Download PresentacionFinalPFC_AlbertoEscalada

STUDY AND DESIGN OF
A PRIVACY SYSTEM
AGAINST UNAUTHORISED
FACIAL DETECTION TECHNOLOGIES
ALBERTO ESCALADA JIMÉNEZ
FEBRERO 2016
1
CONTENIDO DE LA PRESENTACIÓN
2
1. INTRODUCCIÓN
- Colaboración:
+
3
1. INTRODUCCIÓN
- Colaboración:
+
- Professor Isao Echizen – Content Security
→Privacy protection against facial detection systems
①
②
4
1. INTRODUCCIÓN
- Problema a resolver:
• Dispositivo
• Requisitos requisitos técnicos y estéticos
5
2. PLAN DE TRABAJO
- Una vez el problema ha sido identificado…
Diseño de una solución
Diseño de un algoritmo
Selección de una herramienta de Computer Vision
Implementar el algoritmo
Pruebas, tests, y resultados
Conclusiones
6
3. DISEÑO
-TAG:
Código de Colores
Colores en el espacio RGB
 4 Círculos
 5 Posibles colores
 Orden no importa
 Repetición posible
Requisitos estéticos y técnicos
7
3. DISEÑO
-Algoritmo:
Face and Eye
Detection
TAG Detection and
Location
Code Analysis
Policy
Deduction
Person
Correlation
(If no code is detected)
Detection and Location
Decoding and Interpretation
- Computer Vision SW: OpenCV
- Base de imágenes: Genki-4K
- Método de detección facial: Viola y Jones
8
4. TESTS Y RESULTADOS
 Base de imágenes usada: GENKI-4K
 3 tipos de ruido: gausiano, salt & pepper y ruido ‘blur’.
Fase 1
Caracterización y mejora métodos detección facial/ocular.
Estudio del tamaño óptimo
Fase 2
Caracterización de la
tecnología propuesta en este
trabajo.
Caracterización del algoritmo y
la tecnología
Detección de colores alterados
Sustitución de colores
9
4.1 DETECCIÓN FACIAL Y OCULAR
 Resultados básicos
Face and Eye Detection Algorithm
43,3%
Percentage of Eyes Detected
98,5%
0,0%
10,0%
20,0%
30,0%
40,0%
50,0%
60,0%
70,0%
80,0%
90,0%
Percentage of Faces Detected
100,0%
10
4.1 DETECCIÓN FACIAL Y OCULAR
 Resultados incluyendo ruido
 Ruido gausiano:
Detected Faces with Gaussian Noise
Detected Eyes with Gaussian Noise
SNR (dB)
18,9
1,00E+125
9,36
12,88
6,85
4,92
3,33
1,99
0,84
-0,18
-1,10
-1,93
-2,68
-3,38
-4,02
-4,62
-5,18
-5,70
-6,20
-6,67
-7,12
Detected Eyes
-9,06
18,9
1,00E+125
9,36
12,88
6,85
4,92
3,33
1,99
0,84
-0,18
-1,10
-1,93
-2,68
-3,38
-4,02
-4,62
-5,18
-5,70
-6,20
-6,67
-7,12
-9,06
-10,64
Detected Faces
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
-10,64
100,0%
90,0%
80,0%
70,0%
60,0%
50,0%
40,0%
30,0%
20,0%
10,0%
0,0%
SNR (dB)
11
4.1 DETECCIÓN FACIAL Y OCULAR
 Resultados incluyendo ruido
 Ruido Salt & Pepper:
Eye Detection Algorithm w/ Salt & Pepper Noise
Face Detection Algorithm w/ Salt & Pepper Noise
100,0%
100%
90,0%
90%
80,0%
80%
70,0%
70%
60,0%
60%
50%
50,0%
Detected Faces
40,0%
30,0%
30%
20,0%
20%
10,0%
10%
0,0%
-0,87 -0,36 -0,08
Detected Eyes
40%
0%
0,15
0,37
0,81
1,28
1,59
SNR (dB)
2,18
2,92
4,04
5,15
8,45 1E+25
-0,87 -0,36 -0,08 0,15 0,37 0,81 1,28 1,59 2,18 2,92 4,04 4,6 5,15 ´6.8 8,45
