Le tecnologie di riconoscimento facciale hanno fatto un salto di qualità nell’ultimo decennio, rendendosi ampiamente disponibili. Infatti,
secondo lo studio Next Content
pubblicato a febbraio 2019, il 61% dei francesi utilizza o potrebbe utilizzare servizi protetti dalla biometria (impronte digitali o riconoscimento facciale).
Questi progressi sono guidati in particolare da
apprendimento profondo
e resi possibili dalla disponibilità di
set di dati pubblici
. Questi set di dati, che comprendono diverse centinaia di foto per persona di decine di migliaia di personalità diverse, sono fondamentali per la ricerca, sia per l’addestramento e lo sviluppo delle reti neurali, sia per fornire un quadro di riferimento comune da cui confrontare i diversi approcci.
La valutazione delle prestazioni di un sistema di riconoscimento facciale ruota principalmente attorno a due questioni principali:
– controlli sull’identità: la persona è quella che dichiara di essere?
– identificazione: si tratta di una persona conosciuta? E chi è?
Verifica dell’identità
Il primo problema è verificare se una foto corrisponde a una determinata identità. Si parla di un problema “1:1”: confrontare una foto con un’identità. La maggior parte dei casi d’uso concreti riguarda la biometria e la verifica dell’identità.
Per questo tipo di problema, le prestazioni vengono misurate in termini di tasso di riconoscimento per un tasso fisso di accettazione dei falsi (o “tasso di spoofing”). Il compromesso dipende dai vincoli dell’applicazione.
Per questa classe di problemi, le ultime ricerche hanno ottenuto tassi di riconoscimento del 92,7% per un tasso di false accettazioni dello 0,1%. È importante notare che questo benchmark si basa su un’ampia varietà di riprese: estratti video, immagini fisse, ampie variazioni di età (per lo stesso individuo) e di aspetto (acconciatura, espressione, ecc.).
Nell’ambito del processo di sottoscrizione, questo tipo di riconoscimento viene utilizzato per autenticare l’utente, chiedendogli una foto in tempo reale da confrontare con il suo documento d’identità. Ciò significa che, pur mantenendo la fluidità di un viaggio online, possiamo aumentare drasticamente la fiducia nell’autenticazione della persona.
Identificazione
La seconda classe di problemi riguarda l’identificazione di una persona in una foto all’interno di una popolazione nota, o la possibilità di stabilire se la persona non fa parte di quella popolazione. Questo è noto come problema “1 : N”.
Per gli abbonamenti digitali, questo caso si applica più che altro alla lotta contro le frodi, per verificare che il volto di un utente non appartenga a un gruppo già identificato.
La sfida principale risiede nelle dimensioni della popolazione da esplorare. Più individui diversi ci sono, maggiore è la possibilità di trovare due individui che si assomiglino fortemente e quindi di ingannare il sistema.
Un’altra sfida è il tempo di calcolo: non stiamo più confrontando un singolo modello di identità, ma N. Prestazioni
stato dell’arte
è un tasso di identificazione dell’86% (la persona appartiene effettivamente alla popolazione), con il 10% di falsi positivi.
Se questi risultati sembrano un po’ deludenti, devono essere messi in relazione con il fatto che si tratta di un problema che non è alla portata di un operatore umano. È impossibile ricordare migliaia di persone diverse e identificarle.
In un’epoca di sorveglianza di massa, questo tipo di performance consentirebbe di trovare, in modo piuttosto spaventoso, una persona tra milioni di persone.
una persona tra milioni
.
L’integrazione di questi nuovi progressi all’interno del
Fiducia e firma
è una vera e propria svolta in termini di prevenzione delle frodi e di esperienza del cliente. Alla luce degli sviluppi normativi, consentono anche di garantire la solidità giuridica di queste procedure di sottoscrizione collegando i documenti d’identità e gli utenti (“liveness detection”).
Siete interessati al riconoscimento facciale?
