FacePhi SDK 5.3.0
Anuncio
FacePhi SDK 5.3.0 Kit de desarrollo software de reconocimiento biométrico facial Especificaciones técnicas Especificaciones técnicas FacePhi © 2016 FacePhi Biometria. Todos los derechos reservados. El logotipo FacePhi y F7 Face Recognition son marcas comerciales de “FacePhi Biometria S.A.” (A-54659313) registradas en España. Los nombres de otros productos y empresas aquí mencionadas pueden ser marcas comerciales de sus respectivos titulares. Debido a que FacePhi presenta con frecuencia nuevas versiones y actualizaciones de su software, las imágenes mostradas en este documento pueden ser diferentes de las que vea en pantalla. www.FacePhi.com Página 1 Especificaciones técnicas INDICE 1. ESPECIFICACIONES TÉCNICAS __________________________________________ 4 1.1. Tecnología _____________________________________________________________ 1.2. Módulos _______________________________________________________________ 1.2.1. Módulo extractor_____________________________________________________ 1.2.2. Módulo matcher _____________________________________________________ 1.3. Fuentes de Captura ______________________________________________________ 1.4. Formatos de Imagen soportados ___________________________________________ 1.5. .NET API (Módulo extractor y matcher) ______________________________________ 1.6. WIN32_X86 API (Módulo extractor y matcher) ________________________________ 1.7. JAVA API (Módulo extractor y matcher) ______________________________________ 1.8. ANDROID API (Módulo extractor) ___________________________________________ 1.9. iOS API (Módulo extractor) ________________________________________________ 1.10. SILVERLIGHT API (Módulo extractor) ________________________________________ 1.11. Documentación _________________________________________________________ 4 5 5 5 6 6 6 6 6 7 7 7 7 2. REQUISITOS _____________________________________________________ 8 2.1. Requisitos (Módulos extractor y matcher Windows) ____________________________ 8 2.2. Requisitos (Módulo extractor Android)_______________________________________ 9 2.3. Requisitos (Módulo extractor iOS) _________________________________________ 10 3. ESTÁNDARES ___________________________________________________ 11 3.1. Estadísticas de fiabilidad _________________________________________________ 11 3.2. Soporte lector de imágenes ______________________________________________ 11 4. SEGURIDAD ____________________________________________________ 12 4.1. Cifrado _______________________________________________________________ 4.2. Marca de tiempo _______________________________________________________ 4.2.1. Generación de la marca de tiempo ______________________________________ 4.2.2. Validación de la marca de tiempo ______________________________________ www.FacePhi.com 12 12 12 12 Página 2 Especificaciones técnicas 5. ESTADÍSTICAS DE RENDIMIENTO _______________________________________ 14 6. ESTADÍSTICAS DE FIABILIDAD _________________________________________ 18 6.1. Verificación 1:1 ________________________________________________________ 6.1.1. Cambios de iluminación y cámaras ______________________________________ 6.1.2. Paso del Tiempo_____________________________________________________ 6.2. Identificación 1:N_______________________________________________________ 6.2.1. Búsqueda de Sujetos en Listas _________________________________________ Referencias ________________________________________________________________ 19 19 19 21 21 22 7. INFORMACIÓN DE CONTACTO_________________________________________ 23 7.1. Contacto comercial _____________________________________________________ 23 7.2. Soporte técnico ________________________________________________________ 23 7.3. Reporte de errores y sugerencias __________________________________________ 24 www.FacePhi.com Página 3 Especificaciones técnicas 1. Especificaciones técnicas FacePhi SDK es una herramienta de desarrollo que proporciona el motor del software de reconocimiento facial a integradores de sistemas y desarrolladores de aplicaciones. Las funcionalidades de registro biométrico, verificación e identificación biométrica trabajan con imágenes estáticas, aunque obviamente esta característica hace que el software pueda ser perfectamente adaptable a orígenes dinámicos, por ejemplo la información captada desde cámaras de vídeo, archivos (AVI, MPEG…), etc. Otras funciones tales como la detección y localización del rostro, así como otros puntos característicos del mismo, completan la herramienta. El conjunto de utilidades que conforman la solución, así como la documentación suministrada de manera conjunta con la misma ofrece una herramienta completa y eficaz a todos aquellos desarrolladores interesados en integrar este tipo de biometría en sus soluciones. 1.1. Tecnología La tecnología de reconocimiento facial de FacePhi es un sistema altamente tolerante a… - Pose +/- 15˚ en cada dirección - Oclusión parcial del rostro - Inmune ante los cambios en barba y estilo de peinado - Uso de gafas (excepto gafas de sol) - Cambios moderados de luz Algoritmos de última generación - Algoritmo de localización de rostro y ojos - Algoritmo de codificación de características únicas e intransferibles del rostro Requerimientos mínimos de calidad e imagen para reconocimiento facial - El rostro debe ser completamente visible en la imagen - Distancia mínima entre iris de 40 píxeles (recomendado 70 píxeles) www.FacePhi.com Página 4 Especificaciones técnicas 1.2. Módulos 1.2.1. Módulo extractor Detecta y localiza los rostros presentes en una imagen dada, así como otras características representativas de los mismos para proceder posteriormente a la extracción y generación de la codificación biométrica de los rasgos faciales del individuo. No almacena imágenes. Utiliza una o múltiples imágenes faciales de una persona para generar una plantilla del rostro del individuo. Las funciones de este módulo se resumen a continuación: - Localiza caras en imágenes, así como la posición de los ojos - Determina la calidad de la muestra biométrica para comprobar si es apta para la identificación/verificación - Permite seleccionar diferentes rangos de proximidad de un rostro al dispositivo de captura para delimitar la distancia permitida para llevar a cabo la identificación/verificación de un individuo - Determina las características relevantes en una imagen de un rostro y genera un patrón que contiene la información representativa del mismo 1.2.2. Módulo matcher Registro Consiste en la creación de una estructura de usuario a partir de una plantilla facial. Esta estructura contendrá la información necesaria para clasificar y diferenciar un individuo del resto. Autenticación o Verificación (1:1) Realiza la comparación de los rasgos biométricos entre una plantilla facial dada, obtenida a través del módulo de extracción de características, y una estructura de usuario generada durante el registro. Como resultado de la comparación se obtiene un valor positivo o negativo, en función del umbral de seguridad establecido a tal efecto. Identificación (1:N) Realiza la comparación de los rasgos biométricos entre una plantilla facial obtenida a través del módulo de extracción de características y un conjunto de estructuras de usuario. Como resultado de la comparación se obtiene el usuario más similar, así como una puntuación que representa el nivel de similitud entre la plantilla asociada a dicho usuario y la plantilla de referencia. Es posible obtener un listado con los N usuarios más similares ordenados de mayor a menor similitud. www.FacePhi.com Página 5 Especificaciones técnicas En ambos casos, el umbral de seguridad es totalmente parametrizable. El sistema proporciona una serie de niveles de seguridad preestablecidos. 