Sistema de reconhecimento facial - Facial recognition system

Bilhete automático com sistema de reconhecimento facial na Estação Morinomiya do metrô de Osaka

Um sistema de reconhecimento facial é uma tecnologia capaz de comparar um rosto humano a partir de uma imagem digital ou quadro de vídeo em um banco de dados de rostos, normalmente empregado para autenticar usuários por meio de serviços de verificação de identidade , funciona identificando e medindo características faciais de uma determinada imagem.

O desenvolvimento começou em sistemas semelhantes na década de 1960, começando como uma forma de aplicativo de computador . Desde o seu início, os sistemas de reconhecimento facial têm visto usos mais amplos nos últimos tempos em smartphones e em outras formas de tecnologia, como a robótica . Como o reconhecimento facial computadorizado envolve a medição das características fisiológicas de um ser humano, os sistemas de reconhecimento facial são classificados como biométricos . Embora a precisão dos sistemas de reconhecimento facial como tecnologia biométrica seja inferior ao reconhecimento de íris e de impressão digital , ela é amplamente adotada devido ao seu processo sem contato. Os sistemas de reconhecimento facial foram implantados em interação homem-computador avançada , vigilância por vídeo e indexação automática de imagens.

Os sistemas de reconhecimento facial são empregados em todo o mundo hoje por governos e empresas privadas. Sua eficácia varia e alguns sistemas já foram descartados devido à sua ineficácia. O uso de sistemas de reconhecimento facial também gerou polêmica, com alegações de que os sistemas violam a privacidade dos cidadãos, comumente fazem identificações incorretas, incentivam normas de gênero e perfil racial e não protegem dados biométricos importantes. Essas reivindicações levaram à proibição de sistemas de reconhecimento facial em várias cidades dos Estados Unidos .

História da tecnologia de reconhecimento facial

O reconhecimento facial automatizado foi pioneiro na década de 1960. Woody Bledsoe , Helen Chan Wolf e Charles Bisson trabalharam no uso do computador para reconhecer rostos humanos. Seu projeto inicial de reconhecimento facial foi apelidado de "homem-máquina" porque as coordenadas das características faciais em uma fotografia tiveram que ser estabelecidas por um humano antes que pudessem ser usadas pelo computador para reconhecimento. Em um tablet gráfico, um humano tinha que localizar as coordenadas das características faciais, como o centro da pupila, o canto interno e externo dos olhos e o pico da viúva na linha do cabelo. As coordenadas foram utilizadas para calcular 20 distâncias, incluindo a largura da boca e dos olhos. Um humano poderia processar cerca de 40 fotos por hora dessa maneira e, assim, construir um banco de dados das distâncias calculadas. Um computador então compararia automaticamente as distâncias para cada fotografia, calcularia a diferença entre as distâncias e retornaria os registros fechados como uma possível correspondência.

Em 1970, Takeo Kanade demonstrou publicamente um sistema de comparação facial que localizava características anatômicas como o queixo e calculava a relação de distância entre as características faciais sem intervenção humana. Testes posteriores revelaram que o sistema nem sempre conseguia identificar com segurança as características faciais. Mesmo assim, o interesse pelo assunto cresceu e em 1977 Kanade publicou o primeiro livro detalhado sobre tecnologia de reconhecimento facial.

Em 1993, a Agência de Projetos de Pesquisa Avançada de Defesa (DARPA) e o Laboratório de Pesquisa do Exército (ARL) estabeleceram o programa de tecnologia de reconhecimento facial FERET para desenvolver "recursos de reconhecimento facial automático" que poderiam ser empregados em um ambiente produtivo da vida real "para auxiliar na segurança, inteligência e pessoal da aplicação da lei no desempenho de suas funções. " Os sistemas de reconhecimento facial que foram testados em laboratórios de pesquisa foram avaliados e os testes FERET descobriram que, embora o desempenho dos sistemas automatizados de reconhecimento facial existentes variassem, um punhado de métodos existentes poderia ser usado para reconhecer rostos em imagens estáticas tiradas em um ambiente controlado. Os testes FERET geraram três empresas americanas que venderam sistemas automatizados de reconhecimento facial. Vision Corporation e Miros Inc foram ambas fundadas em 1994, por pesquisadores que usaram os resultados dos testes FERET como um argumento de venda. A Viisage Technology foi estabelecida por um empreiteiro de defesa de cartões de identificação em 1996 para explorar comercialmente os direitos do algoritmo de reconhecimento facial desenvolvido por Alex Pentland no MIT .

Após o teste de fornecedor de reconhecimento facial FERET em 1993, os escritórios do Departamento de Veículos Motorizados (DMV) em West Virginia e Novo México foram os primeiros escritórios DMV a usar sistemas automatizados de reconhecimento facial como uma forma de prevenir e detectar pessoas que obtiveram várias carteiras de motorista com nomes diferentes. As carteiras de motorista nos Estados Unidos eram, naquela época, uma forma comumente aceita de identificação com foto . Os escritórios do DMV nos Estados Unidos estavam passando por uma atualização tecnológica e em processo de criação de bancos de dados de fotografias digitais de identificação. Isso permitiu que os escritórios do DMV implantassem os sistemas de reconhecimento facial do mercado para pesquisar fotos para novas carteiras de motorista no banco de dados do DMV existente. Os escritórios do DMV se tornaram um dos primeiros grandes mercados de tecnologia de reconhecimento facial automatizado e apresentaram aos cidadãos americanos o reconhecimento facial como um método padrão de identificação. O aumento da população carcerária dos Estados Unidos na década de 1990 levou os estados americanos a estabelecer sistemas de identificação conectados e automatizados que incorporavam bancos de dados biométricos digitais , em alguns casos, isso incluía reconhecimento facial. Em 1999 Minnesota incorporou o sistema de reconhecimento facial FaceIt por Visionics em uma caneca tiro sistema de reservas que permitiram policiais, juízes e oficiais de justiça para rastrear criminosos em todo o estado.

Neste mapeamento de cisalhamento, a seta vermelha muda de direção, mas a seta azul não muda e é usada como autovetor.
O algoritmo Viola-Jones para detecção de rosto usa recursos semelhantes aos de Haar para localizar rostos em uma imagem. Aqui, um Haar Feature que se parece com a ponte do nariz é aplicado no rosto.

Até a década de 1990, os sistemas de reconhecimento facial foram desenvolvidos principalmente usando retratos fotográficos de rostos humanos. A pesquisa sobre reconhecimento facial para localizar de forma confiável um rosto em uma imagem que contém outros objetos ganhou força no início dos anos 1990 com a análise de componentes principais (PCA). O método PCA de detecção de rosto também é conhecido como Eigenface e foi desenvolvido por Matthew Turk e Alex Pentland. Turk e Pentland combinaram a abordagem conceitual do teorema de Karhunen-Loève e a análise fatorial para desenvolver um modelo linear . As eigenfaces são determinadas com base em recursos globais e ortogonais em rostos humanos. Um rosto humano é calculado como uma combinação ponderada de uma série de Eigenfaces. Como poucos Eigenfaces foram usados ​​para codificar rostos humanos de uma determinada população, o método de detecção de rosto PCA de Turk e Pentland reduziu muito a quantidade de dados que precisavam ser processados ​​para detectar um rosto. Pentland em 1994 definiu características de Eigenface, incluindo eigen olhos, eigen bocas e eigen narizes, para avançar o uso de PCA no reconhecimento facial. Em 1997, o método PCA Eigenface de reconhecimento facial foi aprimorado com o uso de análise discriminante linear (LDA) para produzir Fisherfaces . O LDA Fisherfaces tornou-se predominantemente usado no reconhecimento facial baseado em recursos do PCA. Enquanto Eigenfaces também foram usados ​​para reconstrução facial. Nessas abordagens, nenhuma estrutura global do rosto é calculada ligando as características ou partes faciais.

