Optimizing Image Preparation and Compression for Face Recognition within 1024 Bytes

Resumo Técnico: Otimização da Preparação e Compressão de Imagens para Reconhecimento Facial dentro de 1024 Bytes

Definição do Problema
Documentos de Viagem Legíveis por Máquina (MRTDs) em conformidade com a Organização da Aviação Civil Internacional (ICAO) normalmente armazenam referências biométricas faciais em chips RFID como imagens JPEG ou JPEG 2000. No entanto, documentos de viagem temporários frequentemente carecem de chips RFID devido a restrições de custo e tempo de emissão, dependendo, em vez disso, de códigos de barras 2D para legibilidade por máquina. Uma limitação crítica dos códigos de barras 2D é sua capacidade de armazenamento restrita. Este estudo aborda o desafio de armazenar imagens faciais em conformidade com um limite rigoroso de 1024 bytes, mantendo, ao mesmo tempo, um desempenho suficiente de reconhecimento facial. A pesquisa visa especificamente dois cenários de aplicação: uma comparação geral contra um conjunto de dados diversificado (simulando qualidade variável de sonda) e um cenário específico para portões de Controle de Fronteira Automatizado (ABC), onde as imagens de sonda são de alta qualidade e estritamente frontais.

Metodologia
Os autores conduziram um processo de otimização abrangente utilizando o banco de dados ColorFERET, que inclui 11.128 imagens. O conjunto de dados foi particionado em um "conjunto de dados completo" (11.128 imagens), um "conjunto de dados frontal" (2.638 imagens frontais) e um "conjunto de dados de busca de parâmetros" (100 imagens) para ajuste iterativo.

O framework experimental envolveu as seguintes etapas:

1. Pré-processamento de Imagem: Rostos foram detectados, alinhados e recortados usando o modelo SCRFD e o Kit de Avaliação de Qualidade de Imagem Facial (FIQAT). As imagens foram redimensionadas para 112×112 pixels (o requisito de entrada para o extrator de características) para estabelecer uma linha de base.
2. Algoritmos de Compressão: Sete algoritmos foram avaliados: JPEG, JPEG 2000, JPEG XL, JPEG AI, AVIF, HEIF e WebP.
3. Parâmetros de Otimização: O estudo otimizou cinco categorias de parâmetros:
   • Seleção de Algoritmo: Comparação dos sete codecs.
   • Configurações do Algoritmo: Ajuste de parâmetros de CLI (ex: qualidade, velocidade, tamanhos de bloco) para cada codec.
   • Cor vs. Tons de Cinza: Avaliação do impacto da conversão de imagens coloridas de 24 bits para tons de cinza de 8 bits.
   • Resolução: Teste de resoluções variando de 56×56 a 224×224 (observando que o JPEG AI requer ≥160×160).
   • Manipulação de Imagem: Aplicação de pré-processamento em regiões faciais "menos importantes" (fundo) para auxiliar a compressão. As técnicas incluíram a unificação de pixels do fundo para preto/branco, aplicação de um kernel de média 3×3 (desfoque) e filtragem passa-baixa. Duas abordagens definiram essas regiões: uma caixa delimitadora retangular ao redor de marcos (landmarks) e uma abordagem baseada em marcos OFIQ.
4. Métricas de Avaliação:
   • Autossimilaridade: Similaridade de cosseno entre os vetores de características das imagens originais e comprimidas (usada para ajuste de parâmetros).
   • Desempenho de Reconhecimento Facial: Taxa de Falso Positivo (FMR) e Taxa de Falso Não Correspondência (FNMR) usando o modelo AdaFace (arquitetura ViT-KPRPE).
   • Cenários:
     • Comparação Total: Imagens frontais comprimidas vs. o conjunto de dados completo (limiar FMR de 0,01%).
     • Comparação Frontal: Imagens frontais comprimidas vs. o conjunto de dados frontal apenas (limiar FMR de 0,0001%), simulando sondas de alta qualidade de portões ABC.
   • Avaliação de Qualidade: Curvas de Erro vs. Característica de Descarte (EDC) usando OFIQ UQS e ViT-FIQA(C).