1.3. Fuentes de Captura Captura de imágenes desde: - Archivo - Dispositivos de captura compatibles con DirectShow - Dispositivos de captura integrados en el dispositivo móvil (Android, iOS) - Galería de fotos Android / iOS - Otros dispositivos de captura (a través de librerías de terceros) 1.4. Formatos de Imagen soportados Admite los siguientes formatos de imagen: - JPG, BMP, PNG, TIFF (Extractor .NET / C++ / Java) - JPG, PNG (Extractor Silverlight) - JPG, BMP, PNG, TIFF (Extractor Android) - JPG, BMP, PNG, TIFF (Extractor iOS) 1.5. - Accesible a través de los lenguajes de programación Visual Basic, C# y cualquier otro lenguaje de programación compatible con Microsoft .NET Compatibilidad con sistemas operativos Windows 32 y 64 bits Ejemplos de código fuente en C# 1.6. - WIN32_X86 API (Módulo extractor y matcher) Accesible a través de Microsoft Visual C++ 2012 Compiler Compatibilidad con sistemas operativos Windows 32 y 64 bits Ejemplos de código fuente en C++ 1.7. - .NET API (Módulo extractor y matcher) JAVA API (Módulo extractor y matcher) Accesible a través del lenguaje de programación Java Compatibilidad con sistemas operativos Windows 32 y 64 bits Ejemplos de código fuente en Java www.FacePhi.com Página 6 Especificaciones técnicas 1.8. - Accesible a través del lenguaje de programación Java (Android) Compatibilidad con sistemas operativos Android (módulo de extracción) Ejemplos de código fuente en Java (Android) 1.9. - - - SILVERLIGHT API (Módulo extractor) Accesible desde cualquier aplicación Silverlight 5 a través de los lenguajes de programación Visual Basic, C# y cualquier otro lenguaje de programación compatible con Silverlight 5 Posibilidad de generar aplicaciones ejecutables para cualquier navegador compatible con Silverlight 5 1.11. - iOS API (Módulo extractor) Accesible a través del lenguaje de programación Objective C Compatibilidad con sistemas operativos iOS (módulo de extracción) Ejemplos de código fuente en Objective C 1.10. - ANDROID API (Módulo extractor) Documentación Manual detallado que incluye las referencias de las API’s proporcionadas y las guía de usuario Documentación de las API’s adaptadas a los lenguajes de programación específicos (C#, Android, C++, Java, Objective C, etc.) Ejemplos completamente documentados ilustrando los casos de uso habituales www.FacePhi.com Página 7 Especificaciones técnicas 2. Requisitos 2.1. Requisitos (Módulos extractor y matcher Windows) PLATAFORMA WINDOWS Requerimientos Hardware Desarrollo (SDK) Recomendado: - Intel Core i3 @ 3,07GHz - 4 Gbyte RAM Mínimo: - Intel Core 2 Duo @ 2,5 GHz - 2 Gbyte RAM Requerimientos Hardware Despliegue (Runtime) Recomendado: (*) - Intel Core i3 @ 3,07GHz - 2 Gbyte RAM Mínimo: - Intel Core 2 Duo @ 2,5 GHz - 1 Gbyte RAM Recomendado: - Resolución VGA (640x480) / 30 FPS - Enfoque automático (autofocus) / Iris automático - Compensación de contraluces (WDR o similar) Mínimo: - Resolución VGA (640x480) / 24 FPS Cámara Windows XP Windows Vista Windows 7 Windows 8 Windows 10 Windows Server 2003 Windows Server 2008 Windows Server 2012 Sistema Operativo .NET Framework 4 Microsoft Visual C++ 2012 x86 Redistributable (ó x64) Silverlight 5 Software Herramientas Desarrollo Microsoft Visual Studio .NET, MonoDevelop, SharpDevelop, etc. Programación CLS-Complaint .Net (C#, VB .NET, Java, J#, F#, Managed C++, etc.) Microsoft Visual C++ Compiler 2012 Tabla 1. Requisitos del módulo extractor y del módulo matcher en Windows (*) Los datos proporcionados son meramente orientativos