Los resultados de NIST confirman que SAFR ofrece la mayor precisión efectiva para video en vivo

21 de Enero de 2020

Mantener los espacios seguros es un esfuerzo conjunto. Para los más de 25 millones de profesionales de la seguridad pública y privada en todo el mundo que trabajan incansablemente para mantenernos a salvo, puede ser casi imposible rastrear una cantidad potencialmente impresionante de alimentación de cámaras. Nadie puede hacer esto solo.

En un gran aeropuerto metropolitano, un operador que monitoriza docenas de pantallas de vídeo puede no encontrar a alguien vagando en una zona sensible o identificar una persona de interés. Muy a menudo, los equipos de seguridad y la policía encuentran personas de interés después del hecho, con un ciudadano preocupado acercándose o con una llamada de otro oficial. El equipo de seguridad debe escanear todas las cámaras lo más rápido posible para identificar dónde se puede encontrar a la persona de interés.

Es en condiciones del mundo real como estas en las que las soluciones potentes y cuidadosamente diseñadas para la visión por computadora pueden destacarse de la competencia. Cuando el tiempo es esencial, cuando la respuesta en tiempo real es importante, SAFR ofrece la precisión más efectiva para el reconocimiento facial de video en vivo.

El desafío del video en vivo

Es mucho más fácil identificar a alguien en una imagen fija que en un video en vivo. Cuando renueve su licencia de conducir, se le pedirá que tome una foto en lo que la industria del reconocimiento facial llama condiciones ideales: está de pie, mirando directamente a la cámara y con la iluminación adecuada. Pero las transmisiones de video en vivo capturan a personas en movimiento: pasajeros que toman trenes, personas que se mueven por los estadios, padres que corren por tiendas llenas de gente durante las vacaciones.

La industria describe este desafío como imágenes salvajes: personas no expuestas que se mueven en diferentes condiciones, sin darse cuenta de la cámara. Y cuando varias imágenes salvajes se mueven a través de videos en vivo al mismo tiempo, es aún más difícil obtener resultados precisos de reconocimiento facial.

Cómo NIST prueba la precisión del reconocimiento facial

El Instituto Nacional de Estándares y Tecnología (NIST) es el punto de referencia de la industria para la precisión del reconocimiento facial. NIST juega un papel crucial en proporcionar transparencia a la industria, evaluando la precisión, el rendimiento y el sesgo tres veces al año. RealNetworks aboga por el envío regular de algoritmos para pruebas NIST, porque sabemos muy bien cómo los algoritmos pueden cambiar significativamente con el tiempo: en solo tres meses, de abril de 2019 a julio de 2019, el SAFR de RealNetworks es un 30% más rápido.

La precisión en video en vivo es la combinación de velocidad y precisión. Al revisar los resultados de NIST, puede pensar que también se aplican al video en vivo, pero NIST solo evalúa el rendimiento en imágenes fijas, segmentando sus resultados por tipo de imagen: fotos de visa, fotografías, fotos de cámara web o imágenes salvajes. Una tasa de no correspondencia falsa (FNMR) es la tasa a la cual el algoritmo clasifica erróneamente dos imágenes capturadas del mismo individuo como de individuos diferentes.

La precisión efectiva en video en vivo significa obtener el mejor resultado posible al rastrear una cara a través de múltiples cuadros para seguir el video en tiempo real. Aunque el reconocimiento facial por video en vivo presenta la misma cara muchas veces en rápida sucesión, con iluminación y ángulos ligeramente diferentes, para mejorar la precisión, las soluciones de la competencia pueden realizar el reconocimiento cada 10, 15 o incluso 30 cuadros. SAFR logra más de 500 reconocimientos por segundo por tarjeta GPU y puede equilibrar automáticamente esta capacidad en múltiples transmisiones de video según sea necesario. Ser capaz de seleccionar la mejor imagen de referencia de múltiples cuadros de video más tarde aumenta nuestra precisión.

Por qué SAFR es la mejor solución para el reconocimiento facial de video en vivo

Para traducir los resultados del NIST en determinantes del rendimiento del video en vivo, primero debemos examinar los niveles de precisión del SAFR en relación con la velocidad. En el campo NIST a continuación, verá que, entre los algoritmos más precisos, el SAFR de RealNetworks es el más rápido:

Los resultados del FRVT de enero de 2020 muestran que, entre los algoritmos de primera línea para la precisión, el SAFR de RealNetworks es el más rápido. (Fuente: Resultados continuos de la prueba FRVT, 6 de enero de 2020)

A continuación, vemos el impacto de SAFR al completar múltiples reconocimientos en el tiempo requerido para que los competidores completen uno. Con cada pose (cuadro) sucesiva del mismo individuo, aumenta la precisión del SAFR. Al ser más rápido que otros algoritmos, SAFR logra un 99,9% de precisión positiva verdadera más rápido que cualquier otro, incluido Hikvision, que tiene la mayor precisión para un solo cuadro:

(Fuente: resultados de la prueba NIST FRVT en progreso, 6 de enero de 2020)

Además, SAFR siempre ha tenido una de las tasas de sesgo más bajas en ciclos de prueba NIST contiguos para más de 100 algoritmos. SAFR es el 7º de los 167 algoritmos evaluados en términos de rendimiento más uniforme en género y tono de piel.

Más que un algoritmo: análisis de video en vivo de extremo a extremo

Más allá del algoritmo principal que enviamos a NIST, SAFR ofrece una solución analítica de extremo a extremo para video en vivo, que hace posible:

  • Conéctese a cualquier cámara compatible con ONVIF;
  • Procesa el vídeo de manera eficiente;
  • Reduzca el costo total de propiedad (TCO);
  • Agregue detección de personas a nuestra lista de recursos (con detección de objetos próximamente).

La precisión es importante. La velocidad es importante. El sesgo es importante. Y en ninguna parte la combinación de los tres importa más que en el video en vivo. Con la mayor precisión efectiva para video en vivo, SAFR es su solución integral de reconocimiento facial.


Los resultados que se muestran en NIST no constituyen una aprobación de ningún sistema, producto, servicio o compañía en particular por parte de NIST.

A %d blogueros les gusta esto: