Soirée Portes Ouvertes en ligne : découvrez nos formations !
Mercredi 4 octobre à 19h
En ligne

Découvrez nos programmes de formation accélérée en Data et Cybersécurité, et posez toutes vos questions à Marine.

S'inscrire
Retour à l'accueil du blog
Joker 5.0 & reconnaissance faciale
1
 min
Projet data
 Publié le 
5/11/2019

Joker 5.0 & reconnaissance faciale

Article écrit par Lionel Chaumien, élève de la Fullstack Batch #4 pour un de ses projets de session.

Lors de notre formation en Data Science chez Jedha, nous avons appris, à l’occasion du projet “Labeled Faces in the Wild”, qu’il était désormais plutôt aisé de reconnaître des visages à partir de quelques photos stockées en base de données pour entraîner un modèle en mode supervisé.

Depuis quelques temps, on voit paraître dans la presse et sur le web, des articles qui abordent le sujet de la reconnaissance faciale mais surtout consacrés aux moyens d’y échapper !

Le modèle entraîné

Le modèle entraîné dans l’étude de notre cas était basé sur l’algorithme SVM Support Vector Machine qui s’est révélé efficace à plus de 80% en fin de course suite à son amélioration grâce à la méthode PCA (Principal Componant Analysis).

Nous savons que la réduction de dimensions nous permet de créer facilement une collection de portraits robots, d’autres visages-type, auquel notre modèle viendra se référer pour comparer chaque image du dataset et identifier la personne correspondante.

Alors, devant tant d’efficacité, comment bluffer ce type d’algorithme ?

Plusieurs règles

Le site CV Dazzle (https://cvdazzle.com/) donne des conseils pour tromper la reconnaissance faciale. Ces techniques furent notamment adoptées ces dernières années par les fans du groupe de rap metal “Insane Clowns” poursuivis par le FBI (cet article). Depuis quelques semaines maintenant, un personnage bien connu du public est revenu à l’écran en battant tous les records au box-office avec un nouveau look : le Joker, célèbre nemesis de Batman.

Can you introduce me as joker ?

Sans spoiler le film, bien que celui-ci ne parle à aucun moment de notre sujet, l’action se déroulant dans un Gotham des années 80…celui-ci aborde malgré tout notre sujet initial : la manifestation et le déguisement.

Maintenant que le masque en hommage à Guy Fawkes devient interdit, voyons si le maquillage de notre Joker 5.0 serait capable d’échapper à une reconnaissance faciale selon les critères des articles précédemment cités.

Joker

Les caractéristiques physiques du Joker

--> Maquillage : évitez les activateurs; ils amplifient les principales caractéristiques du visage. Cela rend votre visage plus facile à détecter. Au lieu de cela, appliquez un maquillage qui contraste avec le ton de la peau dans des tonalités et des directions inhabituelles: couleurs claires sur les peaux sombres, couleurs sombres sur les peaux claires. => +1 point

--> Pont du nez : obscurcissez partiellement la zone du pont du nez , la région où le nez, les yeux et le front se croisent est une caractéristique faciale essentielle. => +1 point.
Ceci est particulièrement efficace contre l’algorithme de détection de visage d’OpenCV. [NDR : …parlons un peu d’Open CV : il ‘agit d’une bibliothèque très utilisée en reconnaissance de visage basé sur la reconnaissance d’objet de Viola & Jones (qui fêtera bientôt ses vingt ans soit dit en passant, ça ne date pas d’hier !)

--> Yeux : obscurcissez partiellement l’une des régions oculaires: la position et la noirceur des yeux sont des caractéristiques essentielles du visage. => +1 point

--> Masques : évitez de porter des masques car ils sont illégaux dans certaines villes. Au lieu de dissimuler votre visage, modifiez le contraste, les dégradés de tons et la relation spatiale des zones sombres et claires à l’aide de cheveux, de maquillage et / ou d’accessoires de mode uniques. => +1 point

--> Tête : des recherches menées par Ranran Feng et Balakrishnan Prabhakaran de l’Université du Texas ont montré qu’obscurcir la forme elliptique d’une tête pouvait également améliorer votre capacité à bloquer la détection des visages.=> 0 point

--> Asymétrie : les algorithmes de reconnaissance faciale prévoient une symétrie entre les côtés gauche et droit du visage. En développant un aspect asymétrique, vous pouvez diminuer votre probabilité d’être détecté. => 0 point

Ce qui donne une note finale de 4 sur 6 à notre nouveau Joker en terme de camouflage d’IA.

Si vous souhaitez acquérir les compétences en Data recherchées des recruteurs, n'hésitez pas à regarder nos formations Data que Jedha Bootcamp propose.

Lionel Chaumien
Écrit par
Lionel Chaumien
 - 
Chef de projet

Programmes, thématiques Data, admissions,
vous avez une question ?

Prenez rendez-vous avec nos équipes