La reconnaissance du visage humain dépend aussi de l'intensité lumineuse des pixels

Pour déterminer via des systèmes de reconnaissance le genre d’un être humain avec plus précision, ainsi que son âge, grâce à une analyse différenciée des pixels en fonction de leur distance et de leur luminosité.

99% des hommes et des femmes peuvent maintenant être reconnus comme tels grâce à la technologie de la reconnaissance faciale.  Les outils deviennent de plus en plus performants et, tandis que les entreprises songent à mettre en place la reconnaissance faciale comme mot de passe ou à l’implanter sur mobile, celle-ci se réfère souvent sans prendre en compte l’âge ou le genre de la personne, comme avec KeyLemon. C’est avec l’utilisation d’algorithmes mathématiques spécifiques s'appuyant sur la distance entre les pixels formant une image, ainsi que l'intensité lumineuse émanant de ceux-ci, qu’un chercheur toulousain est parvenu à atteindre ce taux de réussite. Les formules qu’il a développées permettent de prendre aussi en compte, dans 68% des cas, l’âge du visage analysé.  

Pixelisation et intensité

La méthode employée par Tizita Nesibu Shewaye considère plusieurs approches. L’une utilise la méthode dit de l’analyse en composante principales. Cette démarche découpe l’image selon deux axes et utilise les pixels comme données brutes, qui sont ensuite classifiées les unes par rapport aux autres selon la distance qui les séparent. Cet algorithme permet d’obtenir un taux de reconnaissance entre 87 et 95% de réussite selon le nombre de points pris en compte. Le dispositif le plus efficace, lui, utilise un algorithme mathématique qui ne décompose pas l’image selon des pixels mais en fonction de leur intensité lumineuse. 133 pixels différents sont requis pour obtenir les 99% de réussite de reconnaissance faciale, et ceux-ci sont classés de telle sorte que le système puisse recomposer un nuage de points avec la totalité des images (prenant ainsi la forme d'un visage dit moyen) et de calculer les différences entre ce visage moyen et les visages étudiés.

Divers champs d’applications

L’une des applications principales de ces résultats demeure dans l’analyse d’images en temps réel. Cette réussite est rendue capable, en particulier pour l’âge des personnes, en considérant les catégories comme suffisamment larges – il ne s’agit donc pas d’estimer avec précision l’âge d’une personne. Quatre tranches d’âges sont prises en compte : de 15 à 20 ans, de 21 à 40 ans, de 41 à 60 ans et 60 ans est plus. Diverses applications de cette étude pourraient être la gestion des personnes dans des systèmes de surveillance, l’acquisition de données biométriques ou encore les interactions homme-machine.