ya que los requerimientos hardware para una máquina de producción dependen de las características de la aplicación final desarrollada a partir de FacePhi SDK 5.3.0 www.FacePhi.com Página 8 Especificaciones técnicas 2.2. Requisitos (Módulo extractor Android) PLATAFORMA ANDROID Requerimientos Hardware Desarrollo (SDK) Requerimientos Hardware Despliegue (Runtime) Recomendado: - Intel Core i3 @ 3,07GHz - 4 Gbyte RAM. Mínimo: - Intel Core 2 Duo @ 2,5 GHz. - 2 Gbyte RAM. Arquitecturas: - armeabi-v7a - arm64-v8a - x86 - x86_64 Recomendado: - Resolución VGA (640x480) / 30 FPS. - Enfoque automático (autofocus) / Iris automático. - Compensación de contraluces (WDR o similar). Mínimo: -Resolución VGA (640x480) / 24 FPS. Cámara Sistema Operativo Android (versión mínima API level 14, versión 4.0) Software Android SDK, Java SDK Herramientas Desarrollo Android Studio, Eclipse, IntelliJ Programación Java (Android) Tabla 2. Requisitos del módulo de extracción en Android www.FacePhi.com Página 9 Especificaciones técnicas 2.3. Requisitos (Módulo extractor iOS) PLATAFORMA iOS Requerimientos Hardware Desarrollo (SDK) Requerimientos Hardware Despliegue (Runtime) Recomendado: - Intel Core i3 @ 3,07GHz - 4 Gbyte RAM. Mínimo: - Intel Core 2 Duo @ 2,5 GHz. - 2 Gbyte RAM. Arquitecturas: - i386 - armv7 - x86_64 - arm64 Recomendado: - Resolución VGA (640x480) / 30 FPS. - Enfoque automático (autofocus) / Iris automático. - Compensación de contraluces (WDR o similar). Mínimo: -Resolución VGA (640x480) / 24 FPS. Cámara Sistema Operativo iOS (versión mínima 7.1) Software - Herramientas Desarrollo XCode Programación Objective C Tabla 2. Requisitos del módulo de extracción en iOS Para tener una idea más exacta de los requerimientos hardware de una máquina de producción es recomendable consultar las estadísticas de rendimiento presentes en el siguiente apartado “Estadísticas de rendimiento” www.FacePhi.com Página 10 Especificaciones técnicas 3. Estándares FacePhi SDK se ha desarrollado en base a estándares internacionales lo cual garantiza la rigurosidad de los resultados de fiabilidad mostrados en el apartado “Estadísticas de fiabilidad”. Además, la incorporación de algunos componentes en el SDK permite trabajar con orígenes de datos estandarizados y ampliamente utilizados hoy en día. 3.1. Estadísticas de fiabilidad En la sección de estadísticas de fiabilidad se presentan los resultados de acuerdo a las metodologías descritas en la ISO/IEC 19795-1. De esta forma, es posible evaluar y comparar las tasas de error de esta tecnología con otros sistemas biométricos. 3.2. Soporte lector de imágenes FacePhi SDK contiene un módulo específico capaz de leer imágenes en formatos estandarizados. De entre los formatos soportados se encuentran los siguientes: JPG TIFF PNG JPEG200 ISO/IEC 19794 - Basic - Frontal - Full Frontal - Token Frontal www.FacePhi.com Página 11 Especificaciones técnicas 4. Seguridad 4.1. Cifrado Dado que el patrón facial contiene información biométrica sensible y para prevenir un uso inadecuado o fraudulento de la tecnología de FacePhi, el patrón es cifrado mediante el algoritmo Advanced Encryption Standard, usando una clave de 256 bits (AES256). Este algoritmo fue elegido como esquema de cifrado por el NIST, (National Institute of Standards and Technology) y posteriormente adoptado como estándar por el Gobierno de los Estados Unidos. Para tener una idea de la seguridad de este esquema de cifrado, se puede asegurar que una supercomputadora emplearía alrededor de un millón de billones de años en descifrar un patrón facial encriptado con AES-128 usando fuerza bruta. Por tanto usando una clave de 256 bits y dado que el número de combinaciones posibles es mucho mayor la cantidad de tiempo requerida es astronómica. 