Principais Contribuições

• Benchmarking Abrangente de Algoritmos: O estudo fornece uma análise comparativa de sete padrões de compressão, incluindo o recentemente padronizado JPEG AI, sob uma restrição rigorosa de 1024 bytes.
• Estratégia de Otimização: Introduz um processo de otimização em múltiplos estágios que integra redução de resolução, conversão de espaço de cor e manipulação direcionada de imagem (suavização de regiões não críticas) para maximizar o desempenho de reconhecimento.
• Recomendações Específicas por Cenário: O artigo distingue entre casos de uso geral e cenários de portões ABC de alta qualidade, demonstrando que os parâmetros ideais diferem significamente com base na qualidade da imagem de sonda.
• Insights de Pré-processamento: A pesquisa valida que a redução de resolução e a aplicação de suavização em áreas faciais não críticas podem mitigar os efeitos negativos de uma compressão com perda agressiva.

Resultados

• Desempenho dos Algoritmos:
  • JPEG AI: Ao utilizar configurações otimizadas (especificamente conversão para tons de cinza e desfoque de imagem total), o JPEG AI alcançou o melhor desempenho de reconhecimento facial no cenário de Comparação Frontal (portão ABC), superando inclusive as imagens de linha de base não comprimidas em algumas métricas devido à filtragem de ruído.
  • AVIF e WebP: Ambos forneceram resultados robustos em ambos os cenários, tornando-se fortes alternativas.
  • JPEG: Embora geralmente ruim para imagens coloridas neste tamanho, o JPEG em tons de cinza otimizado com suavização teve um desempenho surpreendentemente bom no cenário restrito de Comparação Frontal, superando as linhas de base não comprimidas.
  • HEIF e JPEG 2000: Estes geralmente apresentaram desempenho inferior aos principais candidatos em cenários de forte compressão com perda.
• Cor vs. Tons de Cinza:
  • Para a Comparação Total (qualidade variável), imagens coloridas geralmente produziram melhor desempenho de reconhecimento, exceto o JPEG, que exigiu tons de cinza para cumprir a restrição de tamanho.
  • Para a Comparação Frontal (alta qualidade), as imagens em tons de cinza provaram ser superiores. A economia de armazenamento permitiu uma melhor preservação dos detalhes de contraste, sobrepondo-se à perda de informação cromática.
• Resolução e Manipulação: Resoluções mais baixas (ex: 56×56 ou 96×96) geralmente superaram a resolução padrão de 112×112 quando combinadas com compressão, pois reduziram a necessidade de quantização agressiva. A suavização do fundo ou de toda a imagem (dependendo do algoritmo) melhorou consistentemente os resultados.
• Avaliação de Qualidade: Tanto o OFIQ UQS quanto o ViT-FIQA(C) lidaram com sucesso com as imagens comprimidas. O ViT-FIQA(C) mostrou melhor discriminação para imagens em tons de cinza, enquanto o OFIQ UQS teve um desempenho ligeiramente superior para variantes coloridas.

Significância e Alegações
O artigo afirma que armazenar imagens faciais para controle de fronteira automatizado dentro de 1024 bytes é viável sem tornar o sistema inútil. Os autores afirmam que, com o ajuste apropriado de parâmetros — especificamente o uso de JPEG AI, AVIF ou WebP, combinados com redução de resolução e suavização de imagem — o desempenho do reconhecimento facial pode ser mantido ou até ligeiramente melhorado em cenários de sonda de alta qualidade devido às propriedades de filtragem de ruído da compressão.

O estudo destaca uma mudança em relação a descobertas anteriores (referenciadas como [5]), observando que as restrições específicas dos portões ABC (sondas frontais de alta qualidade) favorecem estratégias de otimização diferentes (ex: conversão para tons de cinza) em comparação com cenários gerais. Os autores concluem que, embora a compressão com perda intensa introduza artefatos, a redução estratégica de resolução e a manipulação de áreas não críticas da imagem podem mitigar efetivamente a degradação do desempenho, permitindo o uso de códigos de barras 2D de baixo custo para documentos de viagem temporários.