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

Riepilogo Tecnico: Apprendimento di Caratteristiche Convoluzionali Ibride Multi-Orientamento per il Riconoscimento Biometrico Basato sul Volto Senza Contatto

Problematica
Il documento affronta la necessità critica di sistemi di verifica dell'identità biometrica sicuri, igienici e senza contatto, un requisito accentuato dalla transizione globale verso il distanziamento sociale e i protocolli di sicurezza dell'era pandemica. Sebbene il riconoscimento basato sul volto offra una modalità pratica non a contatto, la sua affidabilità è spesso compromessa da variabili del mondo reale come variazioni di posa, cambiamenti di illuminazione, occlusione, espressioni facciali, degradazione della qualità dell'immagine e presenza di mascherine. I sistemi esistenti, in particolare quelli che si affidano alla biometria del pollare tradizionale, pongono rischi per la salute negli ambienti pubblici. Gli autori identificano una lacuna negli attuali approcci di deep learning, dove i descrittori di caratteristiche progettati manualmente (come i filtri di bordo e di texture) sono spesso utilizzati solo come passaggi di pre-elaborazione o moduli indipendenti, piuttosto che essere profondamente integrati con le caratteristiche convoluzionali apprese per creare una rappresentazione unificata e robusta.

Metodologia
Lo studio propone un framework di Rete Neurale Convoluzionale (CNN) Ibrida Multi-Orientamento progettato per migliorare la rappresentazione delle caratteristiche nel riconoscimento facciale. La metodologia integra il deep learning con le tecniche classiche di visione artificiale attraverso i seguenti passaggi:

1. Acquisizione e Pre-elaborazione dei Dati: Il sistema utilizza tre dataset pubblici: CASIA-WebFace (200 classi, ~20k immagini), WIDER FACE (32k immagini, condizioni non vincolate) e il Dataset del Volto LNSONI (9.492 immagini, inclusi volti con e senza mascherina). Le immagini vengono ridimensionate a una risoluzione uniforme di 128×128.
2. Estrazione di Caratteristiche Ibride:
   • Componente di Deep Learning: Viene impiegata un'architettura CNN standard, composta da quattro blocchi convoluzionali con dimensioni dei filtri crescenti (32, 64, 128, 256), seguiti da Batch Normalization, attivazione ReLU e Max Pooling.
   • Componente Progettata Manualmente: Tre operatori specifici vengono applicati indipendentmente alle immagini di input per estrarre caratteristiche complementari:
     • Filtri Sobel: Per rilevare i gradienti direzionali e migliorare la localizzazione dei bordi.
     • Filtro Laplaciano: Per catturare dettagli strutturali di secondo ordine e cambiamenti netti di intensità (angoli/punti di riferimento).
     • Filtri di Gabor Multi-Orientamento: Per catturare informazioni di texture e frequenza attraverso molteplici scale e orientamenti (0°, 45°, 90°, 135°, 180°, 360°).
3. Strategia di Fusione delle Caratteristiche: A differenza degli approcci che utilizzano questi filtri solo come pre-elaborazione, questo framework esegue la fusione a livello di caratteristiche. I vettori di caratteristiche estratti dagli operatori Sobel, Laplaciano e Gabor vengono concatenati con le mappe di caratteristiche gerarchiche generate dalla CNN. Questo vettore combinato viene poi passato attraverso strati densi completamente connessi (con regolarizzazione dropout) e un classificatore Softmax per l'identificazione multi-classe.
4. Addestramento e Ottimizzazione: Il modello è addestrato utilizzando l'ottimizzatore Adam con perdita di cross-entropia categorica. Tecniche di data augmentation (rotazione, flipping, zoom, regolazione della luminosità) vengono applicate per migliorare la generalizzazione.

Contributi Chiave
Il documento delinea diversi contributi specifici al campo della biometria senza contatto:

• Framework Ibrido Sensibile all'Orientamento: La proposta di un'architettura unificata che fonde esplicitamente descrittori orientati sensibili all'orientamento (Sobel, Laplaciano, Gabor) con le caratteristiche della CNN, invece di trattarli come passaggi di pre-elaborazione separati.
• Apprendimento delle Caratteristiche Potenziato dai Filtri: La dimostrazione che la combinazione di informazioni di basso livello su bordi/texture con caratteristiche semantiche di alto livello migliora la rappresentazione dei pattern facciali specifici dell'identità, in particolare in condizioni difficili come l'uso della mascherina o scarsa illuminazione.
• Valutazione Cross-Dataset Esaustiva: La validazione del modello proposto attraverso tre dataset distinti (CASIA, WIDER FACE, LNSONI) per testare la robustezza contro variazioni di posa, illuminazione, occlusione e variazioni dovute alla mascherina.
• Valutazione delle Prestazioni Estesa: La valutazione va oltre la semplice accuratezza, utilizzando Precision, Recall, F1-Score, ROC-AUC, Tasso di Accettazione Falsa (FAR), Tasso di Rifiuto Falso (FRR) ed Equal Error Rate (EER) per fornire una visione olistica dell'affidabilità del sistema.

Risultati Sperimentali
La CNN Ibrida proposta è stata confrontata con una architettura CNN di base e con vari studi di ablazione (combinando i filtri singolarmente).

• Metriche di Prestazione: Sul dataset CASIA, la CNN Ibrida proposta ha raggiunto una Precision del 80,21%, una Recall dell'82,56% e un F1-Score dell'81,79%.
• Guadagni Comparativi: L'approccio ibrido ha costantemente superato il modello basato solo su CNN. Ad esempio, su CASIA, la CNN di base ha ottenuto un F1-score del 76,59%, mentre il modello ibrido completo ha raggiunto l'81,79%.
• Variabilità del Dataset: Il modello ha mantenuto prestazioni elevate sul più impegnativo WIDER FACE (F1-Score: 78,56%) e sul dataset LNSONI (F1-Score: 78,92%), che include volti con mascherina.
• Risultati dell'Ablazione: Lo studio ha confermato che ogni filtro contribuisce positivamente, ma la fusione di tutti e tre (Sobel + Laplaciano + Gabor) con le caratteristiche della CNN ha prodotto le migliori prestazioni di riconoscimento, validando la natura complementare delle caratteristiche di gradiente, strutturali e di texture.

Significato e Rivendicazioni
Gli autori affermano che il loro studio dimostra l'efficacia dell'integrazione di descrittori visivi specifici del dominio con il deep learning per creare sistemi biometrici più robusti. La significatività del lavoro risiede nella sua capacità di migliorare il comportamento di riconoscimento in condizioni di imaging variabili senza richiedere strutture di rete eccessivamente complesse. Combinando le caratteristiche convoluzionali apprese con i descrittori sensibili all'orientamento, il framework offre una soluzione pratica per la verifica dell'identità senza contatto in ambienti pubblici, istituzionali e sanitari.

Il documento conclude che, sebbene il metodo proposto mostri una maggiore robustezza contro la variazione di posa, i cambiamenti di illuminazione e l'occlusione, il lavoro futuro dovrebbe concentrarsi sull'estensione del framework al riconoscimento open-set, l'integrazione di architetture basate su transformer, il potenziamento dei meccanismi di preservazione della privacy e il miglioramento della spiegabilità per l'implementazione nel mondo reale. Gli autori sottolineano che i risultati attuali forniscono una base preziosa per lo sviluppo di sistemi di sicurezza biometrici igienici di prossima generazione.