Publications

L’impact du COVID-19 sur la reconnaissance faciale

16 septembre 2020

La crise sanitaire change nos habitudes, et les IA ne s'y attendaient pas. Découvrez comment la reconnaissance faciale s'adapte à la crise du COVID.

Porter un masque est devenu une action très courante suite à l’épidémie dû au coronavirus. Tout comme pour les humains, les algorithmes de reconnaissance faciale sont gênés pour identifier les personnes. Alors que ces technologies se popularisent de plus en plus, par exemple dans les smartphones de dernières générations, ces difficultés peuvent éroder la confiance du public. Une étude a récemment montrée que les algorithmes de reconnaissance faciale sont beaucoup moins performants face à des personnes masquées. Un rapport du NIST paru fin juillet exposait un taux d’erreur pouvant aller de 5% à 55% {1} alors que la performance d’un algorithme est habituellement autour de 0,3%.

C’est un problème important mais qui n’est pas nouveau. Les protestants de HongKong utilisaient déjà cette technique pour tromper les caméras de reconnaissance faciale. En réponses les autorités ont imposées l’interdiction pure et simple de tout moyen permettant de dissimuler son visage et de se soustraire à la reconnaissance faciale {2}. La réponse à une défaillance de la technologie est ici législative. Mais ce problème n’est pas limité aux systèmes de reconnaissance faciale étatique. Il est par exemple devenu impossible pour tout le monde de déverrouiller son smartphone avec la reconnaissance faciale si l’on porte un masque. Apple, conscient du problème et des gênes occasionnées par les difficultées éprouvées par FaceID à déverrouiller les appareils, tente d’améliorer la situation. La parade minimale est déjà de détecter si l’utilisateur porte un masque pour lui proposer directement de déverrouiller l’appareil en tapant un code plutôt que de ne pas réussir à l’identifier {3}. La parade est ici l’abandon de l’utilisation de reconnaissance dès qu’elle ne se fait pas dans les conditions attendues. Comme il est relativement facile à distinguer un visage avec masque d’un visage sans masque, la parade fonctionne rapidement, même si elle sonne un peu comme un aveu d'échec.

Afin de mieux comprendre pourquoi les masques empêchent souvent la reconnaissance des visages, il faut s’intéresser au fonctionnement de ces systèmes. Dans la majorité des cas, pour identifier une personne, un logiciel va placer des points à certains endroits du visage et va calculer des distances entre ces derniers qui seront spécifiques à chaque individus {4}. Le problème est que les zones du visages où les marqueurs sont les plus nombreux se trouvent au niveau des yeux, du nez et de la bouche. Si un masque cache donc le nez et la bouche, l’algorithme n’aura plus assez d’informations pour reconnaître efficacement une personne. L’étude a par ailleurs démontrée que plus un masque cache le nez et moins l’algorithme sera performant {5}.

Plusieurs solutions sont à l’essai pour résoudre le problème.

Une d’entre elles vise à imprimer son visage sur son masque. Cependant cette technique ne peut fonctionner qu’avec des algorithmes d’analyse en 2D {6}. Pour des logiciels comme FaceID qui utilisent de la 3D par projection de faisceaux, cela semble compliqué. Il serait alors nécessaire d’avoir un masque reprenant le relief de son visage, ce qui serait néanmoins possible {7} mais peut être pas très agréable à porter.

Sinon, d’autres entreprises cherchent à développer des solutions qui permettent d’identifier les gens uniquement à l’aide des zones autour des yeux {5}. On peut aussi imaginer que les algorithmes devraient être amenés à s'entraîner sur des bases de données de visages masqués, ce qui devrait permettre d’améliorer la performance en adaptant la position des marqueurs.

Pour beaucoup de cas on constate que les contournements envisagés du problème sont assez peu d’ordre technique. La technologie sous-jacente peut être adaptée au cas du port du masque. Néanmoins pour l’industrie ou les gouvernement le temps d’adaptation reste trop long. Et des solutions de contournement rapides et immédiates sont nécessaires. Il est à espérer qu’à un peu plus long termes des solutions plus technologiques permettent de remplacer ces parades de fortune.

Outre des méthodes algorithmiques qui existent pour tromper ces algorithmes ou pour infecter leurs bases d'entraînement (voir l’article précédent), il existe aussi des méthodes concrètes et physiques. Certaines de ces méthodes se rapprochent d’ailleurs du principe de gêne occasionnée par les masques. Ce sujet sera abordé dans un prochain article !

Sources :

{1} : https://www.rtbf.be/lapremiere/emissions/detail_matin-premiere/accueil/article_le-masque-met-en-peril-l-efficacite-des-logiciels-de-reconnaissance-faciale?id=10552732&programId=60

{2} : https://www.presse-citron.net/a-hong-kong-les-manifestants-nont-plus-le-droit-dechapper-a-la-reconnaissance-faciale/

{3} : https://www.cnews.fr/vie-numerique/2020-05-20/port-du-masque-apple-adapte-la-reconnaissance-faciale-sur-ses-iphone-958925

{4} : https://www.rtbf.be/lapremiere/emissions/detail_matin-premiere/accueil/article_le-masque-met-en-peril-l-efficacite-des-logiciels-de-reconnaissance-faciale?id=10552732&programId=60

{5} : https://www.lebigdata.fr/reconnaissance-faciale-masques

{6} : https://www.presse-citron.net/coronavirus-comment-utiliser-la-reconnaissance-faciale-avec-un-masque/

{7} : https://www.wsj.com/articles/iphone-cant-recognize-you-with-a-mask-on-heres-what-to-do-about-it-11586362256?mod=hp_lead_pos11

Numalis

We are a French innovative software editor company providing tools and services to make your neural networks reliable and explainable.

Contact us

Follow us