Abordagens puramente baseadas em características para o reconhecimento facial foram superadas no final dos anos 1990 pelo sistema Bochum, que usava o filtro Gabor para registrar as características faciais e computou uma grade da estrutura facial para vincular as características. Christoph von der Malsburg e sua equipe de pesquisa na Universidade de Bochum desenvolveram o Elastic Bunch Graph Matching em meados da década de 1990 para extrair um rosto de uma imagem usando segmentação de pele. Em 1997, o método de detecção de rosto desenvolvido por Malsburg superou a maioria dos outros sistemas de detecção de rosto no mercado. O chamado "sistema Bochum" de detecção de rosto foi vendido comercialmente no mercado como ZN-Face para operadoras de aeroportos e outros locais movimentados. O software era "robusto o suficiente para fazer identificações a partir de visões de rosto menos que perfeitas. Ele também pode frequentemente ver através de obstáculos à identificação como bigodes, barbas, penteados e óculos alterados - até mesmo óculos de sol".

A detecção de rosto em tempo real em imagens de vídeo tornou-se possível em 2001 com a estrutura de detecção de objetos Viola – Jones para rostos. Paul Viola e Michael Jones combinaram seu método de detecção de rosto com a abordagem de recurso semelhante a Haar para reconhecimento de objetos em imagens digitais para lançar o AdaBoost , o primeiro detector de rosto com visão frontal em tempo real. Em 2015, o algoritmo Viola-Jones foi implementado usando pequenos detectores de baixa potência em dispositivos portáteis e sistemas embarcados . Portanto, o algoritmo Viola-Jones não apenas ampliou a aplicação prática dos sistemas de reconhecimento facial, mas também foi usado para oferecer suporte a novos recursos em interfaces de usuário e teleconferência .

Técnicas de reconhecimento facial

Detecção automática de rosto com OpenCV .

Embora os humanos possam reconhecer rostos sem muito esforço, o reconhecimento facial é um problema desafiador de reconhecimento de padrões na computação . Os sistemas de reconhecimento facial tentam identificar um rosto humano, que é tridimensional e muda de aparência com a iluminação e a expressão facial, a partir de sua imagem bidimensional. Para realizar essa tarefa computacional, os sistemas de reconhecimento facial realizam quatro etapas. A primeira detecção de rosto é usada para segmentar o rosto do plano de fundo da imagem. Na segunda etapa, a imagem segmentada do rosto é alinhada para levar em conta a pose do rosto , o tamanho da imagem e as propriedades fotográficas, como iluminação e tons de cinza . O objetivo do processo de alinhamento é permitir a localização precisa das características faciais na terceira etapa, a extração das características faciais. Características como olhos, nariz e boca são identificados e medidos na imagem para representar o rosto. O vetor de recursos do rosto assim estabelecido é então, na quarta etapa, comparado a um banco de dados de rostos.

Tradicional

Alguns eigenfaces da AT&T Laboratories Cambridge

Alguns algoritmos de reconhecimento de rosto identificam características faciais extraindo pontos de referência, ou características, de uma imagem do rosto do sujeito. Por exemplo, um algoritmo pode analisar a posição relativa, tamanho e / ou formato dos olhos, nariz, maçãs do rosto e mandíbula. Esses recursos são então usados ​​para pesquisar outras imagens com recursos correspondentes.

Outros algoritmos normalizam uma galeria de imagens de rosto e, em seguida, compactam os dados de rosto, salvando apenas os dados da imagem que são úteis para o reconhecimento de rosto. Uma imagem da sonda é então comparada com os dados do rosto. Um dos primeiros sistemas de sucesso é baseado em técnicas de combinação de modelos aplicadas a um conjunto de características faciais salientes, fornecendo uma espécie de representação facial comprimida.

Os algoritmos de reconhecimento podem ser divididos em duas abordagens principais: geométrica, que analisa as características distintivas, ou fotométrica, que é uma abordagem estatística que destila uma imagem em valores e compara os valores com modelos para eliminar variações. Alguns classificam esses algoritmos em duas categorias amplas: modelos holísticos e modelos baseados em recursos. O primeiro tenta reconhecer o rosto em sua totalidade, enquanto o baseado em recursos subdivide em componentes, como de acordo com recursos e analisa cada um, bem como sua localização espacial em relação a outros recursos.

Os algoritmos de reconhecimento populares incluem análise de componente principal usando eigenfaces , análise discriminante linear , correspondência de gráfico de feixe elástico usando o algoritmo Fisherface, o modelo de Markov oculto , o aprendizado de subespaço multilinear usando representação de tensor e correspondência de link dinâmico motivado neuronal .

Identificação humana à distância (HID)

Para permitir a identificação humana à distância (HID), imagens de rostos de baixa resolução são aprimoradas usando alucinação facial . Em imagens de CCTV , os rostos costumam ser muito pequenos. Mas, como os algoritmos de reconhecimento facial que identificam e plotam características faciais exigem imagens de alta resolução, técnicas de aprimoramento de resolução foram desenvolvidas para permitir que os sistemas de reconhecimento facial funcionem com imagens capturadas em ambientes com alta relação sinal-ruído . Os algoritmos de alucinação facial que são aplicados a imagens antes de essas imagens serem enviadas ao sistema de reconhecimento facial usam aprendizado de máquina baseado em exemplo com substituição de pixel ou índices de distribuição de vizinho mais próximo que também podem incorporar características faciais demográficas e relacionadas à idade. O uso de técnicas de alucinação facial melhora o desempenho de algoritmos de reconhecimento facial de alta resolução e pode ser usado para superar as limitações inerentes de algoritmos de super resolução. As técnicas de alucinação facial também são usadas para pré-tratar imagens em que os rostos estão disfarçados. Aqui, o disfarce, como óculos de sol, é removido e o algoritmo de alucinação facial é aplicado à imagem. Esses algoritmos de alucinação facial precisam ser treinados em imagens de rosto semelhantes, com e sem disfarce. Para preencher a área descoberta removendo o disfarce, os algoritmos de alucinação facial precisam mapear corretamente todo o estado do rosto, o que pode não ser possível devido à expressão facial momentânea capturada na imagem de baixa resolução.

Reconhecimento tridimensional

Modelo 3D de um rosto humano.

A técnica de reconhecimento facial tridimensional usa sensores 3D para capturar informações sobre o formato de um rosto. Essas informações são então usadas para identificar características distintas na superfície de um rosto, como o contorno das órbitas, nariz e queixo. Uma vantagem do reconhecimento de rosto 3D é que ele não é afetado por mudanças na iluminação como outras técnicas. Ele também pode identificar um rosto de uma variedade de ângulos de visão, incluindo uma vista de perfil. Os pontos de dados tridimensionais de um rosto melhoram muito a precisão do reconhecimento facial. A pesquisa de reconhecimento facial 3D-dimensional é possibilitada pelo desenvolvimento de sensores sofisticados que projetam luz estruturada na face. As técnicas de correspondência 3D são sensíveis às expressões, portanto, os pesquisadores do Technion aplicaram ferramentas da geometria métrica para tratar as expressões como isometrias . Um novo método de captura de imagens 3D de rostos usa três câmeras de rastreamento que apontam para ângulos diferentes; uma câmera estará apontando para a frente do assunto, a segunda para o lado e a terceira em um ângulo. Todas essas câmeras funcionarão juntas para rastrear o rosto de um sujeito em tempo real e detectar e reconhecer o rosto.

