O investimento em pesquisas e aprimoramento dos sistemas de bilhetagem e tecnologias para mobilidade faz parte do DNA da Empresa 1, e diante desse novo padrão social que está se desenhando nos últimos meses por conta do isolamento social e das novas diretrizes de cuidados, os esforços foram direcionados principalmente para soluções que possam permitir aos gestores do transporte público operarem com mais eficiência, especialmente no período de retomada da economia e do mercado.
Essa foi a premissa para a mais nova atualização do Sigom Vision. O sistema de biometria facial para transporte público da empresa agora reconhece as faces dos usuários mesmo que eles estejam usando máscaras de proteção.
O aprimoramento dos algoritmos de inteligência artificial
Um dos pontos de evolução constante no sistema é o comportamento dos algoritmos diante de barreiras habituais para a leitura da face dos usuários — óculos escuros, por exemplo. Com o aumento de usuários usando máscaras de proteção, esse desenvolvimento passou a ser direcionado para manter a capacidade do sistema de contornar estes obstáculos, garantindo assim sua função. Para explicar melhor o mecanismo por trás dessa inovação, primeiro vamos entender o funcionamento de um sistema de biometria facial, que consiste nas seguintes etapas:
- Captura: que é o momento em que a câmera registra as imagens do usuário.
- Verificação: aqui, os algoritmos do sistema fazem uma checagem para identificar atributos na imagem coletada que caracterizam uma face.
- Comparação: a partir da identificação dessa face e desses atributos é feita uma comparação com a foto previamente cadastrada.
A biometria facial se baseia em pontos nodais da face. Quando o processo computacional está em execução, o algoritmo busca por esses pontos no intuito de encontrar se naquela foto que foi tirada realmente existe a face de uma pessoa. Porém, como falamos, algumas barreiras podem impedir o mapeamento desses pontos — é o caso das máscaras de proteção, por exemplo.
Com os novos parâmetros inseridos no sistema, mesmo sem a identificação de algumas áreas do rosto, como a boca e a ponta do nariz, a quantidade de pontos reconhecidos pelo algoritmo pode ser suficiente para realizar a comparação dos atributos entre a foto capturada e a cadastrada previamente no banco de dados.
Exemplo de como os novos parâmetros de identificação se comportam.
Em outras palavras, foi adicionado um processo que permite que o sistema faça uma reconstrução do conjunto daquela face, a partir do aprendizado da máquina. Assim, é possível avançar para a etapa de matching.
O papel do machine learning
O sistema se comporta dessa forma graças a um processo de aprendizado contínuo — o machine learning, que trabalha com três variáveis fundamentais: a experiência, a tarefa e a performance. Quando falamos de biometria facial, de forma simples, o machine learning atua da seguinte forma:
- Experiência: observação das imagens dos usuários com fotos capturadas.
- Tarefa: classificação das fotos com oclusão ou não.
- Performance: identificação correta da existência de oclusão na foto.
A partir disso, com o incremento de inteligência que foi realizado, o sistema consegue remontar os pontos faltantes, identificando pontos que estão ocultos de forma que ele possa ser comparado depois. Esse processo acontece no processamento da imagem, invisível para o usuário.
Tela de auditoria de conformes no Sigom Vision.
Os benefícios que a inovação traz
Obviamente, o principal benefício para gestores de transporte está na possibilidade de aumentar a eficiência operacional do sistema no combate às fraudes tarifárias, mesmo com os usuários usando máscaras de proteção facial, como deve ser o novo padrão de convivência social daqui para frente.
Além disso, a atualização habilita o sistema para outros tipos de monitoramentos, como identificar se os usuários estão ou não usando máscaras de proteção, caso seja uma medida sanitária prevista na região de atuação.
Gênero e expressões faciais são outros parâmetros que passam a ser reconhecidos pela inteligência do sistema. Esses atributos foram habilitados para que sejam utilizados também para o aprendizado sistêmico do Sigom Vision.
A melhoria na precisão do algoritmo
Um questionamento que se faz em relação à atualização é sobre a eficácia do sistema devido à menor quantidade de pontos nodais identificados. Na prática, a precisão do algoritmo também foi aprimorada. Dado a esse processo de inteligência que recompõe os pontos nodais e outros incrementos de machine learning, ele consegue ter um grau de confiabilidade melhor do que tinha anteriormente.
Após a realização de testes, para certificar que o sistema estivesse dentro de patamares aceitáveis para soluções desse tipo, foi identificado um incremento de aproximadamente 4% na qualidade do matching. Isso significa que o sistema evoluiu para um índice de precisão na casa dos 95%.
Aprimoramento sem custos adicionais
A Empresa 1 preza por oferecer soluções que sejam simples na operação e que reduzam o custo operacional dos clientes. Por esse motivo, a atualização do Sigom Vision não trata de novos investimentos para quem já é cliente da empresa.
Em outras palavras, para quem já opera com o Sigom Vision:
- não há necessidade de treinamentos adicionais para as pessoas que fazem uso do sistema;
- aquisições adicionais não precisam ser feitas, já que a atualização já faz parte do processo de atualização regular da Empresa 1;
- não há necessidade de reinstalação ou qualquer outro tipo de operação complexa no sistema.
O processo de atualização do Sigom Vison com os novos atributos de reconhecimento facial foi iniciado no dia 25 de maio deste ano e tem previsão para terminar em todos os clientes da Empresa 1 até 20 de junho.
Para entender um pouco mais sobre essa inovação, assista ao nosso webinar Como ter resultado com a biometria facial, mesmo em tempo de pandemia, que também ensina boas práticas no uso do sistema.
