Optimizing Image Preparation and Compression for Face Recognition within 1024 Bytes

Resumen Técnico: Optimización de la Preparación y Compresión de Imágenes para el Reconocimiento Facial dentro de 1024 Bytes

Planteamiento del Problema
Los Documentos de Viaje Lectibles por Máquina (MRTD) que cumplen con las normas de la Organización de Aviación Civil Internacional (OACI) suelen almacenar referencias biométricas faciales en chips RFID como imágenes JPEG o JPEG 2000. Sin embargo, los documentos de viaje temporales a menudo carecen de chips RFID debido a las limitaciones de costo y tiempo de emisión, dependiendo en su lugar de códigos de barras 2D para la legibilidad por máquina. Una limitación crítica de los códigos de barras 2D es su capacidad de almacenamiento restringida. Este estudio aborda el desafío de almacenar imágenes faciales que cumplan con la normativa dentro de un límite estricto de 1024 bytes, manteniendo al mismo tiempo un rendimiento suficiente en el reconocimiento facial. La investigación se dirige específicamente a dos escenarios de aplicación: una comparación general contra un conjunto de datos diverso (que simula la calidad variable de la sonda) y un escenario específico para puertas de Control de Fronteras Automatizado (ABC), donde las imágenes de la sonda son de alta calidad y estrictamente frontales.

Metodología
Los autores llevaron a cabo un proceso de optimización integral utilizando la base de datos ColorFERET, que incluye 11,128 imágenes. El conjunto de datos se particionó en un "conjunto de datos completo" (11,128 imágenes), un "conjunto de datos frontal" (2,638 imágenes frontales) y un "conjunto de datos de búsqueda de parámetros" (100 imágenes) para el ajuste iterativo.

El marco experimental consistió en los siguientes pasos:

1. Preprocesamiento de Imagen: Se detectaron, alinearon y recortaron los rostros utilizando el modelo SCRFD y la Herramienta de Evaluación de Calidad de Imagen Facial (FIQAT). Las imágenes se redimensionaron a 112×112 píxeles (el requisito de entrada para el extractor de características) para establecer una línea base.
2. Algoritmos de Compresión: Se evaluaron siete algoritmos: JPEG, JPEG 2000, JPEG XL, JPEG AI, AVIF, HEIF y WebP.
3. Parámetros de Optimización: El estudio optimizó cinco categorías de parámetros:
   • Selección de Algoritmo: Comparación de los siete códecs.
   • Configuración del Algoritmo: Ajuste de los parámetros de la interfaz de línea de comandos (CLI) (por ejemplo, calidad, velocidad, tamaños de bloque) para cada códec.
   • Color vs. Escala de Grises: Evaluación del impacto de convertir imágenes de color de 24 bits a escala de grises de 8 bits.
   • Resolución: Pruebas de resoluciones que van desde 56×56 hasta 224×224 (notando que JPEG AI requiere ≥160×160).
   • Manipulación de la Imagen: Aplicación de preprocesamiento a las regiones faciales "menos importantes" (fondo) para ayudar a la compresión. Las técnicas incluyeron la unificación de los píxeles del fondo a negro/blanco, la aplicación de un kernel de media de 3×3 (desenfoque) y el filtrado de paso bajo. Dos enfoques definieron estas regiones: un cuadro delimitador rectangular alrededor de los puntos de referencia (landmarks) y un enfoque basado en los landmarks de OFIQ.
4. Métricas de Evaluación:
   • Autosimilitud: Similitud de coseno entre los vectores de características de las imágenes originales y comprimidas (utilizada para el ajuste de parámetros).
   • Rendimiento del Reconocimiento Facial: Tasa de Falsos Emparejamientos (FMR) y Tasa de No Emparejamientos Falsos (FNMR) utilizando el modelo AdaFace (arquitectura ViT-KPRPE).
   • Escenarios:
     • Comparación Completa: Imágenes frontales comprimidas frente al conjunto de datos completo (umbral FMR de 0.01%).
     • Comparación Frontal: Imágenes frontales comprimidas frente al conjunto de datos frontal únicamente (umbral FMR de 0.0001%), simulando sondas de alta calidad de las puertas ABC.
   • Evaluación de Calidad: Curvas de Error vs. Característica de Descarte (EDC) utilizando OFIQ UQS y ViT-FIQA(C).

