Un equipo formado por Investigadores de Vicomtech y de EHU/UPV consigue el Best Student Paper Award en KES2021

El equipo de investigadores formado por Unai Elordi, Alvaro Bertelsen, Luis Unzueta, Nerea Aranjuelo y Jon Goenetxea de Vicomtech e Ignacio Arganda-Carreras de UPV/EHU ha sido galardonado con el Best Student Paper Award en la Conferencia KES2021 celebrada en Polonia.

Esta conferencia recoge un amplio abanico de temas relacionados con los sistemas inteligentes y sus aplicaciones, además de las tecnologías inteligentes emergentes. En KES2021 se han debatido y defendido trabajos de investigación basados entre otros en Knowledge-Based Systems, Cognitive Systems, Neural Networks, Genetic Algorithms and Evolutionary Computing, Hybrid Intelligent Systems, Knowledge Discovery and Data Mining, Data Analysis and Pattern Recognition, Machine Learning y Computational neuroscience

El trabajo de investigación “Optimal deployment of face recognition solutions in a heteregeneous IoT platform for secure elderly care applications” objeto del premio, ha sido desarrollado en el marco del Proyecto europeo SHAPES del Programa Horizon 2020 y apoya además el proceso de elaboración de tesis doctoral de algunos de los investigadores firmantes.

El objetivo principal de la investigación realizada pretende dar respuesta al desafío que supone la inclusión del reconocimiento facial para la autenticación y la vigilancia de las plataformas de internet de las cosas para personas mayores. En este colectivo, las capacidades de interacción se reducen por causas relacionadas con el envejecimiento, además existen multitud de dispositivos de interacción y la necesidad de administrar los datos biométricos de manera segura. En este tipo de procesos, resulta muy importante garantizar la protección y la privacidad de los datos mediante la implementación de mecanismos de autenticación amigables para los humanos. No cabe duda de que el reconocimiento facial es una característica atractiva para este tipo de usuarios, pero el nivel de conocimientos informáticos puede suponer un obstáculo para su integración, al mismo tiempo que los diferentes niveles de capacidades cognitivas, circunstancias que aconsejan evitar la entrada repetitiva de nombres de usuario y contraseñas.

El enfoque del trabajo realizado se basa en redes neuronales profundas y ligeras para un reconocimiento seguro y para guiar a los usuarios durante la interacción. Un procedimiento automatizado selecciona el motor de inferencia apropiado, las configuraciones del modelo y el tamaño del conjunto de imágenes de entrada, según las características del dispositivo mientras los datos biométricos están encriptados homomórficamente para preservar la privacidad.