Câmeras térmicas

Uma imagem em pseudocolor de duas pessoas tirada em luz infravermelha de longo comprimento de onda (térmica à temperatura corporal).

Uma forma diferente de obter dados de entrada para reconhecimento de rosto é usando câmeras térmicas ; por este procedimento, as câmeras detectarão apenas o formato da cabeça e ignorarão os acessórios do assunto, como óculos, chapéus ou maquiagem. Ao contrário das câmeras convencionais, as câmeras térmicas podem capturar imagens faciais mesmo em condições de pouca luz e à noite sem usar um flash e expor a posição da câmera. No entanto, os bancos de dados para reconhecimento de rosto são limitados. Os esforços para construir bancos de dados de imagens de faces térmicas datam de 2004. Em 2016, vários bancos de dados já existiam, incluindo o IIITD-PSE e o banco de dados de faces térmicas Notre Dame. Os sistemas atuais de reconhecimento térmico de rosto não são capazes de detectar com segurança um rosto em uma imagem térmica tirada de um ambiente externo.

Em 2018, pesquisadores do Laboratório de Pesquisa do Exército dos EUA (ARL) desenvolveram uma técnica que permitiria comparar as imagens faciais obtidas com uma câmera térmica com as de bancos de dados capturados com uma câmera convencional. Conhecido como um método de síntese de espectro cruzado devido a como une o reconhecimento facial de duas modalidades de imagem diferentes, esse método sintetiza uma única imagem analisando várias regiões e detalhes faciais. Consiste em um modelo de regressão não linear que mapeia uma imagem térmica específica em uma imagem facial visível correspondente e um problema de otimização que projeta a projeção latente de volta no espaço da imagem. Os cientistas da ARL notaram que a abordagem funciona combinando informações globais (ou seja, recursos em todo o rosto) com informações locais (ou seja, recursos relativos aos olhos, nariz e boca). De acordo com os testes de desempenho conduzidos na ARL, o modelo de síntese de espectro cruzado multirregional demonstrou uma melhoria de desempenho de cerca de 30% em relação aos métodos de linha de base e cerca de 5% em relação aos métodos de última geração.

Aplicativo

Mídia social

Fundada em 2013, Looksery começou a arrecadar dinheiro para seu aplicativo de modificação de rosto no Kickstarter. Após um financiamento coletivo bem-sucedido, o Looksery foi lançado em outubro de 2014. O aplicativo permite o bate-papo por vídeo com outras pessoas por meio de um filtro especial para rostos que modifica a aparência dos usuários. Os aplicativos de aumento de imagem já existentes no mercado, como Facetune e Perfect365, eram limitados a imagens estáticas, enquanto o Looksery permitia realidade aumentada para vídeos ao vivo. No final de 2015, o SnapChat comprou o Looksery, que se tornaria sua função de lentes de referência. Os aplicativos de filtro Snapchat usam tecnologia de detecção de rosto e, com base nas características faciais identificadas em uma imagem, uma máscara de malha 3D é aplicada em camadas sobre o rosto.

DeepFace é um sistema de reconhecimento facial de aprendizado profundo criado por um grupo de pesquisa do Facebook . Ele identifica rostos humanos em imagens digitais. Ele emprega uma rede neural de nove camadas com mais de 120 milhões de pesos de conexão e foi treinado em quatro milhões de imagens enviadas por usuários do Facebook. O sistema é considerado 97% preciso, em comparação com 85% do sistema de Identificação de Próxima Geração do FBI .

O algoritmo do TikTok foi considerado especialmente eficaz, mas muitos ficaram se perguntando sobre a programação exata que fazia com que o aplicativo fosse tão eficaz em adivinhar o conteúdo desejado do usuário. Em junho de 2020, a Tiktok divulgou um comunicado sobre a página "Para você" e como recomendava vídeos aos usuários, que não incluíam reconhecimento facial. Em fevereiro de 2021, no entanto, Tiktok concordou com um acordo de US $ 92 milhões para um processo nos Estados Unidos que alegava que o aplicativo havia usado reconhecimento facial tanto em vídeos de usuários quanto em seu algoritmo para identificar idade, gênero e etnia.

Verificação de identidade

O uso emergente de reconhecimento facial está no uso de serviços de verificação de identidade . Muitas empresas e outras estão trabalhando no mercado agora para fornecer esses serviços a bancos, ICOs e outros e-business. O reconhecimento de rosto foi aproveitado como uma forma de autenticação biométrica para várias plataformas e dispositivos de computação; O Android 4.0 "Ice Cream Sandwich" adicionou reconhecimento facial usando a câmera frontal de um smartphone como meio de desbloquear dispositivos, enquanto a Microsoft introduziu o login de reconhecimento facial em seu console de videogame Xbox 360 por meio de seu acessório Kinect , bem como o Windows 10 por meio de seu " Plataforma Windows Hello "(que requer uma câmera iluminada por infravermelho). Em 2017, o smartphone iPhone X da Apple introduziu o reconhecimento facial na linha de produtos com sua plataforma " Face ID ", que usa um sistema de iluminação infravermelho.

Face ID

A Apple introduziu o Face ID no carro-chefe do iPhone X como um sucessor de autenticação biométrica do Touch ID , um sistema baseado em impressão digital . O Face ID possui um sensor de reconhecimento facial que consiste em duas partes: um módulo "Romeo" que projeta mais de 30.000 pontos infravermelhos no rosto do usuário e um módulo "Julieta" que lê o padrão. O padrão é enviado a um "Enclave Seguro" local na unidade de processamento central (CPU) do dispositivo para confirmar uma correspondência com o rosto do proprietário do telefone.

O padrão facial não é acessível pela Apple. O sistema não funcionará com os olhos fechados, em um esforço para prevenir o acesso não autorizado. A tecnologia aprende com as mudanças na aparência do usuário e, portanto, funciona com chapéus, lenços, óculos e muitos óculos de sol, barba e maquiagem. Também funciona no escuro. Isso é feito usando um "Iluminador de inundação", que é um flash infravermelho dedicado que emite luz infravermelha invisível no rosto do usuário para ler corretamente os 30.000 pontos faciais.

Implantação em serviços de segurança

Vigilância suíça europeia : reconhecimento facial e leitor de marca, modelo, cor e placa de veículos

Comunidade

A Força de Fronteira Australiana e o Serviço de Alfândega da Nova Zelândia criaram um sistema automatizado de processamento de fronteira chamado SmartGate que usa reconhecimento facial, que compara o rosto do viajante com os dados no microchip do passaporte eletrônico . Todos os aeroportos internacionais canadenses usam reconhecimento facial como parte do programa Primary Inspection Kiosk, que compara o rosto de um viajante com sua foto armazenada no passaporte eletrônico . Este programa chegou ao Aeroporto Internacional de Vancouver no início de 2017 e foi estendido a todos os aeroportos internacionais restantes em 2018–2019.

As forças policiais do Reino Unido têm testado a tecnologia de reconhecimento facial ao vivo em eventos públicos desde 2015. Em maio de 2017, um homem foi preso usando um sistema de reconhecimento facial automático (AFR) montado em uma van operada pela polícia de South Wales. Ars Technica relatou que "esta parece ser a primeira vez que [AFR] leva a uma prisão". No entanto, um relatório de 2018 do Big Brother Watch descobriu que esses sistemas eram até 98% imprecisos. O relatório também revelou que duas forças policiais do Reino Unido, South Wales Police e Metropolitan Police , estavam usando reconhecimento facial ao vivo em eventos públicos e em espaços públicos. Em setembro de 2019, o uso de reconhecimento facial pela Polícia do Gales do Sul foi considerado legal. O reconhecimento facial ao vivo tem sido testado desde 2016 nas ruas de Londres e será usado regularmente pela Polícia Metropolitana a partir do início de 2020. Em agosto de 2020, o Tribunal de Recurso decidiu que a forma como o sistema de reconhecimento facial tinha sido usado pelo Sul A polícia do País de Gales em 2017 e 2018 violou os direitos humanos.