4.2. Marca de tiempo El patrón facial incorpora una marca de tiempo que almacena el instante en el que se ha generado este patrón. 4.2.1. Generación de la marca de tiempo La generación de la marca de tiempo se produce en el dispositivo en el que se realiza el proceso de extracción de características faciales. 4.2.2. Validación de la marca de tiempo En el instante en el que se realiza la autenticación del usuario se produce una validación de esa marca de tiempo en el módulo matcher. La validación consiste en averiguar si ha transcurrido una cantidad de tiempo (segundos) mayor que el tiempo máximo permitido, el www.FacePhi.com Página 12 Especificaciones técnicas cual es configurable en el módulo matcher. Esta validación se realiza tomando el instante de tiempo del dispositivo en el que se realiza el proceso de autenticación. www.FacePhi.com Página 13 Especificaciones técnicas 5. Estadísticas de rendimiento A continuación se muestran datos de rendimiento de FacePhi SDK 5.3.0. Los datos obtenidos son el resultado de realizar una prueba de rendimiento sobre una base de datos de imágenes. Dicha prueba consta de 3 tests: 1. Detección de la cara en todas las imágenes y obtención del tiempo medio. 2. Extracción de plantilla facial en todas las imágenes y obtención del tiempo medio. 3. Comparación de todas las plantillas extraídas en el test anterior. Para evaluar el extractor C++ y el extractor Silverlight, se ha empleado un equipo con las siguientes características: Sistema Operativo: Win 7 Pro 64 Bits Hardware: Procesador Intel Core i7-3770 @ 3.40 Ghz Memoria RAM 8GB Para evaluar el extractor Android, se ha empleado un dispositivo Google Nexus 6P con las siguientes características: Sistema Operativo: Android OS v6.0.1 Hardware: CPU Qualcomm Snapdragon 810 MSM8994 Memoria RAM 3GB Para evaluar el extractor iOS, se ha empleado un dispositivo iPhone 6s con las siguientes características: Sistema Operativo: iOS 9.3.1 Hardware: Procesador DualCore www.FacePhi.com Página 14 Especificaciones técnicas Memoria RAM 2GB Las pruebas de rendimiento realizadas se basan en las siguientes premisas: - Base de datos con 526 imágenes con resolución 640x480 (VGA) Todas las plantillas con los datos del patrón facial de usuario fueron cargadas en memoria RAM como paso previo a la realización de la comparativa Se ha usado la configuración sugerida para el extractor empleando imágenes de resolución 640 x 480 píxeles, exceptuando el filtro de calidad (en los resultados se muestran los valores de extracción con el filtro de calidad desactivado: ImageQualityFilter: off). Estos valores sugeridos son: MinimumDistanceBetweenEyesAllowed: 48 px MaximumDistanceBetweenEyesAllowed: 168 px MaximumThreads: 8 LivenessDetectionFilter: Off - En cuanto a la configuración del matcher los valores empleados han sido: MatchingSecutityLevel: MediumHighSecurityLevel TemplateReliability: MediumTemplateReliability www.FacePhi.com Página 15 Especificaciones técnicas A continuación se muestran los resultados: Estadísticas de rendimiento de FacePhi SDK 5.3.0 para imágenes de tamaño 640x480 Tipo de detección de cara Monoface Multiface 18 18 53 - 28 - 53 53 37 37 76 - 48 - 122 122 Tiempo medio de detección de cara (1) (milisegundos) (C++) Tiempo medio de detección de cara (1) (milisegundos) (Android) Tiempo medio de detección de cara (1) (milisegundos) (iOS) Tiempo medio de detección de cara (1) (milisegundos) (Silverlight) Tiempo medio de extracción de características faciales (2) (milisegundos) (C++) Tiempo medio de extracción de características faciales (2) (milisegundos) (Android) Tiempo medio de extracción de características faciales (2) (milisegundos) (iOS) Tiempo medio de extracción de características faciales (2) (milisegundos) (Silverlight) Velocidad