Contribuciones Clave

• Benchmarking Exhaustivo de Algoritmos: El estudio proporciona un análisis comparativo de siete estándares de compresión, incluyendo el recientemente estandarizado JPEG AI, bajo una restricción estricta de 1024 bytes.
• Estrategia de Optimización: Introduce un proceso de optimización de múltiples etapas que integra la reducción de resolución, la conversión de espacio de color y la manipulación dirigida de la imagen (suavizado de regiones no críticas) para maximizar el rendimiento del reconocimiento.
• Recomendaciones Específicas por Escenario: El documento distingue entre casos de uso general y escenarios de puertas ABC de alta calidad, demostrando que los parámetros óptimos difieren significamente según la calidad de la imagen de la sonda.
• Perspectivas de Preprocesamiento: La investigación valida que la reducción de resolución y la aplicación de suavizado a las áreas faciales no críticas puede mitigar los efectos negativos de la compresión con pérdida agresiva.

Resultados

• Rendimiento de los Algoritmos:
  • JPEG AI: Al utilizar configuraciones optimizadas (específicamente la conversión a escala de grises y el desenfoque de la imagen completa), JPEG AI logró el mejor rendimiento de reconocimiento facial en el escenario de Comparación Frontal (puerta ABC), superando incluso a las imágenes de línea base sin comprimir en algunas métricas debido al filtrado de ruido.
  • AVIF y WebP: Ambos proporcionaron resultados robustos en ambos escenarios, lo que los convierte en alternativas sólidas.
  • JPEG: Aunque generalmente es deficiente para imágenes a color en este tamaño, el JPEG optimizado en escala de grises con suavizado funcionó sorprendentemente bien en el escenario restringido de Comparación Frontal, superando las líneas base sin comprimir.
  • HEIF y JPEG 2000: Estos generalmente tuvieron un rendimiento inferior en comparación con los principales candidatos en escenarios de fuerte compresión con pérdida.
• Color vs. Escala de Grises:
  • Para la Comparación Completa (calidad variable), las imágenes a color generalmente produjeron un mejor rendimiento de reconocimiento, excepto para JPEG, que requería escala de grises para cumplir con la restricción de tamaño.
  • Para la Comparación Frontal (alta calidad), las imágenes en escala de grises resultaron superiores. El ahorro de almacenamiento permitió una mejor preservación de los detalles de contraste, superando la pérdida de información cromática.
• Resolución y Manipulación: Las resoluciones más bajas (por ejemplo, 56×56 o 96×96) generalmente superaron la resolución estándar de 112×112 cuando se combinaron con la compresión, ya que redujeron la necesidad de una cuantización agresiva. El suavizado del fondo o de toda la imagen (dependiendo del algoritmo) mejoró consistentemente los resultados.
• Evaluación de Calidad: Tanto OFIQ UQS como ViT-FIQA(C) manejaron con éxito las imágenes comprimidas. ViT-FIQA(C) mostró una mejor discriminación para las imágenes en escala de grises, mientras que OFIQ UQS funcionó ligeramente mejor para las variantes a color.

Significancia y Reivindicaciones
El documento afirma que almacenar imágenes faciales para el control fronterizo automatizado dentro de 1024 bytes es factible sin que el sistema quede inutilizable. Los autores sostienen que con el ajuste de parámetros adecuado —específicamente el uso de JPEG AI, AVIF o WebP, combinado con la reducción de resolución y el suavizado de la imagen— el rendimiento del reconocimiento facial puede mantenerse o incluso mejorar ligeramente en escenarios de sondas de alta calidad debido a las propiedades de filtrado de ruido de la compresión.

El estudio destaca un cambio respecto a hallazgos previos (referenciados como [5]), señalando que las restricciones específicas de las puertas ABC (sondas frontales de alta calidad) favorecen estrategias de optimización diferentes (por ejemplo, la conversión a escala de grises) en comparación con los escenarios generales. Los autores concluyen que, si bien la fuerte compresión con pérdida introduce artefactos, la reducción estratégica de la resolución y la manipulación de las áreas no críticas de la imagen pueden mitigar eficazmente la degradación del rendimiento, permitiendo el uso de códigos de barras 2D de bajo costo para documentos de viaje temporales.