O uso obrigatório de máscaras protege a população do novo coronavírus, mas dificulta o trabalho de soluções de reconhecimento facial. Com parte do rosto oculto pelo acessório, o grau de precisão no reconhecimento diminui. Mas soluções dotadas de machine learning estão sendo treinadas para aprender a reconhecer pessoas com máscaras. É o caso da solução SAFR, da RealNetworks.

“Com a oclusão dos rostos, começamos a treinar a máquina para reconhecer a mesma pessoa com ou sem máscara”, comenta José Larrucea, vice-presidente da RealNetworks para a América Latina, Europa e Oriente Médio, em entrevista para Mobile Time.

A solução da companhia é usada para reconhecimento de rostos em ambientes públicos, mesmo no meio de multidões e com condições adversas de iluminação. Sua precisão, medida pelo NIST, é de 99,87%, com reconhecimento feito em menos de 50 milissegundos. Se a pessoa analisada estiver com máscara, a precisão cai para algo entre 93% e 94%, o que ainda pode ser considerado alto. Para ajudar a treinar a ferramenta, o ideal é salvar no banco de dados imagens das pessoas usando máscaras e associá-las às imagens sem o acessório. Desta forma, a precisão volta a chegar perto de 100%.

“Há muitos tipos de máscaras. Estamos nos esforçando para treinar a máquina o máximo possível”, explica o executivo.

AprilTag

Paralelamente, a RealNetworks começou a combinar a tecnologia de reconhecimento facial com um tipo de marcador de realidade virtual chamado AprilTag. A combinação, usada originalmente para ser um segundo fator de autenticação, agora serve também para reconhecer pessoas que trabalham com roupas especiais de proteção que tampam quase todo o rosto, ficando apenas os olhos visíveis. O AprilTag pode ficar gravado num crachá ou capacete e deve ser exibido para a câmera para ser escaneado e identificado. A principal utilização é para autenticação de acesso em locais de acesso restrito.