Estados Unidos

Portão de embarque de voos com "scanners biométricos de face" desenvolvidos pela Alfândega e Proteção de Fronteiras dos EUA no Aeroporto Internacional Hartsfield-Jackson Atlanta .

O Departamento de Estado dos EUA opera um dos maiores sistemas de reconhecimento facial do mundo, com um banco de dados de 117 milhões de americanos adultos, com fotos normalmente tiradas de carteiras de motorista. Embora ainda esteja longe de ser concluído, está sendo utilizado em algumas cidades para dar pistas de quem estava na foto. O FBI usa as fotos como uma ferramenta de investigação, não para identificação positiva. Em 2016, o reconhecimento facial estava sendo usado para identificar pessoas em fotos tiradas pela polícia em San Diego e Los Angeles (não em vídeo em tempo real, e apenas em fotos de reserva) e o uso foi planejado em West Virginia e Dallas .

Nos últimos anos, Maryland tem usado o reconhecimento facial comparando os rostos das pessoas com as fotos de suas carteiras de motorista. O sistema gerou polêmica quando foi usado em Baltimore para prender manifestantes rebeldes após a morte de Freddie Gray sob custódia policial. Muitos outros estados estão usando ou desenvolvendo um sistema semelhante, no entanto, alguns estados têm leis que proíbem seu uso.

O FBI também instituiu seu programa de Identificação de Próxima Geração para incluir reconhecimento de rosto, bem como biometria mais tradicional, como impressões digitais e varreduras de íris , que podem ser extraídas de bancos de dados criminais e civis. O General Accountability Office federal criticou o FBI por não abordar várias questões relacionadas à privacidade e precisão.

A partir de 2018, a Alfândega e Proteção de Fronteiras dos EUA implantou "scanners biométricos de rosto" nos aeroportos dos EUA. Os passageiros em voos internacionais de ida podem completar o check-in, a segurança e o processo de embarque depois de obter as imagens faciais capturadas e verificadas por meio da comparação de suas fotos de identificação armazenadas no banco de dados do CBP. As imagens capturadas para viajantes com cidadania americana serão excluídas em até 12 horas. A TSA expressou sua intenção de adotar um programa semelhante para viagens aéreas domésticas durante o processo de verificação de segurança no futuro. A American Civil Liberties Union é uma das organizações contra o programa, a respeito de que o programa será usado para fins de vigilância.

Em 2019, pesquisadores relataram que Immigration and Customs Enforcement usa software de reconhecimento facial em bancos de dados de carteiras de motorista estaduais, inclusive para alguns estados que fornecem licenças para imigrantes sem documentos.

China

Em 2006, o Projeto Skynet foi iniciado pelo governo chinês para implementar vigilância CCTV em todo o país e, a partir de 2018, havia 20 milhões de câmeras, muitas das quais capazes de reconhecimento facial em tempo real, implantadas em todo o país para este projeto. Algumas declarações oficiais que o sistema Skynet atual pode escanear toda a população chinesa em um segundo e a população mundial em dois segundos.

Portões de embarque com tecnologia de reconhecimento facial na estação ferroviária de Pequim Oeste

Em 2017, a polícia de Qingdao conseguiu identificar 25 suspeitos procurados usando equipamento de reconhecimento facial no Festival Internacional de Cerveja de Qingdao, um dos quais estava fugindo há 10 anos. O equipamento funciona gravando um videoclipe de 15 segundos e tirando várias fotos do assunto. Esses dados são comparados e analisados ​​com imagens do banco de dados do departamento de polícia e em 20 minutos, o sujeito pode ser identificado com uma precisão de 98,1%.

Em 2018, a polícia chinesa em Zhengzhou e Pequim estava usando óculos inteligentes para tirar fotos que são comparadas a um banco de dados do governo que usa reconhecimento facial para identificar suspeitos, recuperar um endereço e rastrear pessoas que se deslocam além de suas áreas de residência.

No final de 2017, a China implantou tecnologia de reconhecimento facial e inteligência artificial em Xinjiang . Repórteres que visitaram a região encontraram câmeras de vigilância instaladas a cada cem metros ou mais em várias cidades, bem como pontos de verificação de reconhecimento facial em áreas como postos de gasolina, shopping centers e entradas de mesquitas. Em maio de 2019, a Human Rights Watch relatou ter encontrado o código Face ++ na Plataforma de Operações Conjuntas Integradas (IJOP), um aplicativo de vigilância policial usado para coletar dados e rastrear a comunidade uigur em Xinjiang . A Human Rights Watch divulgou uma correção em seu relatório em junho de 2019, afirmando que a empresa chinesa Megvii não parecia ter colaborado no IJOP e que o código do Face ++ no aplicativo estava inoperante. Em fevereiro de 2020, após o surto do Coronavírus , a Megvii solicitou um empréstimo bancário para otimizar o sistema de triagem de temperatura corporal que havia lançado para ajudar a identificar pessoas com sintomas de infecção pelo Coronavírus em multidões. No pedido de empréstimo, a Megvii afirmou que precisava melhorar a precisão da identificação de indivíduos mascarados.

Muitos locais públicos na China são implementados com equipamentos de reconhecimento facial, incluindo estações ferroviárias, aeroportos, atrações turísticas, exposições e prédios de escritórios. Em outubro de 2019, um professor da Zhejiang Sci-Tech University processou o Hangzhou Safari Park por abusar de informações biométricas privadas de clientes. O safari park usa tecnologia de reconhecimento facial para verificar a identidade dos titulares do Year Card. Estima-se que 300 locais turísticos na China instalaram sistemas de reconhecimento facial e os utilizam para admitir visitantes. Este caso é relatado como o primeiro no uso de sistemas de reconhecimento facial na China. Em agosto de 2020, a Radio Free Asia relatou que em 2019 Geng Guanjun, um cidadão da cidade de Taiyuan que havia usado o aplicativo WeChat da Tencent para encaminhar um vídeo a um amigo nos Estados Unidos foi posteriormente condenado pela acusação de crime "provocando brigas e provocando problemas ". Os documentos do tribunal mostraram que a polícia chinesa usou um sistema de reconhecimento facial para identificar Geng Guanjun como um "ativista da democracia no exterior" e que os departamentos de propaganda e gerenciamento de rede da China monitoram diretamente os usuários do WeChat.

Em 2019, manifestantes em Hong Kong destruíram postes de luz inteligentes em meio a preocupações de que eles pudessem conter câmeras e um sistema de reconhecimento facial usado para vigilância pelas autoridades chinesas.

América latina

Na eleição presidencial mexicana de 2000 , o governo mexicano empregou um software de reconhecimento facial para evitar a fraude eleitoral . Algumas pessoas se registraram para votar com vários nomes diferentes, na tentativa de obter votos múltiplos. Ao comparar novas imagens de rostos com as que já estavam no banco de dados de eleitores, as autoridades conseguiram reduzir os registros duplicados.