media de comparación(3) (plantillas/segundo) 80321 Tamaño de plantilla (4) (bytes) 6244 Tabla 3. Resultados de rendimiento (1) El tamaño de las imágenes influye en el tiempo de detección de caras, por ello, a mayor tamaño de imagen menor rapidez de detección. www.FacePhi.com Página 16 Especificaciones técnicas (2) El tiempo de extracción especificado incluye también el tiempo empleado en la detección como paso previo. Por tanto: Tiempo de extracción = Tiempo de detección de cara + Tiempo de extracción (generación) de plantilla* * El tiempo de extracción (generación) de la plantilla no depende del tamaño de la imagen. (3) El tiempo de comparación entre plantillas es independiente del tamaño de las imágenes. Tiempo medido en un proceso de identificación. (4) Las plantillas constan de un único patrón facial. www.FacePhi.com Página 17 Especificaciones técnicas 6. Estadísticas de fiabilidad A continuación se muestran diferentes tests para evaluar la fiabilidad de FacePhi SDK 5.3.0. El objetivo es poder comprender el funcionamiento y el comportamiento de la SDK mediante la obtención de medidas objetivas de la fiabilidad y precisión del software de reconocimiento facial. Se pondrán a prueba situaciones y problemáticas habituales como los cambios de iluminación, el paso del tiempo o expresiones faciales. Para ello se han realizado experimentos con dos bases de datos públicas ampliamente utilizadas: Face Recognition Technology (FERET) [1] y Face Recognition Grand Challenge (FRGC) [2]. Los experimentos llevados a cabo muestran resultados sobre los dos posibles modos generales de funcionamiento de un sistema biométrico: Verificación (1:1): “¿Eres quien dices ser?”: Se determina si al comparar dos muestras biométricas (plantillas faciales) se genera una puntuación por encima de un umbral, lo cual implica que el sistema ha verificado positivamente si tú eres quien dices ser. Estos sistemas se conocen como 1:1 ya que el patrón facial a evaluar se compara únicamente con tu plantilla facial, obteniendo una respuesta de “sí” o “no”. Identificación (1:N): “¿Quién eres?”. En este funcionamiento tu muestra biométrica se compara con otras almacenadas en una base de datos. Estos sistemas se conocen como 1:N ya que el patrón facial a evaluar se compara con N plantillas almacenadas pertenecientes a distintas identidades, de entre los cuales el sistema debe devolver tu identidad correcta. Para evaluar estos modos de funcionamiento se utilizan dos conjuntos de imágenes: uno de Test que simula usuarios desconocidos que intentan acceder al sistema, y un conjunto de Registro con usuarios legales registrados previamente. Los resultados obtenidos en estos experimentos siguen las medidas estándar definidas en la norma internacional ISO 19795-1 [5]. Los filtros de la SDK PatternQuality Filter y Quality Filter están desactivados. www.FacePhi.com Página 18 Especificaciones técnicas 6.1. Verificación 1:1 6.1.1. Cambios de iluminación y cámaras En este experimento se mide la robustez de la tecnología frente a cambios en la iluminación. Los conjuntos de imágenes a utilizar se extraen de la base de datos Gray FERET [3][4], y se detallan a continuación: - - - Como conjunto de registro se utiliza el grupo de imágenes “Gallery” de FERET, el cual está formado por 1,196 imágenes correspondientes a 1,196 individuos. Las imágenes de este grupo son frontales, en escala de grises y de baja calidad. Como conjunto de test se utiliza el grupo de imágenes “fafc” de FERET, el cual está formado por 194 imágenes de individuos presentes en el conjunto de registro. Estas imágenes han sido tomadas con distintas cámaras y variando las condiciones de iluminación. En total se obtienen más de 200,000 comparaciones. En la siguiente tabla se muestran los aspectos más importantes del experimento, así como la tasa True Match Rate (TMR) fijando la tasa False Match Rate (FMR) al 0.1 % [3]: Verificación con cambios de iluminación Tamaño de plantilla (registro y verificación) [bytes] 6244 Tasa TMR en FMR = 0.1%1 98.96% Tabla 1. Resultados del experimento Cambios de Iluminación. 