Il bisogno di poter riconoscere delle identità individuali è sempre di più una caratteristica della nostra società. In passato lo spazio privato era determinato da pochi confini, prevalentemente fisici, come la porta di casa o il possesso di un documento di identità. Oggigiorno la mole di tecnologie diverse e servizi informatici con cui siamo abituati a riempire le nostre vite ha reso necessario spostare questo confine su un piano più astratto, in cui la gestione degli accessi e del riconoscimento dell’identità dell’utente di un servizio diventa sempre più complessa e sofisticata.

Chiaramente esistono tecniche avanzatissime di sicurezza basate su password, crittografia, procedure a due step e simili, ma queste rappresentano semplicemente un’evoluzione del concetto fisico di “chiave”, che sostituisce il riconoscimento dell’identità con il possesso di un oggetto, o un informazione nel caso delle password. Chi la possiede può entrare, indipendentemente dal fatto se lo spazio o il servizio a cui si accede siano associati all’identità che usa la chiave.  

Questa incongruenza e debolezza dei sistemi di identificazione basati su chiave di accesso ha alimentato le linee di ricerca legate all’identificazione biometrica, cioè al riconoscimento dell’identità sulla base di caratteristiche fisiche misurabili che siano il più possibile univoche e discriminanti da persona a persona. L’utilizzo delle impronte digitali è uno degli esempi più classici, tornato alla ribalta anche nell’accesso a dispositivi come smartphone e automobili di ultima generazione.

Nonostante questa tecnologia sia robusta e ben collaudata, risulta essere costosa, in quanto utilizza dei lettori specifici e richiede la memorizzazione sicura di un dato considerato “sensibile”. Idealmente quello che vorremmo è che il riconoscimento dell’identità fosse semplice come quello che opera il nostro cervello quando riconosce il volto di nostra madre o di un amico. 

LEONARDO SERVIZI si è dedicata attivamente alla ricerca e sviluppo di soluzioni avanzate per il riconoscimento facciale per applicazioni di gestione del personale, telelavoro e sicurezza. Riuscire a identificare i dipendenti in maniera sicura ed efficiente, ad esempio, permette di semplificare la gestione degli aspetti di sicurezza e accesso al luogo del lavoro, della gestione degli orari e del calcolo delle buste paga. Inoltre abilita all’introduzione di buone pratiche come il lavoro da casa. Tutto questo con un costo di installazione molto ridotto, in quanto queste tecnologie di riconoscimento facciale si basano su sensori ottici largamente disponibili, come le telecamere di smartphone e di PC, senza costi di installazione aggiuntivi. 

La tecnologia al cuore dei sistemi sviluppati da LEONARDO SERVIZI è basata sull’utilizzo delle reti neurali profonde, più comunemente conosciute con il nome di Deep Learning. Queste tecniche consistono nell’utilizzo di algoritmi di ottimizzazione che, applicati ad una banca dati opportunamente selezionata e preparata, permettono di estrarre delle caratteristiche salienti dalle immagini dei volti delle persone che si vuole identificare. Queste caratteristiche non sono altro che una rappresentazione matematica dell’immagine opportunamente ingegnerizzata da avere alcune proprietà utili all’identificazione. In questo spazio matematico alternativo le identità di persone diverse sono sempre ben distinte, “lontane” in un senso metrico del termine, mentre le immagini della stessa persona, anche raccolte in condizioni di luminosità e ambientali diverse, sono vicine, in modo da poter essere riconosciute come la stessa identità. 

Il Deep Learning si basa sull’utilizzo di reti neurali convoluzionali e di alcune loro varianti, per estrarre in maniera automatica le caratteristiche salienti che contraddistinguono un’identità. Tali reti sono caratterizzate da parametri che possono essere stimati da algoritmi di ottimizzazione applicati a enormi banche dati composte da immagini associate ad identità. Può sembrare semplice in teoria, ma in realtà è un procedimento molto complesso, influenzato da diversi fattori e parametri, sia del problema in sé, che delle reti neurali stesse che si vuole addestrare.  Le architetture delle reti utilizzate, il tipo di dati, il loro trattamento per l’addestramento, nonché le tecniche per monitorare l’addestramento, sono tutte fattori che influenzano la buona riuscita dell’addestramento di una rete neurale che sia in grado di estrarre delle rappresentazioni efficaci per l’applicazione di riconoscimento dell’identità. 

Le stesse tecniche utilizzate per il riconoscimento facciale possono essere applicate a domini applicativi diversi, sia quando il dato in ingresso sia un’immagine, che quando sia un segnale di altro tipo, proveniente da un sensore sonoro, accelerometro o altro. Ultimo aspetto da considerare, ma non meno importante, è quello del costo computazionale e della tecnologia al contorno che permette a questi algoritmi di lavorare all’interno di infrastrutture web, mantenendo la capacità di fornire rapidamente risposte di identificazione che siano compatibili con i tempi dell’applicazione di interesse.

I modelli sviluppati da Leonardo Servizi sono basati sui più avanzati studi scientifici del settore, approfonditi e testati dal nostro team di scienziati, in modo da poter garantire efficacia e robustezza in un ampio spettro di casi applicativi e di ambienti di lavoro.