Na Colômbia, os ônibus de transporte público contam com um sistema de reconhecimento facial da FaceFirst Inc para identificar os passageiros que são procurados pela Polícia Nacional da Colômbia . A FaceFirst Inc também construiu o sistema de reconhecimento facial para o Aeroporto Internacional de Tocumen, no Panamá. O sistema de reconhecimento facial é implantado para identificar indivíduos entre os viajantes procurados pela Polícia Nacional do Panamá ou pela Interpol . O Aeroporto Internacional de Tocumen opera um sistema de vigilância em todo o aeroporto, usando centenas de câmeras de reconhecimento facial ao vivo para identificar os indivíduos procurados que passam pelo aeroporto. O sistema de reconhecimento facial foi inicialmente instalado como parte de um contrato de US $ 11 milhões e incluiu um cluster de computadores de sessenta computadores, uma rede de cabos de fibra óptica para os edifícios do aeroporto, bem como a instalação de 150 câmeras de vigilância no terminal do aeroporto e em cerca de 30 portões de aeroporto .

Na Copa do Mundo FIFA 2014 no Brasil, a Polícia Federal do Brasil usou óculos de reconhecimento facial . Sistemas de reconhecimento facial "made in China" também foram implantados nos Jogos Olímpicos de 2016, no Rio de Janeiro. A Nuctech Company forneceu 145 terminais de interseção para o Estádio do Maracanã e 55 terminais para o Parque Olímpico de Deodoro .

União Européia

As forças policiais em pelo menos 21 países da União Europeia usam, ou pretendem usar, sistemas de reconhecimento facial, seja para fins administrativos ou criminais.

Grécia

A polícia grega aprovou um contrato com a Intracom-Telecom para o fornecimento de pelo menos 1.000 dispositivos equipados com sistema de reconhecimento facial ao vivo. A entrega está prevista para antes do verão de 2021. O valor total do contrato é superior a 4 milhões de euros, pagos em grande parte pelo Fundo de Segurança Interna da Comissão Europeia .

Itália

A polícia italiana adquiriu um sistema de reconhecimento facial em 2017, o Sistema Automatico Riconoscimento Immagini (SARI). Em novembro de 2020, o Ministério do Interior anunciou planos de usá-lo em tempo real para identificar pessoas suspeitas de procurar asilo.

Os Países Baixos

A Holanda implantou tecnologia de reconhecimento facial e inteligência artificial desde 2016. O banco de dados da polícia holandesa contém atualmente mais de 2,2 milhões de fotos de 1,3 milhão de cidadãos holandeses. Isso representa cerca de 8% da população. Na Holanda, o reconhecimento facial não é usado pela polícia no CCTV municipal.

África do Sul

Na África do Sul, em 2016, a cidade de Joanesburgo anunciou que estava lançando câmeras inteligentes de CFTV completas com reconhecimento automático de matrícula e reconhecimento facial.

Implantação em lojas de varejo

A empresa americana 3VR, agora Identiv , é um exemplo de fornecedor que começou a oferecer sistemas e serviços de reconhecimento facial para varejistas já em 2007. Em 2012, a empresa anunciou benefícios como "análise de espera e fila para diminuir o tempo de espera do cliente", "análise de vigilância facial para facilitar cumprimentos personalizados dos clientes pelos funcionários " e a capacidade de "[c] riar programas de fidelidade combinando dados de ponto de venda (POS) com reconhecimento facial".

Estados Unidos

Em 2018, o Conselho de Pesquisa de Prevenção de Perdas da National Retail Federation chamou a tecnologia de reconhecimento facial de "uma nova ferramenta promissora" que vale a pena avaliar.

Em julho de 2020, a agência de notícias Reuters relatou que, durante a década de 2010, a rede de farmácias Rite Aid implantou sistemas de vigilância por vídeo de reconhecimento facial e componentes da FaceFirst, DeepCam LLC e outros fornecedores em alguns locais de varejo nos Estados Unidos. Cathy Langley, vice-presidente de proteção de ativos da Rite Aid, usou a frase "combinação de recursos" para se referir aos sistemas e disse que o uso dos sistemas resultou em menos violência e crime organizado nas lojas da empresa, enquanto o ex-vice-presidente de proteção de ativos Bob Oberosler enfatizou a melhoria da segurança para os funcionários e uma redução da necessidade de envolvimento de organizações de aplicação da lei . Em uma declaração de 2020 à Reuters em resposta à reportagem, a Rite Aid disse que parou de usar o software de reconhecimento facial e desligou as câmeras.

De acordo com o diretor Read Hayes do National Retail Federation Prevention Research Council, o programa de vigilância da Rite Aid era o maior ou um dos maiores programas no varejo. The Home Depot , Menards , Walmart e 7-Eleven estão entre outros varejistas dos EUA também envolvidos em programas piloto em grande escala ou implantações de tecnologia de reconhecimento facial.

Das lojas da Rite Aid examinadas pela Reuters em 2020, aquelas em comunidades onde as pessoas de cor constituíam o maior grupo racial ou étnico tinham três vezes mais probabilidade de ter a tecnologia instalada, levantando preocupações relacionadas à história substancial de segregação racial e discriminação racial nos Estados Unidos . A Rite Aid disse que a seleção dos locais era "orientada por dados", com base nos históricos de furto de lojas individuais, dados locais e nacionais sobre crimes e infraestrutura do local.

Usos adicionais

Disney's Magic Kingdom , perto de Orlando, Flórida , durante um teste de uma tecnologia de reconhecimento facial para entrada no parque.

No jogo do campeonato de futebol americano Super Bowl XXXV em janeiro de 2001, a polícia em Tampa Bay, Flórida, usou o software de reconhecimento facial Viisage para procurar criminosos e terroristas em potencial presentes no evento. 19 pessoas com antecedentes criminais menores foram potencialmente identificadas.

Os sistemas de reconhecimento facial também têm sido utilizados por softwares de gerenciamento de fotos para identificar os sujeitos das fotos, possibilitando recursos como a busca de imagens por pessoa, além de sugerir fotos a serem compartilhadas com um contato específico, caso sua presença seja detectada em uma foto. Em 2008, os sistemas de reconhecimento facial eram normalmente usados ​​como controle de acesso em sistemas de segurança .

A celebridade da música popular e country dos Estados Unidos Taylor Swift empregou sub-repticiamente a tecnologia de reconhecimento facial em um show em 2018. A câmera foi embutida em um quiosque perto de uma bilheteria e escaneou os frequentadores do show quando eles entraram nas instalações em busca de perseguidores conhecidos .

Em 18 de agosto de 2019, o The Times relatou que o Manchester City, de propriedade dos Emirados Árabes Unidos , contratou uma empresa sediada no Texas, a Blink Identity, para implantar sistemas de reconhecimento facial em um programa de motoristas. O clube planejou uma única pista super rápida para os torcedores no estádio Etihad . No entanto, grupos de direitos civis alertaram o clube contra a introdução dessa tecnologia, dizendo que isso poderia "normalizar uma ferramenta de vigilância em massa". A diretora de políticas e campanhas da Liberty , Hannah Couchman, disse que a mudança de Man City é alarmante, já que os fãs serão obrigados a compartilhar informações pessoais profundamente sensíveis com uma empresa privada, onde poderão ser rastreados e monitorados em suas vidas diárias.

Em agosto de 2020, em meio à pandemia de COVID-19 nos Estados Unidos , os estádios de futebol americano de Nova York e Los Angeles anunciaram a instalação de reconhecimento facial para os próximos jogos. O objetivo é tornar o processo de inscrição o mais simples possível. Disney's Magic Kingdom , perto de Orlando, Flórida , também anunciou um teste de tecnologia de reconhecimento facial para criar uma experiência sem toque durante a pandemia; o teste foi originalmente programado para ocorrer entre 23 de março e 23 de abril de 2021, mas o prazo limitado foi removido no final de abril.

