Estimación de atributos faciales en un producto de análisis biométrico facial

Abstract

Veridas dispone de un producto comercial que permite la comparación biométrica entre dos caras, contenidas en dos imágenes distintas. Gracias a este sistema, se verifica si los rostros de ambas imágenes se corresponden con la misma identidad. Una extensión de interés para este producto es tener la capacidad de analizar los atributos faciales de las caras, en particular, la estimación de la edad y el género. Se llevó a cabo un estudio bibliográfico del estado del arte en la predicción de atributos faciales, en el que destaca el empleo de redes neuronales en los últimos años. Se realizaron dos propuestas que cumplen con las especificaciones del proyecto. La primera de ellas sigue las líneas del estado del arte y se desarrollaron dos redes neuronales convolucionales, ResNet50 y MobileNet, con las que se comprobó el rendimiento de ambas. La segunda propuesta emplea el motor de Veridas, el cual extrae el vector biométrico de la cara, y se estiman sus atributos empleando clasificadores. Finalmente, se decidió implementar la segunda de las soluciones, debido a su mayor velocidad de ejecución, mejor estimación de los atributos faciales, eficiente integración en el producto y facilidad para añadir nuevos atributos faciales a analizar.

Veridas has a commercial product which allows the biometric comparison between two faces, contained in two different images. If the faces of both images correspond to the same identity is verified with this system. An interesting extension of the product is the ability to analyse facial attributes of the images, in particular, the estimation of the age and the gender. A bibliographic study of the state of the art in the prediction of facial attributes was carried out, where stands out the use of neural networks in the last years. Two proposals which accomplish the project specifications were made. The first of them is based on the state of the art techniques and two convolutional neural networks were developed, ResNet50 and MobileNet, whose performance was verified. The second proposal uses the Veridas’s engine, which extracts the biometric vector of the face, and its attributes are estimated using classifiers. Finally, the second of the solutions was implemented due to its higher execution speed, better estimation of the facial attributes, efficient integration in the product and ease of adding new facial attributes to be analysed.