Comment fonctionne la reconnaissance faciale ?

Qu'est-ce qu'un vecteur facial et que contient-il ?

Un vecteur est une liste de nombres décrivant la géométrie que le modèle a appris à considérer comme identifiante : les proportions et la structure relatives d'un visage, pas ses pixels. Ce n'est pas une photographie compressée, et on ne peut pas en reconstituer un visage de façon utile. Il n'est pas non plus interprétable par un humain : aucun nombre de la liste ne correspond à un nez ou à un œil. Son utilité tient seulement à ceci : deux photos d'une même personne produisent des vecteurs proches, deux personnes différentes non.

Qu'est-ce qui décide que deux visages correspondent ?

Un seuil, fixé par l'opérateur du système et non découvert dans les données. Tout seuil arbitre entre les deux types d'erreur, et aucun réglage ne supprime les deux.

• Un seuil plus strict signale moins de correspondances et en manque davantage de réelles.
• Un seuil plus souple capte plus de correspondances réelles et renvoie plus d'inconnus.
• Le bon réglage dépend du coût de chaque erreur, qui diffère entre déverrouiller un téléphone et chercher sur le web ouvert.

Pourquoi chercher parmi des millions de visages est-il plus difficile que d'en comparer deux ?

Ce sont des tâches différentes, mesurées séparément. Comparer deux photos est de la vérification, notée 1:1. Chercher un visage dans une grande collection est de l'identification, notée 1:N, et le NIST les évalue dans des épreuves distinctes pour cette raison. Chaque visage supplémentaire est une occasion de plus qu'un inconnu tombe sous le seuil : un taux d'erreur négligeable sur une comparaison cesse de l'être lorsque la comparaison est répétée des millions de fois.

De quoi la reconnaissance faciale a-t-elle besoin dans une photo ?

Le modèle a été entraîné sur des visages qu'il pouvait aligner ; le signal exploitable dépend donc presque entièrement de l'image fournie. Les problèmes de qualité ne sont pas une pénalité mineure : ils décident généralement du résultat.

• Le visage doit occuper assez de cadre pour que sa structure survive à la compression.
• Il doit être orienté à peu près vers l'objectif, car les angles extrêmes masquent la géométrie sur laquelle le modèle s'appuie.
• L'éclairage doit être régulier : une ombre dure d'un côté change ce que le modèle mesure.
• Tout ce qui couvre les yeux et l'arête du nez retire la région la plus informative.

Quelle différence entre recherche faciale et surveillance faciale ?

Elles partagent les mêmes mathématiques et presque rien d'autre. Une recherche compare une photo que vous fournissez à des pages déjà publiques, et renvoie des liens vers ces pages. Les systèmes de surveillance comparent des visages à une liste enregistrée dans un flux vidéo en direct, en continu, généralement sans que la personne fournisse quoi que ce soit. FaceSearch fait le premier et non le second : il prend une seule image envoyée, cherche dans des sources publiques et renvoie les pages où un visage semblable apparaît. Il n'est relié à aucune caméra et ne tient aucune liste.

Que la reconnaissance faciale ne peut-elle pas vous dire ?

Elle ne peut pas vous dire qui est quelqu'un. Elle signale que deux images sont géométriquement proches ; tout le reste — le nom, le compte, l'affirmation que les deux photos montrent la même personne réelle — vient de la page où la correspondance a été trouvée, pas du modèle. Une correspondance sûre sur une page mal légendée reste une mauvaise réponse : un résultat est un point de départ pour vérifier, pas une conclusion.