Vantagens e desvantagens

Comparado a outros sistemas biométricos

Em 2006, o desempenho dos mais recentes algoritmos de reconhecimento de rosto foi avaliado no Face Recognition Grand Challenge (FRGC) . Imagens de rosto de alta resolução, varreduras de rosto em 3D e imagens de íris foram usadas nos testes. Os resultados indicaram que os novos algoritmos são 10 vezes mais precisos do que os algoritmos de reconhecimento facial de 2002 e 100 vezes mais precisos do que os de 1995. Alguns dos algoritmos foram capazes de superar os participantes humanos no reconhecimento de rostos e podiam identificar gêmeos idênticos de forma única.

Uma das principais vantagens de um sistema de reconhecimento facial é que ele é capaz de realizar a identificação em massa, uma vez que não requer a cooperação do sujeito do teste para funcionar. Sistemas adequadamente projetados e instalados em aeroportos, multiplexes e outros locais públicos podem identificar indivíduos entre a multidão, sem que os transeuntes tenham conhecimento do sistema. No entanto, em comparação com outras técnicas biométricas, o reconhecimento de rosto pode não ser mais confiável e eficiente. Medidas de qualidade são muito importantes em sistemas de reconhecimento facial, pois grandes graus de variações são possíveis nas imagens de rosto. Fatores como iluminação, expressão, pose e ruído durante a captura de rosto podem afetar o desempenho dos sistemas de reconhecimento facial. Dentre todos os sistemas biométricos, o reconhecimento facial apresenta as maiores taxas de falsa aceitação e rejeição, portanto, foram levantadas questões sobre a eficácia do software de reconhecimento facial em casos de segurança ferroviária e aeroportuária.

Fraquezas

Ralph Gross, pesquisador do Carnegie Mellon Robotics Institute em 2008, descreve um obstáculo relacionado ao ângulo de visão do rosto: "O reconhecimento facial tem ficado muito bom em faces frontais completas e 20 graus fora, mas assim que você avança para perfil, houve problemas. " Além das variações de pose, as imagens de rosto de baixa resolução também são muito difíceis de reconhecer. Este é um dos principais obstáculos do reconhecimento facial em sistemas de vigilância.

O reconhecimento de rosto é menos eficaz se as expressões faciais variarem. Um grande sorriso pode tornar o sistema menos eficaz. Por exemplo: o Canadá, em 2009, permitia apenas expressões faciais neutras em fotos de passaporte.

Também há inconstância nos conjuntos de dados usados ​​pelos pesquisadores. Os pesquisadores podem usar de vários assuntos a dezenas de assuntos e algumas centenas de imagens a milhares de imagens. É importante que os pesquisadores disponibilizem os conjuntos de dados que usaram uns aos outros ou tenham pelo menos um conjunto de dados padrão.

Os sistemas de reconhecimento facial têm sido criticados por sustentar e julgar com base em uma suposição binária de gênero . Ao classificar os rostos de indivíduos cisgêneros em masculinos ou femininos, esses sistemas costumam ser muito precisos; no entanto, costumavam ser confundidos ou incapazes de determinar a identidade de gênero de pessoas transgênero e não binárias . Normas de gênero estão sendo mantidas por esses sistemas, tanto que mesmo quando mostrada uma foto de um homem cisgênero com cabelo comprido, os algoritmos se dividiram entre seguir a norma de gênero de homens com cabelo curto e as características faciais masculinas e ficaram confusos. Esse engano acidental de pessoas pode ser muito prejudicial para aqueles que não se identificam com o sexo atribuído no nascimento , por desconsiderar e invalidar sua identidade de gênero. Isso também é prejudicial para as pessoas que não seguem as normas de gênero tradicionais e desatualizadas, pois invalida sua expressão de gênero , independentemente de sua identidade de gênero.

Ineficácia

Os críticos da tecnologia reclamam que o esquema do distrito de Newham em Londres nunca reconheceu um único criminoso, a partir de 2004, apesar de vários criminosos no banco de dados do sistema morarem no distrito e o sistema estar em funcionamento há vários anos. "Nem uma única vez, pelo que a polícia sabe, o sistema de reconhecimento automático de rosto de Newham detectou um alvo vivo." Esta informação parece conflitar com as alegações de que o sistema foi creditado com uma redução de 34% no crime (daí o motivo pelo qual também foi implantado em Birmingham).

Um experimento feito em 2002 pelo departamento de polícia local em Tampa , Flórida, teve resultados igualmente decepcionantes. Um sistema no Aeroporto Logan de Boston foi fechado em 2003 após não conseguir fazer nenhuma correspondência durante um período de teste de dois anos.

Em 2014, o Facebook afirmou que, em um teste padronizado de reconhecimento facial com duas opções, seu sistema on-line obteve 97,25% de acerto, em comparação com o benchmark humano de 97,5%.

Os sistemas costumam ser anunciados como tendo uma precisão próxima de 100%; isso é enganoso, pois os estudos geralmente usam tamanhos de amostra muito menores do que seriam necessários para aplicações em grande escala. Como o reconhecimento facial não é totalmente preciso, ele cria uma lista de possíveis correspondências. Um operador humano deve então examinar essas correspondências potenciais e os estudos mostram que os operadores selecionam a correspondência correta da lista apenas na metade das vezes. Isso causa o problema de alvejar o suspeito errado.

Controvérsias

Violações de privacidade

Organizações de direitos civis e ativistas de privacidade, como a Electronic Frontier Foundation , Big Brother Watch e a ACLU expressam preocupação de que a privacidade esteja sendo comprometida pelo uso de tecnologias de vigilância . O reconhecimento facial pode ser usado não apenas para identificar um indivíduo, mas também para descobrir outros dados pessoais associados a um indivíduo - como outras fotos do indivíduo, postagens em blogs, perfis de mídia social, comportamento na Internet e padrões de viagem. Foram levantadas preocupações sobre quem teria acesso ao conhecimento do paradeiro de alguém e das pessoas com ele a qualquer momento. Além disso, os indivíduos têm capacidade limitada de evitar ou impedir o rastreamento do reconhecimento de rosto, a menos que escondam seus rostos. Isso muda fundamentalmente a dinâmica da privacidade do dia a dia, permitindo que qualquer comerciante, agência governamental ou estranho aleatório colete secretamente as identidades e informações pessoais associadas de qualquer indivíduo capturado pelo sistema de reconhecimento de rosto. Os consumidores podem não entender ou não saber para que seus dados estão sendo usados, o que lhes nega a capacidade de consentir com o compartilhamento de suas informações pessoais.

Em julho de 2015, o Escritório de Responsabilidade do Governo dos Estados Unidos conduziu um Relatório ao Membro de Classificação, Subcomitê de Privacidade, Tecnologia e Direito, Comitê do Judiciário, Senado dos EUA. O relatório discutiu os usos comerciais da tecnologia de reconhecimento facial, questões de privacidade e a lei federal aplicável. Afirma que, anteriormente, as questões relativas à tecnologia de reconhecimento facial foram discutidas e representam a necessidade de atualização das leis de privacidade dos Estados Unidos para que as leis federais correspondam continuamente ao impacto das tecnologias avançadas. O relatório observou que algumas organizações da indústria, governo e privadas estavam no processo de desenvolver, ou desenvolveram, "diretrizes voluntárias de privacidade". Essas diretrizes variaram entre as partes interessadas , mas seu objetivo geral era obter consentimento e informar os cidadãos sobre o uso pretendido da tecnologia de reconhecimento facial. De acordo com o relatório, as diretrizes voluntárias de privacidade ajudaram a neutralizar as preocupações com a privacidade que surgem quando os cidadãos não sabem como seus dados pessoais são usados.

