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

Resumo Técnico: Aprendizado de Características Convolucionais Híbridas de Múltiplas Orientações para Reconhecimento Biométrico Baseado em Rosto Sem Toque

Declaração do Problema
O artigo aborda a necessidade crítica de sistemas de verificação de identidade biométrica seguros, higiênicos e sem toque, um requisito intensificado pela mudança global em direção ao distanciamento social e protocolos de segurança da era da pandemia. Embora o reconhecimento baseado em face ofereça uma modalidade prática e sem contato, sua confiabilidade é frequentemente comprometida por variáveis do mundo real, como variação de pose, mudanças de iluminação, oclusão, expressões faciais, degradação da qualidade da imagem e a presença de máscas faciais. Os sistemas existentes, particularmente aqueles que dependem de biometria digital tradicional, representam riscos à saúde em ambientes públicos. Os autores identificam uma lacuna nas abordagens atuais de aprendizado profundo, onde descritores de características manuais (como filtros de borda e textura) são frequentemente usados apenas como etapas de pré-processamento ou módulos independentes, em vez de serem profundamente integrados com características convolucionais aprendidas para criar uma representação unificada e robusta.

Metodologia
O estudo propõe um framework de Rede Neural Convolucional (CNN) Híbrida de Múltiplas Orientações projetado para aprimorar a representação de características para o reconhecimento facial. A metodologia integra o aprendizado profundo com técnicas clássicas de visão computacional através das seguintes etapas:

1. Aquisição e Pré-processamento de Dados: O sistema utiliza três conjuntos de dados públicos: CASIA-WebFace (200 classes, ~20k imagens), WIDER FACE (32k imagens, condições não restringidas) e o Conjunto de Dados de Rosto LNSONI (9.492 imagens, incluindo rostos com e sem máscara). As imagens são redimensionadas para uma resolução uniforme de 128×128.
2. Extração de Características Híbridas:
   • Componente de Aprendizado Profundo: Uma arquitetura CNN padrão é empregada, consistindo em quatro blocos convolucionais com tamanhos de filtro crescentes (32, 64, 128, 256), seguidos por Normalização em Lote (Batch Normalization), ativação ReLU e Max Pooling.
   • Componente Manual (Hand-Crafted): Três operadores específicos são aplicados independentemente às imagens de entrada para extrair características complementares:
     • Filtros Sobel: Para detectar gradientes direcionais e aprimorar a localização de bordas.
     • Filtro Laplaciano: Para capturar detalhes estruturais de segunda ordem e mudanças bruscas de intensidade (cantos/marcos).
     • Filtros de Gabor de Múltiplas Orientações: Para capturar informações de textura e frequência através de múltiplas escalas e orientações (0°, 45°, 90°, 135°, 180°, 360°).
3. Estratégia de Fusão de Características: Diferente de abordagens que utilizam esses filtros apenas para pré-processamento, este framework realiza a fusão ao nível de características. Os vetores de características extraídos pelos operadores Sobel, Laplaciano e Gabor são concatenados com os mapas de características hierárquicos gerados pela CNN. Este vetor combinado é então passado por camadas densas totalmente conectadas (com regularização de dropout) e um classificador Softmax para identificação multiclasse.
4. Treinamento e Otimização: O modelo é treinado usando o otimizador Adam com perda de entropia cruzada categórica. Técnicas de aumento de dados (rotação, espelhamento, zoom, ajuste de brilho) são aplicadas para melhorar a generalização.

Principais Contribuições
O artigo delineia várias contribuições específicas para o campo da biometria sem toque:

• Framework Híbrido Sensível à Orientação: A proposta de uma arquitetura unificada que funde explicitamente descritores sensíveis à orientação criados manualmente (Sobel, Laplaciano, Gabor) com características de CNN profunda, em vez de tratá-los como etapas de pré-processamento separadas.
• Aprendizado de Características Aprimorado por Filtros: A demonstração de que a combinação de informações de baixo nível de borda/textura com características semânticas de alto nível melhora a representação de padrões faciais específicos de identidade, particularmente sob condições desafiadoras como uso de máscaras ou baixa iluminação.
• Avaliação Abrangente entre Conjuntos de Dados: A validação do modelo proposto através de três conjuntos de dados distintos (CASIA, WIDER FACE e LNSONI) para testar a robustez contra variações de pose, iluminação, oclusão e máscaras.
• Avaliação de Desempenho Extensiva: A avaliação vai além da precisão simples, utilizando Precisão, Recall, F1-Score, ROC-AUC, Taxa de Aceitação Falsa (FAR), Taxa de Rejeição Falsa (FRR) e Taxa de Erro Igual (EER) para fornecer uma visão holística da confiabilidade do sistema.

Resultos Experimentais
A CNN Híbrida proposta foi comparada com uma arquitetura CNN básica e vários estudos de ablação (combinando filtros individualmente).

• Métricas de Desempenho: No conjunto de dados CASIA, a CNN Híbrida proposta alcançou uma Precisão de 80,21%, um Recall de 82,56% e um F1-Score de 81,79%.
• Ganhos Comparativos: A abordagem híbrida superou consistentemente o modelo de apenas CNN básica. Por exemplo, no CASIA, a CNN básica alcançou um F1-score de 76,59%, enquanto o modelo híbrido completo atingiu 81,79%.
• Variabilidade dos Dados: O modelo manteve um desempenho sólido no mais desafiador conjunto de dados WIDER FACE (F1-Score: 78,56%) e no conjunto de dados LNSONI (F1-Score: 78,92%), que inclui rostos mascarados.
• Descobertas de Ablação: O estudo confirmou que cada filtro contribui positivamente, mas a fusão de todos os três (Sobel + Laplaciano + Gabor) com as características da CNN resultou no maior desempenho de reconhecimento, validando a natureza complementar das características de gradiente, estrutura e textura.

Significância e Alegações
Os autores afirmam que seu estudo demonstra a eficácia da integração de descritores visuais específicos de domínio com aprendizado profundo para criar sistemas biométricos mais robustos. A significância do trabalho reside em sua capacidade de melhorar o comportamento de reconhecimento sob condições variáveis de imagem sem exigir estruturas de rede excessivamente complexas. Ao combinar características convolucionais aprendidas com descritores sensíveis à orientação, o framework oferece uma solução prática para a verificação de identidade sem toque em ambientes públicos, institucionais e de saúde.

O artigo conclui que, embora o método proposto mostre melhoria na robustez contra variação de pose, mudanças de iluminação e oclusão, trabalhos futuros devem focar na extensão do framework para reconhecimento de conjunto aberto, integração de arquiteturas baseadas em transformadores (transformers), aprimoramento de mecanismos de preservação de privacidade e melhoria da explicabilidade para implantação no mundo real. Os autores enfatizam que os achados atuais fornecem uma base valiosa para o desenvolvimento de sistemas de segurança biométrica higiênicos de próxima geração.