6.1.2. Paso del Tiempo En este experimento se comprueba cómo afecta la utilización de imágenes obtenidas en distintos intervalos de tiempo. Las imágenes utilizadas pertenecen al Experimento 2 de FRGC 2.0 [2], son frontales y fueron tomadas bajo condiciones controladas de iluminación. Se realizaron 4,007 sesiones fotográficas. Cada sesión consta de 4 fotos del mismo sujeto. Se genera una plantilla biométrica de cada sesión. Los conjuntos de imágenes a utilizar se detallan a continuación: - Como conjunto de registro se utiliza el grupo de imágenes Target, el cual está formado por 16.028 imágenes entre las que hay 466 usuarios. - Como conjunto de registro se utiliza el grupo de imágenes Query, el cual está formado por el mismo2 subconjunto de Target. 1 Fijar FMR = 0.1% significa que de cada 1000 impostores se consigue rechazar a 999. Para este experimento se consigue una tasa de acierto para usuarios legales del 98.96%. 2 Solamente se tendrán en cuenta las comparaciones entre sesiones en las que la de Query haya sido tomada 7 días o más después que la de Target. www.FacePhi.com Página 19 Especificaciones técnicas - Se obtienen más de 8 millones de comparaciones diferentes. En la siguiente gráfica se muestran los resultados obtenidos en este experimento utilizando las curvas ROC (Receiver Operating Characteristic [3]). Se han representado tres curvas ROC3 para evaluar la fiabilidad del algoritmo frente al paso del tiempo. Además de las tasas TMR en FMR = 0.1% para cada curva ROC, se han marcado adicionalmente otros puntos correspondientes a aplicaciones que requieran un nivel de seguridad mayor 4. ROC True Match Rate 001 001 ROC I ROC II ROC III TM@FM=0.001 TM@FM=0.000001 001 001 001 001 0,000001 0,00001 0,0001 0,001 0,01 0,1 1 False Match Rate Gráfica 1. Curvas ROC del experimento Paso del Tiempo. En la siguiente tabla se muestran los aspectos más importantes del experimento, así como el valor numérico de la tasa TMR fijando FMR = 0.1 % para cada una de las curvas. Verificación con paso del tiempo Tamaño de plantilla (registro y verificación) [bytes] Tasa TMR en FMR = 0.1% ROC I ROC II ROC III 24976 99.74% 99.50% 99.24% Tabla 2. Resultados del experimento Paso del Tiempo. 3 ROC I: los subconjuntos de registro y test se obtuvieron dentro del mismo semestre. ROC II: los subconjuntos de registro y test se obtuvieron dentro del mismo año. ROC III: los subconjuntos de registro y test se obtuvieron durante el siguiente año. 4 Modo de funcionamiento de seguridad extrema indica que FMR está fijado al 0.000001 (se produciría un Falso Emparejamiento de cada millón de intentos fraudulentos). Incluso en este caso, la tasa de acierto es bastante alta llegando al 98% en ROC I. www.FacePhi.com Página 20 Especificaciones técnicas 6.2. Identificación 1:N 6.2.1. Búsqueda de Sujetos en Listas En este experimento se evaluará la fiabilidad de la SDK para una aplicación de Identificación Closed Set5. Para ello vamos a utilizar el Experimento 1 de la base de datos FRGC 2.0 [2]. En este caso, se va a utilizar una sola imagen para crear el patrón biométrico. El tamaño de los conjuntos de Test y Registro es de 16,028 muestras cada uno. Para cada ejemplo del conjunto de test vamos a pedir al sistema que nos devuelva las N muestras biométricas del conjunto de registro que mayor similitud tienen. Para que el sistema identifique correctamente al usuario se deben cumplir dos condiciones: 1 - La identidad correcta debe encontrarse dentro de los R (Rank) primeros de la Lista de Candidatos L (Candidate List). 