Em 2016, a empresa russa NtechLab causou um escândalo de privacidade na mídia internacional ao lançar o sistema de reconhecimento facial FindFace com a promessa de que os usuários russos poderiam tirar fotos de estranhos na rua e vinculá-los a um perfil de mídia social na plataforma de mídia social Vkontakte ( VT). Em dezembro de 2017, o Facebook lançou um novo recurso que notifica um usuário quando alguém carrega uma foto que inclui o que o Facebook pensa ser seu rosto, mesmo que ele não esteja marcado. O Facebook tentou enquadrar a nova funcionalidade sob uma luz positiva, em meio a reações anteriores. O chefe de privacidade do Facebook, Rob Sherman, abordou esse novo recurso como aquele que dá às pessoas mais controle sobre suas fotos online. “Nós pensamos nisso como um recurso realmente poderoso”, diz ele. "Pode haver fotos que você não conhece." O DeepFace do Facebook se tornou o assunto de vários processos de ação coletiva sob a Lei de Privacidade de Informações Biométricas, com alegações de que o Facebook está coletando e armazenando dados de reconhecimento facial de seus usuários sem obter consentimento informado, em violação direta da Lei de Privacidade de Informações Biométricas de 2008 (BIPA ) O caso mais recente foi indeferido em janeiro de 2016 porque o tribunal não tinha jurisdição. Nos EUA, empresas de vigilância como a Clearview AI estão contando com a Primeira Emenda da Constituição dos Estados Unidos para coletar dados de contas de usuários em plataformas de mídia social para dados que podem ser usados ​​no desenvolvimento de sistemas de reconhecimento facial.

Em 2019, o Financial Times relatou pela primeira vez que um software de reconhecimento facial estava em uso na área de King's Cross , em Londres. O desenvolvimento em torno da estação principal de King's Cross em Londres inclui lojas, escritórios, a sede do Google no Reino Unido e parte do St Martin's College. De acordo com o Gabinete do Comissário de Informação do Reino Unido : "Escanear os rostos das pessoas conforme elas legalmente fazem suas vidas diárias, a fim de identificá-las, é uma ameaça potencial à privacidade que deve preocupar a todos nós." A Comissária de Informação do Reino Unido, Elizabeth Denham, lançou uma investigação sobre o uso do sistema de reconhecimento facial King's Cross, operado pela empresa Argent. Em setembro de 2019, foi anunciado pela Argent que o software de reconhecimento facial não seria mais usado na King's Cross . Argent afirmou que o software foi implantado entre maio de 2016 e março de 2018 em duas câmeras que cobrem uma rua de pedestres que atravessa o centro do empreendimento. Em outubro de 2019, um relatório da vice-prefeita de Londres Sophie Linden revelou que, em um acordo secreto, a Polícia Metropolitana havia passado fotos de sete pessoas para Argent para uso no sistema de reconhecimento facial cruzado de seu rei.

O reconhecimento facial automatizado foi testado pela Polícia do País de Gales em várias ocasiões entre 2017 e 2019. O uso da tecnologia foi contestado em tribunal por um indivíduo privado, Edward Bridges, com o apoio da instituição de caridade Liberty (caso conhecido como R (Bridges) v Chefe da Polícia de Gales do Sul). O caso foi ouvido no Tribunal de Recurso e uma sentença foi proferida em agosto de 2020. O caso argumentou que o uso de Reconhecimento Facial foi uma violação de privacidade com base em que havia quadro legal insuficiente ou proporcionalidade no uso de Reconhecimento Facial e que seu uso violou as Leis de Proteção de Dados de 1998 e 2018 . O caso foi decidido em favor de Bridges e não foi concedida indenização por danos. O caso foi resolvido por meio de uma declaração de irregularidade. Em resposta ao caso, o governo britânico tentou várias vezes aprovar um projeto de lei que regulamenta o uso de reconhecimento facial em espaços públicos. Os Projetos de Lei propostos tentaram nomear um Comissário com a capacidade de regular o uso do Reconhecimento Facial pelos Serviços do Governo de maneira semelhante ao Comissário para CCTV . Tal projeto de lei ainda não entrou em vigor [correto em setembro de 2021].

Tecnologia imperfeita na aplicação da lei

Ainda é contestado se a tecnologia de reconhecimento facial funciona ou não com menos precisão em pessoas de cor. Um estudo realizado por Joy Buolamwini (MIT Media Lab) e Timnit Gebru (Microsoft Research) descobriu que a taxa de erro para reconhecimento de gênero para mulheres negras em três sistemas comerciais de reconhecimento facial variou de 23,8% a 36%, enquanto para homens de pele mais clara estava entre 0,0 e 1,6%. As taxas gerais de precisão para identificar homens (91,9%) foram maiores do que para mulheres (79,4%), e nenhum dos sistemas acomodou um entendimento não binário de gênero. Ele também mostrou que os conjuntos de dados usados ​​para treinar modelos comerciais de reconhecimento facial não eram representativos da população em geral e tendiam para homens de pele mais clara. No entanto, outro estudo mostrou que vários softwares comerciais de reconhecimento facial vendidos para escritórios de aplicação da lei em todo o país tinham uma taxa de não correspondência falsa mais baixa para negros do que para brancos.

Os especialistas temem que os sistemas de reconhecimento facial possam, na verdade, estar prejudicando os cidadãos que a polícia afirma estar tentando proteger. É considerada uma biometria imperfeita e, em um estudo conduzido pela pesquisadora da Georgetown University Clare Garvie, ela concluiu que "não há consenso na comunidade científica de que fornece uma identificação positiva de alguém". Acredita-se que com margens de erro tão grandes nessa tecnologia, tanto os advogados quanto as empresas de software de reconhecimento facial dizem que a tecnologia deveria suprir apenas uma parte do caso - nenhuma evidência que possa levar à prisão de um indivíduo. A falta de regulamentos que impeçam as empresas de tecnologia de reconhecimento facial a requisitos de testes com preconceito racial pode ser uma falha significativa na adoção do uso na aplicação da lei. A CyberExtruder , uma empresa que se vende para a aplicação da lei, disse que não realizou testes ou pesquisas sobre viés em seu software. CyberExtruder observou que algumas cores de pele são mais difíceis para o software reconhecer com as limitações atuais da tecnologia. "Assim como indivíduos com pele muito escura são difíceis de identificar com alto significado por meio do reconhecimento facial, indivíduos com pele muito clara são iguais", disse Blake Senftner, engenheiro de software sênior da CyberExtruder.

Proteção de dados

Em 2010, o Peru aprovou a Lei de Proteção de Dados Pessoais, que define informações biométricas que podem ser usadas para identificar um indivíduo como dados confidenciais. Em 2012, a Colômbia aprovou uma abrangente Lei de Proteção de Dados que define os dados biométricos como informações confidenciais. De acordo com o artigo 9.º, n.º 1, do Regulamento Geral de Proteção de Dados (RGPD) da UE de 2016, o tratamento de dados biométricos para efeitos de "identificação única de uma pessoa singular" é sensível e os dados de reconhecimento facial processados ​​desta forma tornam-se dados pessoais sensíveis. Em resposta ao GDPR passando para a lei dos estados membros da UE , pesquisadores baseados na UE expressaram preocupação de que, se eles fossem obrigados pelo GDPR a obter o consentimento individual para o processamento de seus dados de reconhecimento facial, um banco de dados de rostos na escala do MegaFace nunca poderia ser estabelecido novamente. Em setembro de 2019, a Autoridade Sueca de Proteção de Dados (DPA) emitiu sua primeira penalidade financeira por uma violação do Regulamento Geral de Proteção de Dados da UE (GDPR) contra uma escola que estava usando a tecnologia para substituir chamadas nominais demoradas durante as aulas. A DPA descobriu que a escola obteve ilegalmente os dados biométricos de seus alunos sem completar uma avaliação de impacto. Além disso, a escola não informou à DPA sobre o esquema piloto. Uma multa de 200.000 SEK (€ 19.000 / $ 21.000) foi emitida.