9 1E+25
SNR (dB)
12
4.1 DETECCIÓN FACIAL Y OCULAR
 Mejora absoluta de la detección ocular
Eye Detection Rate Comparisson w/ Gaussian Noise
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
Algorithm v1.0
Algorithm v2.0
18,9
9,36
12,88
6,85
4,92
3,33
1,99
0,84
-1,1
1,00E+125
SNR (dB)
-0,18
-1,93
-2,68
-3,38
-4,02
-4,62
-5,7
-5,18
-6,2
-6,67
-7,12
-9,058
-10,64
Eye Detection Rate Comparisson w/ Salt & Pepper Noise
100%
90%
80%
70%
60%
50%
Algorithm v1.0
40%
Algorithm v2.0
30%
20%
10%
0%
SNR (dB)
13
4.2 CARACTERIZACIÓN DE LA TECNOLOGÍA
1. Estudio del tamaño óptimo
Se proponen 5 tamaños posibles:
30%
20%
15%
10%
5%
14
4.2 CARACTERIZACIÓN DE LA TECNOLOGÍA
1. Estudio del tamaño óptimo
Percentage of Detected Circles
100,0%
90,0%
80,0%
70,0%
60,0%
Circle Color
(%) Blue
50,0%
Circle Color
(%) Red
40,0%
Circle Color
(%) Green
30,0%
Circle Color
(%) Black
20,0%
10,0%
0,0%
30%
20%
15%
10%
5%
Size of the TAG
16
4.2 CARACTERIZACIÓN DE LA TECNOLOGÍA
1. Estudio del tamaño óptimo
Complete TAGS correctly detected out of the possible
ones
80,0%
70,0%
60,0%
50,0%
Complete TAGS detected (Margin = 0)
40,0%
Complete TAGS detected (Margin = 5)
30,0%
Complete TAGS detected (Margin =
10)
20,0%
10,0%
0,0%
30%
20%
15%
10%
5%
Size of the TAG
17
4.2 CARACTERIZACIÓN DE LA TECNOLOGÍA
1. Estudio del tamaño óptimo
Chart of the Different Detections (Margin = 0)
1000
Number of Files
800
265
600
283
Incomplete Detections
301
Undetected TAGS due to Black Circle (RGB
detected correctly)
400
Complete Tags Detected Correctly
193
200
46
0
30%
20%
15%
10%
5%
TAG Size
18
4.2 CARACTERIZACIÓN DE LA TECNOLOGÍA
2. Caracterización del algoritmo y la tecnología
 Con ruido gausiano
Number of Circles Detected with Gaussian Noise
100,0%
90,0%
80,0%
70,0%
60,0%
Black Circles Detected
50,0%
Red Circles Detected
40,0%
Green Circles Detected
30,0%
Blue Circles Detected
20,0%
10,0%
0,0%
SNR (dB)
19
4.2 CARACTERIZACIÓN DE LA TECNOLOGÍA
2. Caracterización del algoritmo y la tecnología
 Con ruido gausiano
Complete TAGs Correctly Detected with Gaussian Noise
20%
18%
16%
14%
12%
10%
8%
Correctly Detected TAGs (Margin = 0)
6%
Correctly Detected TAGs (Margin = 5)
4%
Correctly Detected TAGs (Margin = 10)
2%
-10,64
-9,058
-7,12
-6,67
-6,2
-5,7
-5,18
-4,62
-4,02
-3,38
-2,68
-1,93
-1,1
-0,18
0,84
1,99
3,33
4,92
6,85
9,36
12,88
18,9
1,00E+125
0%
SNR (dB)
20
4.2 CARACTERIZACIÓN DE LA TECNOLOGÍA
2. Caracterización del algoritmo y la tecnología
 Con ruido gausiano
RGB TAGs Detected Correctly with Gaussian Noise
20%
18%
16%
14%
12%
10%
8%
Correctly Detected RGB TAGs (Margin = 0)
6%
Correctly Detected RGB TAGs (Margin = 5)
4%
2%
-10,64
-9,058
-7,12
-6,67
-6,2
-5,7
-5,18
-4,62
-4,02
-3,38
-2,68
-1,93
-1,1
-0,18
0,84
1,99
3,33
4,92
6,85
9,36
12,88
18,9
1,00E+125
0%
SNR (dB)
21
