Multi-Orientation Hybrid Convolutional Feature Learning for Touch-Less Face-Based Biometric Recognition

Resumen Técnico: Aprendizaje de Características Convolucionales Híbridas de Multi-Orientación para el Reconocimiento Biométrico Basado en Rostro Sin Contacto

Planteamiento del Problema
El artículo aborda la necesidad crítica de sistemas de verificación de identidad biométrica seguros, higiénicos y sin contacto, un requisito intensificado por el cambio global hacia el distanciamiento social y los protocolos de seguridad de la era de la pandemia. Si bien el reconocimiento basado en el rostro ofrece una modalidad práctica sin contacto, su fiabilidad se ve a menudo comprometida por variables del mundo real como la variación de la pose, cambios de iluminación, oclusión, expresiones faciales, degradación de la calidad de la imagen y la presencia de mascarillas. Los sistemas existentes, particularmente aquellos que dependen de la biometría tradicional de la huella dactilar, plantean riesgos para la salud en entornos públicos. Los autores identifican una brecha en los enfoques actuales de aprendizaje profundo donde los descriptores de características diseñados a mano (como los filtros de bordes y texturas) se utilizan meramente como pasos de preprocesamiento o módulos independientes, en lugar de estar profundamente integrados con las características convolucionales aprendidas para crear una representación unificada y robusta.

Metodología
El estudio propone un marco de Red Neuronal Convolucional (CNN) Híbrida de Multi-Orientación diseñado para mejorar la representación de características para el reconocimiento facial. La metodología integra el aprendizaje profundo con técnicas clásicas de visión por computadora a través de los siguientes pasos:

1. Adquisición y Preprocesamiento de Datos: El sistema utiliza tres conjuntos de datos disponibles públicamente: CASIA-WebFace (200 clases, ~20k imágenes), WIDER FACE (32k imágenes, condiciones no restringidas) y el Conjunto de Datos de Rostros LNSONI (9,492 imágenes, que incluye rostros con y sin mascarilla). Las imágenes se redimensionan a una resolución uniforme de 128×128.
2. Extracción de Características Híbridas:
   • Componente de Aprendizaje Profundo: Se emplea una arquitectura CNN estándar, que consiste en cuatro bloques convolucionales con tamaños de filtro crecientes (32, 64, 128, 256), seguidos de Normalización por Lotes (Batch Normalization), activación ReLU y Max Pooling.
   • Componente Diseñado a Mano: Se aplican tres operadores específicos de forma independiente a las imágenes de entrada para extraer características complementarias:
     • Filtros Sobel: Para detectar gradientes direccionales y mejorar la localización de bordes.
     • Filtro Laplaciano: Para capturar detalles estructurales de segundo orden y cambios bruscos de intensidad (esquinas/puntos de referencia).
     • Filtros de Gabor de Multi-Orientación: Para capturar información de textura y frecuencia a través de múltiples escalas y orientaciones (0°, 45°, 90°, 135°, 180°, 360°).
3. Estrategia de Fusión de Características: A diferencia de los enfoques que utilizan estos filtros solo como preprocesamiento, este marco realiza una fusión a nivel de características. Los vectores de características extraídos por los operadores Sobel, Laplaciano y Gabor se concatenan con los mapas de características jerárquicos generados por la CNN. Este vector combinado se pasa luego a través de capas densas totalmente conectadas (con regularización de dropout) y un clasificador Softmax para la identificación multiclase.
4. Entrenamiento y Optimización: El modelo se entrena utilizando el optimizador Adam con pérdida de entropía cruzada categórica. Se aplican técnicas de aumento de datos (giros, rotación, zoom, ajuste de brillo) para mejorar la generalización.

Contribuciones Clave
El artículo describe varias contribuciones específicas al campo de la biometría sin contacto:

• Marco Híbrido Consciente de la Orientación: La propuesta de una arquitectura unificada que fusiona explícitamente descriptores sensibles a la orientación diseñados a mano (Sobel, Laplaciano, Gabor) con características de CNN profunda, en lugar de tratarlos como pasos de preprocesamiento separados.
• Aprendizaje de Características Mejorado por Filtros: La demostración de que la combinación de información de bajo nivel de bordes/textura con características semánticas de alto nivel mejora la representación de los patrones faciales específicos de la identidad, particularmente bajo condiciones desafiantes como el uso de mascarillas o la mala iluminación.
• Evaluación Exhaustiva entre Conjuntos de Datos: La validación del modelo propuesto a través de tres conjuntos de datos distintos (CASIA, WIDER FACE, LNSONI) para probar la robustez contra variaciones de pose, iluminación, oclusión y mascarillas.
• Evaluación de Desempeño Extensa: La evaluación va más allá de la simple precisión, utilizando Precisión, Exhaustividad (Recall), F1-Score, ROC-AUC, Tasa de Aceptación Falsa (FAR), Tasa de Rechazo Falso (FRR) y Tasa de Error Igual (EER) para proporcionar una visión holística de la fiabilidad del sistema.

Resultados Experimentales
La CNN Híbrida propuesta se comparó con una arquitectura CNN básica y varios estudios de ablación (combinando filtros individualmente).

• Métricas de Desempeño: En el conjunto de datos CASIA, la CNN Híbrida propuesta logró una Precisión del 80.21%, una Exhaustividad (Recall) del 82.56% y un F1-Score del 81.79%.
• Ganancias Comparativas: El enfoque híbrido superó consistentemente al modelo de solo CNN básica. Por ejemplo, en CASIA, la CNN básica logró un F1-score de 76.59%, mientras que el modelo híbrido completo alcanzó el 81.79%.
• Variabilidad de los Conjuntos de Datos: El modelo mantuvo un sólido desempeño en el más desafiante conjunto de datos WIDER FACE (F1-Score: 78.56%) y en el conjunto de datos LNSONI (F1-Score: 78.92%), que incluye rostros con mascarilla.
• Hallazgos de Ablación: El estudio confirmó que cada filtro contribuye positivamente, pero la fusión de los tres (Sobel + Laplaciano + Gabor) con las características de la CNN produjo el mayor desempeño de reconocimiento, validando la naturaleza complementaria de las características de gradiente, estructurales y de textura.

Significancia y Reivindicaciones
Los autores afirman que su estudio demuestra la efectividad de integrar descriptores visuales específicos del dominio con el aprendizaje profundo para crear sistemas biométricos más robustos. La significancia del trabajo radica en su capacidad para mejorar el comportamiento del reconocimiento bajo condiciones de imagen variables sin requerir estructuras de red excesivamente complejas. Al combinar las características convolucionales aprendidas con descriptores sensibles a la orientación, el marco ofrece una solución práctica para la verificación de identidad sin contacto en entornos públicos, institucionales y de salud.

El artículo concluye que, si bien el método propuesto muestra una mayor robustez contra la variación de la pose, los cambios de iluminación y la oclusión, el trabajo futuro debería centrarse en extender el marco al reconocimiento de conjunto abierto, integrar arquitecturas basadas en transformadores, mejorar los mecanismos de preservación de la privacidad y mejorar la explicabilidad para el despliegue en el mundo real. Los autores enfatizan que los hallazgos actuales proporcionan una base valiosa para el desarrollo de sistemas de seguridad biométrica higiénicos de próxima generación.