Información general sobre la detección y la comparación de rostros

Amazon Rekognition proporciona a los usuarios acceso a dos aplicaciones principales de aprendizaje automático para imágenes que contienen rostros: detección de rostros y comparación de rostros. Permiten funciones esenciales, como el análisis facial y la verificación de identidad, por lo que son imprescindibles para diversas aplicaciones, desde la seguridad hasta la organización de fotografías personales.

Detección de rostros

Un sistema de detección de rostros responde a la pregunta: «¿Hay un rostro en esta imagen?» Los aspectos clave de la detección de rostros incluyen:

• Ubicación y orientación: determina la presencia, ubicación, escala y orientación de los rostros en imágenes o fotogramas de vídeo.

• Atributos faciales: detecta los rostros independientemente de atributos como el sexo, la edad o el vello facial.

• Información adicional: proporciona detalles sobre la oclusión del rostro y la dirección de la mirada.

Comparación de rostros

Un sistema de comparación de rostros se centra en la pregunta: «¿El rostro de una imagen coincide con el rostro de otra imagen?» Las funcionalidades del sistema de comparación de rostros incluyen:

• Predicciones de coincidencia de rostros: compara un rostro de una imagen con un rostro de una base de datos proporcionada para predecir las coincidencias.

• Manejo de atributos faciales: maneja los atributos para comparar rostros independientemente de la expresión, el vello facial y la edad.

Puntuaciones de confianza y detecciones omitidas

Tanto los sistemas de detección como de comparación de rostros utilizan puntuaciones de confianza. Una puntuación de confianza indica la probabilidad de que se hagan predicciones, como la presencia de un rostro o la coincidencia entre rostros. Las puntuaciones más altas indican una mayor probabilidad. Por ejemplo, una confianza del 90% sugiere una probabilidad de detección o coincidencia correcta superior al 60%.

Si un sistema de detección de rostros no detecta correctamente un rostro o proporciona una predicción de baja fiabilidad para un rostro real, se trata de una detección omitida o de un falso negativo. Si el sistema predice incorrectamente la presencia de un rostro con un nivel de confianza alto, se trata de una falsa alarma/falso positivo.

Del mismo modo, un sistema de comparación facial puede no hacer coincidir dos rostros que pertenezcan a la misma persona (error de detección o falso negativo) o predecir erróneamente que dos rostros de personas distintas son de la misma persona (falsa alarma/falso positivo).

Diseño de la aplicación y establecimiento de umbrales

• Puede establecer un umbral que especifique el nivel de confianza mínimo necesario para obtener un resultado. Elegir los umbrales de confianza adecuados es esencial para el diseño de la aplicación y la toma de decisiones en función de los resultados del sistema.

• El nivel de confianza elegido debe reflejar su caso de uso. Algunos ejemplos de casos de uso y umbrales de confianza:

• • Aplicaciones fotográficas: un umbral inferior (por ejemplo, el 80%) podría ser suficiente para identificar a los miembros de la familia en las fotos.

  • Escenarios de alto riesgo: en los casos de uso en los que el riesgo de detección no detectada o de una falsa alarma es mayor, como en el caso de las aplicaciones de seguridad, el sistema debería utilizar un nivel de confianza más alto. En estos casos, se recomienda un umbral más alto (p. ej., el 99%) para conseguir coincidencias faciales precisas.

Para obtener más información sobre cómo establecer y comprender los umbrales de confianza, consulteBúsqueda de rostros en una colección.