4.2 CARACTERIZACIÓN DE LA TECNOLOGÍA
2. Caracterización del algoritmo y la tecnología
 Con ruido Salt & Pepper
Number of Circles Detectected with Salt & Pepper Noise
100,0%
90,0%
80,0%
70,0%
60,0%
50,0%
Detected Blue Circles
40,0%
Detected Red Circles
30,0%
Detected Green Circles
20,0%
Detected Black Circles
10,0%
0,0%
SNR (dB)
22
4.2 CARACTERIZACIÓN DE LA TECNOLOGÍA
2. Caracterización del algoritmo y la tecnología
 Con ruido Salt & Pepper
Complete TAGs Correctly Detected with Salt & Pepper Noise
100,0%
90,0%
80,0%
70,0%
60,0%
50,0%
40,0%
Complete TAGS
30,0%
Complete TAGS (margin = 5)
20,0%
Complete TAGS (margin = 10)
10,0%
0,0%
SNR (dB)
23
4.2 CARACTERIZACIÓN DE LA TECNOLOGÍA
2. Caracterización del algoritmo y la tecnología
 Con ruido Salt & Pepper
RGB-TAGs Correctly Detected with Salt & Pepper Noise
100%
90%
80%
70%
60%
50%
Detected RGB TAGS
40%
Detected RGB TAGS (margin = 5)
30%
20%
10%
0%
0,15
0,37
0,81
1,28
1,59
2,18
2,92
4,044
5,15
8,45
1E+105
SNR (dB)
24
4.2 CARACTERIZACIÓN DE LA TECNOLOGÍA
2. Caracterización del algoritmo y la tecnología
 Con ruido Blur
Percentage of Circles Detected with Blur Noise
Complete TAGs Correctly Detected
100%
100%
90%
90%
80%
80%
70%
70%
60%
60%
Complete TAGS
Detected Blue Circles
50%
Detected Red Circles
50%
40%
Detected Green Circles
40%
30%
Detected Black Circles
30%
20%
20%
10%
10%
0%
Complete TAGS (margin = 5)
Complete TAGS (margin = 10)
0%
24,69
26,49
27,69
SNR (dB)
32,64
1E+125
24,69
26,49
27,69
32,64
1E+125
SNR (dB)
25
4.2 CARACTERIZACIÓN DE LA TECNOLOGÍA
3. Detección de colores alterados
Numbers of Circles Detected
Complete TAGs Correctly Detected
100%
100%
90%
90%
80%
80%
70%
70%
60%
Detected Blue Circles
50%
Detected Red Circles
40%
Detected Green Circles
30%
Detected Black Circles
50%
30%
20%
10%
10%
0%
0%
55
Offset
100
Detected Complete TAGs
(margin = 5)
40%
20%
25
Detected Complete TAGs
60%
Detected Complete TAGs
(margin = 10)
0
25
55
100
Offset
26
4.2 CARACTERIZACIÓN DE LA TECNOLOGÍA
4. Sustitución de los círculos negros
Correctly Detected TAGs
Circles Detected
100,0%
100,0%
90,0%
90,0%
80,0%
79,5%
79,5%
79,5%
79,5%
80,0%
76,6%
79,5%
70,0%
70,0%
60,0%
60,0%
50,0%
50,0%
Margin = 0
40,0%
40,0%
Margin = 1
30,0%
30,0%
20,0%
20,0%
10,0%
10,0%
0,0%
0,0%
Red Circles
Blue Circles
Green Circles
Pink Circles
Margin = 0
Margin = 1
27
5. CONCLUSIONES
- Desarrollo de una nueva tecnología a partir de un problema
previo
- Desarrollado un algoritmo que es capaz de detectar nuestra
tecnología
-Mejora de la detección ocular en un 20% (absoluta).
-Se han detectado algunos puntos críticos de nuestra
tecnología que mejorarán sus resultados en un 20%.
28
5. CONCLUSIONES
- Líneas de trabajo futuras:
- Estudio pormenorizado formas y colores incluidos.
- Adición etapa de ‘Watermarking’ al algoritmo para
incrementar la seguridad.
29