2 – La similitud debe ser mayor al umbral de seguridad T (Threshold). Estos umbrales corresponden a los Umbrales de Seguridad proporcionados por FacePhi. Para hacer más exigente la prueba se ha reducido al mínimo el Rank (R=1) y se ha utilizado la lista mayor posible, es decir L=16,028 (se busca contra toda la base de datos). En resumen, para considerarse un acierto la persona debe aparecer el primero de la Lista de Candidatos de entre toda la base de datos, es lo que más ampliamente se conoce como Rank 1 Hit Rate6. Las medidas de fiabilidad están basadas en la obtención de la tasa True Positive Identification Rate (TPIR) [3] para distintos niveles de seguridad fijados por el umbral. 5 6 Closed set: todos los usuarios que aparecen en el test tienen representación en el registro. Esta medida se conoce como Rank-one hit rate [6]. www.FacePhi.com Página 21 Especificaciones técnicas La siguiente gráfica muestra la Tasa TPIR utilizando los distintos niveles de seguridad. True Positive Identification Rate Rank 1 (Hit Rate vs Threshold) 100% 100% 100% 100% 100% 100% 99% 99% 99% 99% 99% Extreme Very-High High Medium-High Medium No Threshold Security Threshold Gráfica 2. Rank 1 del experimento de Identificación En esta gráfica se han utilizado cinco modos de funcionamiento dependiendo de la seguridad requerida la cual viene fijada por el umbral. La primera columna representa el umbral más restrictivo, Extreme, el más seguro contra Falsos Positivos (aunque puede presentar más Falsos Negativos). También se añade una última columna sin tener en cuenta el umbral (T = 0). Referencias [1] B. P. J. Phillips, P. J. Rauss, and S. Z. Der, “FERET (Face Recognition Technology) Recognition Algorithm Development and Test Results”, October 1996. Army Research Lab technical report 995. [2] P. J. Phillips, P. J. Flynn, T. Scruggs, K. W. Bowyer, J. Chang, K. Hoffman, J. Marques, J. Min, and W. Worek, “Overview of the Face Recognition Grand Challenge”, 2005. IEEE Conference on Computer Vision and Pattern Recognition. [3] S. A. Rizvi, P. J. Phillips, and H. Moon, “The FERET Verification Testing Protocol for Face Recognition Algorithms”, October 1998. Technical report NISTIR 6281. [4] P. J. Phillips, H. Moon, S. A. Rizvi, and P. J. Rauss, “The FERET Evaluation Methodology for Face-Recognition Algorithms”, January 1999. Technical report NISTIR 6264. [5] ISO/IEC 19795-1 standard: "Information technology – Biometric performance testing and reporting – Part 1: Principles and framework", 2006 [6] P. Grother, M. Ngan, “Face Recognition Vendor Test (FRVT)”, May 2014. NIST Interagency Report 8009. www.FacePhi.com Página 22 Especificaciones técnicas 7. Información de contacto Para cualquier consulta general, por favor, póngase en contacto con nosotros a través de las siguientes vías: Correo electrónico info@facephi.com Web www.facephi.com Oficinas Avenida México, 20 Alicante 03008. España. Teléfono 7.1. (+34) 965 10 80 08 Contacto comercial Si quiere realizar consultas comerciales, utilice los medios facilitados a continuación: Correo electrónico sales@facephi.com Teléfono 7.2. (+34) 965 10 80 08 Soporte técnico Ante cualquier duda técnica, sugerencia o reporte, contacte a través de: Correo electrónico support@facephi.com Teléfono (+34) 965 10 80 08 www.FacePhi.com Página 23 Especificaciones técnicas 7.3. Reporte de errores y sugerencias Si desea realizar o hacernos llegar cualquier tipo de sugerencia o detecta algún tipo de error, contacte a través de: Correo electrónico feedback@facephi.com Teléfono (+34) 965 10 80 08 www.FacePhi.com Página 24 Especificaciones técnicas www.FacePhi.com Página 25
