácil identificarnos mediante el software de reconocimiento facial, y nos diferenciamos más de nuestros contemporáneos.