３D顔認証の弱点

　近年盛んに研究されている 3D 顔認証について思うところがあるので記載したいと思います。

2D facial recognition systems are constrained by limitations such as physical appearance changes, aging factor, pose and changes in lighting intensity. Recently, to overcome these challenges 3D facial recognition systems have been issued as the newly emerged biometric technique, showing a high level of accuracy and reliability, being more robust to face variation due to the different factors.

2D顔認識システムは、物理的な外観の変化、老化要因、ポーズ、照明強度の変化などの制限によって制約されます。 最近、これらの課題を克服するために、3D顔認識システムが新たに登場した生体認証技術として発行され、高レベルの精度と信頼性を示し、さまざまな要因による顔の変化に対してより堅牢になっています。

（中略）

Thus, they are not suitable for surveillance applications or control access points where only one “normal” 2D texture image (from any view) acquired from a single camera is available. The second category encloses model-based approaches. Nevertheless, model-based face recognition approaches present the main drawback of a high computational burden required to fit the images to the 3D models.

したがって、単一のカメラから取得した「通常の」2Dテクスチャ画像（任意のビューから）が1つしか使用できない監視アプリケーションや制御アクセスポイントには適していません。 2番目のカテゴリには、モデルベースのアプローチが含まれます。 それにもかかわらず、モデルベースの顔認識アプローチは、画像を3Dモデルに適合させるために必要な高い計算負荷の主な欠点を提示します。

https://www.intechopen.com/books/new-approaches-to-characterization-and-recognition-of-faces/3d-face-recognition

　さて、単純にバーチャルで予測されうる横を向いた顔画像と、実際の人間が横を向いた画像を比較してみましょう。

　さて、人間の目から見てこの2つの画像を見比べた時、どれだけ「同じ人物」と答える方がいらっしゃるでしょうか。
煩雑な計算をしてなお、バーチャルなものはバーチャルでしか無いのです。
私には全く別の人間の顔に見えます。

　この様な煩雑な方法を取るのなら、初めから横顔を写真として登録して２Dで類似性比較したほうがかなりスコアは上がるはずです。
にも関わらず３D顔認証の研究が進むのは、

• 営業サイドからの押しつけ
• 一枚の写真から横顔を推定する需要がかなりある

の2点ではないでしょうか。とくに３Dという単語には３Dテレビの時もそうでしたが、とにかく凄そうというイメージがあります。
顔認証システムを納品する先の企業が、３Dという響きに惹かれるのなら、開発も仕方ないのかも知れません。

３Dの顔認証システムにおける研究は未だに盛んです。
仮想的に作ったバーチャルな顔画像は、どうしても「予測」の域を出ることが出来ません。
その意味から言っても、今現在の監視カメラでの顔認証システム構築では「２D顔認証システム」に分があると言えるでしょう。