Ihmiskasvojen koneellista tunnistamista on tutkittu jo yli 30 vuoden ajan. Tutkimuksen tuloksena on syntynyt monia kaupallisia järjestelmiä, joista useimmat perustuvat Oulun yliopiston tutkimuksessa vertailumenetelminä käytettyihin ratkaisuihin, kuten pääkomponenttianalyysi ja Gabor-suodatus. Viime vuosina kasvojen tunnistuksesta on tullut konenäön kuumimpia tutkimuskohteita monien tärkeiden sovellusalojen ja myös World Trade Centerin iskujen johdosta.
Ihmisen tunnistaminen kasvojen perusteella on ongelma, joka kiehtoo sekä konenäön, että näkemisen psykologian tutkijoita. Ihminen pystyy tunnistamaan kasvojen perusteella toisen ihmisen hämmästyttävän hyvin huolimatta vaihtelevista kasvojen ilmeistä, muuttuvasta valaistuksesta, ikääntymisen aikaansaamista muutoksista ja tarkastelusuunnan vaihteluista. Konenäölle tällaiset vaihtelut asettavat niin suuria haasteita, että nykyiset tunnistusmenetelmät eivät niistä riittävän hyvin selviydy.
Kasvojen tunnistuksella on runsaasti potentiaalisia sovellusaloja liittyen esimerkiksi henkilöllisyyden tunnistamiseen, sisäänpääsyn tai käyttöluvan valvontaan, älykkäisiin ihminen-kone -liityntöihin, multimedia-tietokantojen hakuihin ja videovalvontaan.
Oululaista huippuosaamista
Oulun yliopiston Infotech Oulu -tutkimuskeskukseen kuuluvan konenäön ryhmän tutkijat ovat professori Matti Pietikäisen johdolla nousseet nopeasti kasvojen tunnistuksen kansainvälisen kärjen joukkoon. Vuonna 2003 tekn.yo. Timo Ahonen ja tutkija Abdenour Hadid alkoivat Pietikäisen johdolla soveltamaan ryhmän monivuotisen tekstuurianalyysi- eli kuvassa esiintyvien kohteiden pintojen rakenteeseen liittyvän tutkimuksen tuloksia kasvojen tunnistukseen. Ryhmän kehittämä tekstuurimenetelmä on
Ryhmän kehittämä Local Binary Pattern (LBP) -tekstuurimentelmä on herättänyt viime aikona runsaasti kansainvälistä huomiota erinomaisen suorituskykynsä ja laskennallisen yksinkertaisuutensa ansiosta. Yksittäisten kasvokuvassa olevien kuvapisteiden LBP-piirteen jakaumasta saadaan erittäin erottelukykyistä tietoa kasvoista. Yhdistämällä kasvojen eri osista saadut jakaumat saadaan mitta, jolla pystytään tunnistamaan ihmisiä luotettavasti muuttuvissa olosuhteissa.
Ryhmä käytti tutkimuksessaan Yhdysvaltain kansallisen tiede- ja teknologiainstituutin (National Institute of Science and Technology) luomaa laajaa FERET- testikuvatietokantaa ja -protokollaa, mikä on standardin asemassa kasvontunnistusmenetelmien suorituskyvyn arvioinnissa.
Oululaisten menetelmä antoi testeissä selvästi parempia tuloksia kuin alan parhaisiin kuuluvat vertailumenetelmät kaikkien mitattujen ominaisuuksien suhteen, joita ovat kasvojen ilmeiden vaihtelut, valaistuksen vaihtelut ja henkilöiden ikääntymisen vaikutukset. Suorituskykynsä ohella uuden menetelmän etuna on myös yksinkertaisuus, sillä tunnistuksessa käytettävä kasvojen rakennetta kuvaava esitys luodaan yhden kuvan yli tehtävän pyyhkäisyn aikana.
Ensimmäisenä sovellusdemonstraationa oululaistutkijat ovat toteuttamassa kamerapohjaista "ovensilmää", joka päästää tutkimuslaboratorioon ilman avaimia ainoastaan tutkimusryhmään kuuluvat henkilöt.