Modelo de Autenticação Multimodal para Faces Ocluídas em um Ambiente Desafiador

Os sistemas de autenticação são cruciais na era digital, proporcionando proteção confiável das informações pessoais. A maioria dos sistemas de autenticação depende de uma única modalidade, como rosto, digitais ou sensores de senha. No caso de um sistema de autenticação baseado em uma única modalidade, há um problema em que o desempenho da autenticação se degrada quando a informação da modalidade correspondente está coberta. Especialmente, a identificação facial não funciona bem devido à máscara em uma situação de COVID-19. Neste artigo, focamos na abordagem multimodal para melhorar o desempenho da identificação de faces ocluídas. Sistemas de autenticação multimodal são cruciais para construir um sistema de autenticação robusto, pois podem compensar a falta de modalidade no sistema de autenticação unimodal. À luz disso, propomos o DemoID, um sistema de autenticação multimodal baseado em rosto e voz para identificação humana em um ambiente desafiador. Além disso, construímos um módulo demográfico para lidar de forma eficiente com as informações demográficas de faces individuais. Os resultados experimentais mostraram uma precisão de 99% ao usar todas as modalidades e uma melhoria geral de 5,41% a 10,77% em relação aos modelos faciais unimodais. Além disso, nosso modelo demonstrou o melhor desempenho em comparação com modelos multimodais existentes e também mostrou resultados promissores no conjunto de dados do mundo real construído para este estudo.