Historia del Reconocimiento Facial

En los últimos años la demanda de soluciones basadas en tecnologías de reconocimiento facial se ha visto fuertemente incrementada. Empresas de diferentes sectores han comenzado su implantación para agilizar los procesos y mejorar la experiencia de usuario en situaciones como el alta remota de nuevos clientes o el control de accesos. Pero, ¿cuál es la historia de esta tecnología? ¿Qué razones hay detrás de su reciente aplicación masiva? ¿Qué tiene de especial el rostro de una persona para que pueda emplearse como llave de acceso?

Para dar respuestas a estas preguntas haremos un recorrido por la historia del reconocimiento facial, desde su origen hasta la actualidad.

Descubre qué es el reconocimiento facial a través de esta guía interactiva: orígenes de la tecnología, casos de uso, técnicas actuales y su evolución en el futuro.

¿En qué consiste el reconocimiento facial?

Desde un punto de vista general, la tecnología de reconocimiento facial se basa en la extracción por diferentes medios de características biométricas que tengan poder discriminativo para poder diferenciar a unas personas de otras. Cada imagen facial se modela con una serie de valores numéricos que agrupados componen lo que popularmente se denomina patrón de características. Estos patrones pueden utilizarse posteriormente para llevar a cabo diferentes operaciones como el cálculo del parecido entre dos caras (correspondencia), identificación entre un conjunto de personas o verificación de la identidad (si alguien es realmente quien dice ser).

Las tecnologías de reconocimiento basadas en biometría facial han tenido una gran acogida debido fundamentalmente a su robustez, fiabilidad y bajo carácter intrusivo. Una sola imagen del usuario es suficiente para llevar a cabo todo el proceso , de manera que es posible una integración sencilla en productos digitales en los que se necesite verificar la identidad de las personas.

¿Quién fue el primero en desarrollar la tecnología de reconocimiento facial?

Los primeros pasos en el reconocimiento facial se atribuyen a Woodrow Wilson Bledsoe, un matemático que en la década de los sesenta ideó un primer prototipo basado en el uso de tabletas RAND. Esta herramienta permitía recrear los rasgos faciales a través de coordenadas con la ayuda de un lápiz que transmitía impulsos electromagnéticos a una cuadrícula.

Con este dispositivo Bledsoe era capaz de digitalizar los rasgos faciales de las personas, como los ojos o la boca, para posteriormente almacenarlos en una base de datos. Al ingresar una nueva imagen facial en el sistema era posible obtener la más parecida entre las previamente guardadas. A pesar de que en esa época el sistema tenía muchas carencias, sirvió para asentar las bases para la utilización de la tecnología biométrica en el reconocimiento facial.

Evolución del reconocimiento facial

Continuando el trabajo de Bledsoe aparecieron en los años siguientes algunos avances que mejoraban la precisión de los resultados. Algunas de las nuevas aproximaciones estaban basadas en la utilización de marcadores faciales sobre zonas características del rostro como la comisura de los labios, los ojos o la nariz, asumiendo que la descripción de su posición espacial modelaba patrones biométricos relevantes y con poder discriminatorio.

Las aproximaciones basadas en técnicas antropométricas no consiguieron los resultados esperados, por lo que durante unos años la investigación en técnicas de reconocimiento facial no sufrió un gran desarrollo. Probablemente el punto de inflexión más importante tuvo lugar en 2001 cuando Paul Viola y Michael Jones propusieron un marco de trabajo para la detección de objetos que consiguió tasas de éxito nunca vistas hasta entonces. Su algoritmo estaba basado en la combinación del uso de características de rápida computación (características Haar) con un proceso de entrenamiento optimizado. De esta manera se conseguía detectar la región facial de forma rápida y fiable, pudiendo aislar esa zona de la imagen para poder aplicar descriptores más potentes.

En los últimos años los avances más relevantes en el ámbito del reconocimiento facial han venido propiciados por el uso de entornos de trabajo de aprendizaje profundo. A diferencia de los métodos clásicos (donde deben escogerse de antemano los descriptores a aplicar sobre la imagen de entrada), los algoritmos de aprendizaje profundo mediante el proceso de aprendizaje crean sus propios extractores de características analizando relaciones complejas entre el conjunto de datos de entrada. El aumento significativo de la capacidad de cómputo unido a la inmensa cantidad de imágenes disponibles gracias a internet ha permitido a los sistemas de reconocimiento facial basados en aprendizaje profundo obtener tasas de éxito muy elevadas incluso en los entornos más exigentes.

¿Para que se utiliza la biometría facial en la actualidad?

El reconocimiento basado en biometría facial es una tecnología con un enorme potencial que cuenta con numerosas aplicaciones en diferentes ámbitos donde sea necesario verificar la identidad de las personas: control de accesos, reconocimiento de criminales, búsqueda de personas desaparecidas, desbloqueo de móviles, altas digitales de clientes…

Es precisamente en este último donde recientemente se está registrando un mayor aumento del interés por parte de empresas que desean agilizar el proceso de altas remotas. Se han establecido regulaciones (KYC y AML) con el fin proteger la identidad de los clientes mediante verificaciones seguras así como poner freno al posible uso para fines ilegítimos como el blanqueo de capitales. Sectores como la banca, aseguradoras, empresas de juego online, telco o minoristas han encontrado en el reconocimiento facial una herramienta útil para facilitar el registro inicial y aplicar una capa extra de seguridad a sus sistemas.

En Mobbeel desarrollamos herramientas que permiten implantar de una manera sencilla estos procedimientos: MobbScan (solución de onboarding digital) y MobbID (verificación biométrica de identidad) pueden ser tus mejores aliados en la transformación digital de tus procesos.