Nos Estados Unidos da América, vários estados americanos aprovaram leis para proteger a privacidade dos dados biométricos. Os exemplos incluem o Illinois Biometric Information Privacy Act (BIPA) e o California Consumer Privacy Act (CCPA). Em março de 2020, os residentes da Califórnia entraram com uma ação coletiva contra a Clearview AI , alegando que a empresa havia coletado ilegalmente dados biométricos online e, com a ajuda da tecnologia de reconhecimento facial, construiu um banco de dados de dados biométricos que foi vendido para empresas e forças policiais. Na época, a Clearview AI já enfrentava duas ações judiciais sob o BIPA e uma investigação do Privacy Commissioner do Canadá para conformidade com a Lei de Proteção de Informações Pessoais e Documentos Eletrônicos (PIPEDA).

Proibição do uso de tecnologia de reconhecimento facial

Em maio de 2019, São Francisco, Califórnia, se tornou a primeira grande cidade dos Estados Unidos a proibir o uso de software de reconhecimento facial para uso pela polícia e outras agências governamentais locais. O supervisor de São Francisco, Aaron Peskin , introduziu regulamentos que exigirão que as agências obtenham a aprovação do Conselho de Supervisores de São Francisco para adquirir tecnologia de vigilância . Os regulamentos também exigem que as agências divulguem publicamente o uso pretendido para a nova tecnologia de vigilância. Em junho de 2019, Somerville , Massachusetts, se tornou a primeira cidade na Costa Leste a proibir o software de vigilância facial para uso do governo, especificamente em investigações policiais e vigilância municipal. Em julho de 2019, Oakland, Califórnia, proibiu o uso de tecnologia de reconhecimento facial pelos departamentos municipais.

A American Civil Liberties Union ("ACLU") fez campanha nos Estados Unidos pela transparência na tecnologia de vigilância e apoiou a proibição de software de reconhecimento facial em San Francisco e Somerville. A ACLU trabalha para desafiar o sigilo e a vigilância com esta tecnologia.

Em janeiro de 2020, a União Europeia sugeriu, mas logo desistiu, uma proposta de moratória sobre o reconhecimento facial em espaços públicos.

Durante os protestos de George Floyd , o uso de reconhecimento facial pelo governo da cidade foi proibido em Boston , Massachusetts. Em 10 de junho de 2020, o uso municipal foi proibido em:

Em 27 de outubro de 2020, 22 grupos de direitos humanos apelaram à Universidade de Miami para proibir a tecnologia de reconhecimento facial. Isso aconteceu depois que os alunos acusaram a escola de usar o software para identificar os manifestantes dos alunos. As acusações foram, no entanto, negadas pela universidade.

A coalizão europeia " Reclaim Your Face " lançada em outubro de 2020. A coalizão pede a proibição do reconhecimento facial e lançou uma Iniciativa de Cidadania Europeia em fevereiro de 2021. Mais de 60 organizações apelam à Comissão Europeia para regulamentar estritamente o uso de vigilância biométrica tecnologias.

Uma lei de reforma da polícia estadual em Massachusetts entrará em vigor em julho de 2021; uma proibição aprovada pela legislatura foi rejeitada pelo governador Charlie Baker . Em vez disso, a lei exige um mandado judicial, limita o pessoal que pode realizar a pesquisa, registra dados sobre como a tecnologia é usada e cria uma comissão para fazer recomendações sobre regulamentações futuras.

Reconhecimento de emoção

Nos séculos 18 e 19, a crença de que as expressões faciais revelavam o valor moral ou o verdadeiro estado interior de um ser humano era generalizada e a fisionomia era uma ciência respeitada no mundo ocidental. A partir do início do século 19, a fotografia foi usada na análise fisionômica das características e expressões faciais para detectar insanidade e demência . Nas décadas de 1960 e 1970, o estudo das emoções humanas e suas expressões foi reinventado por psicólogos , que tentaram definir uma gama normal de respostas emocionais aos eventos. A pesquisa sobre o reconhecimento automático de emoções tem se concentrado desde a década de 1970 nas expressões faciais e na fala , que são consideradas as duas formas mais importantes pelas quais os humanos comunicam emoções a outros humanos. Na década de 1970, foi estabelecida a categorização do Sistema de Codificação da Ação Facial (FACS) para a expressão física das emoções. Seu criador Paul Ekman afirma que existem seis emoções que são universais para todos os seres humanos e que podem ser codificadas em expressões faciais. A pesquisa sobre o reconhecimento automático de expressões específicas de emoções nas últimas décadas se concentrou em imagens de visão frontal de rostos humanos.

Em 2016, algoritmos de reconhecimento de emoção de características faciais estavam entre as novas tecnologias, ao lado de CFTV de alta definição , reconhecimento facial 3D de alta resolução e reconhecimento de íris , que encontraram seu caminho para fora dos laboratórios de pesquisa universitários. Em 2016, o Facebook adquiriu a FacioMetrics, um spin-off corporativo de reconhecimento de emoções de recursos faciais da Carnegie Mellon University . No mesmo ano, a Apple Inc. adquiriu a Emotient, empresa iniciante de reconhecimento de emoções de recursos faciais . No final de 2016, os fornecedores comerciais de sistemas de reconhecimento facial se ofereceram para integrar e implantar algoritmos de reconhecimento de emoção para características faciais. A Affectiva, spin-off do Media Lab do MIT, no final de 2019, oferecia um produto de detecção de emoções de expressão facial que pode reconhecer emoções em humanos enquanto dirige .

Sistemas anti-reconhecimento facial

Em janeiro de 2013, pesquisadores japoneses do Instituto Nacional de Informática criaram óculos de 'visor de privacidade' que usam luz quase infravermelha para tornar o rosto sob ele irreconhecível para software de reconhecimento de rosto. A versão mais recente usa uma moldura de titânio, material refletor de luz e uma máscara que usa ângulos e padrões para interromper a tecnologia de reconhecimento facial por meio de fontes de luz absorventes e refletivas. Alguns projetos usam aprendizado de máquina adversarial para criar novos padrões impressos que confundem o software de reconhecimento de rosto existente.

Outro método de proteção contra sistemas de reconhecimento facial são cortes de cabelo específicos e padrões de maquiagem que impedem os algoritmos usados ​​para detectar um rosto, conhecidos como deslumbramento da visão computacional . A propósito, os estilos de maquiagem populares com Juggalos também podem proteger contra o reconhecimento facial.

Máscaras faciais usadas para proteger contra vírus contagiosos podem reduzir a precisão dos sistemas de reconhecimento facial. Um estudo do NIST em 2020 testou sistemas populares de correspondência um para um e encontrou uma taxa de falha entre cinco e cinquenta por cento em indivíduos mascarados. The Verge especulou que a taxa de precisão dos sistemas de vigilância em massa, que não foram incluídos no estudo, seria ainda menos precisa do que a precisão dos sistemas de correspondência um-para-um. O reconhecimento facial do Apple Pay pode superar muitas barreiras, incluindo maquiagem pesada, barbas grossas e até óculos de sol, mas falha com as máscaras.

Veja também

Listas

Referências

Leitura adicional

links externos