¿Por qué los rostros captados por los timbres inteligentes se ven diferentes después de corregir la distorsión del objetivo?
Los rostros en los videoporteros inteligentes pueden verse diferentes después de la corrección porque la eliminación de la distorsión remapea los píxeles gran angular a una nueva geometría y cuadrícula de muestreo.
Un visitante cerca del lateral del encuadre de un videoportero puede parecer más ancho antes de la corrección y más estrecho después, aunque no se haya aplicado ningún filtro facial. El software intenta invertir la proyección del objetivo y luego remuestrea el resultado en un rectángulo. La posición, la calibración y la política de recorte determinan hasta qué punto ese rostro remapeado parece natural.
La eliminación de la distorsión cambia las coordenadas, no solo las líneas rectas
La distorsión de barril desplaza la geometría de la escena hacia el exterior de forma no lineal. La corrección calcula de qué punto de la imagen original debe tomarse cada píxel de salida, enderezando paredes y marcos de puertas y, al mismo tiempo, reubicando los rasgos faciales. Un rostro cerca del centro óptico cambia poco; uno cerca de la esquina puede cambiar considerablemente.
Un análisis técnico de la distorsión del objetivo explica que las distancias focales cortas suelen curvar las líneas hacia el exterior. Como un rostro está integrado en la misma proyección, corregir el encuadre necesariamente también cambia su anchura aparente y el espaciado entre sus rasgos.
El rostro corregido no es automáticamente menos fiel. En muchos casos, se aproxima geométricamente más a una vista estenopeica, pero los espectadores pueden estar acostumbrados a la imagen sin procesar del videoportero. La familiaridad con la versión distorsionada puede hacer que una corrección precisa parezca una alteración.
El remuestreo redistribuye los detalles faciales
La corrección estira algunas regiones y comprime otras, por lo que los píxeles de salida se interpolan a partir de muestras vecinas del sensor. Cerca del borde, el software puede inventar valores intermedios entre píxeles de origen dispersos, suavizando los ojos o la textura de la piel. El recorte elimina después los bordes vacíos y puede reubicar o ampliar el rostro.
Las investigaciones sobre la robustez frente a la distancia de la cámara muestran que la distancia de la cámara y las distorsiones de ampliación afectan a la utilidad de una imagen facial como referencia. Por tanto, la corrección y el recorte pueden alterar los datos útiles para la comparación, incluso cuando el visitante no se ha movido.
Un videoportero puede ejecutar la detección facial antes de la corrección, pero mostrar el vídeo después de ella, o hacerlo al revés. Si los recuadros y los recortes proceden de distintos espacios de coordenadas, el rostro mostrado en una alerta puede diferir de los píxeles utilizados para el reconocimiento. Esta diferencia en la cadena de procesamiento importa más que la preferencia visual.
Cuándo la corrección del objetivo no es la explicación
La corrección no puede explicar que un rostro cambie entre fotogramas consecutivos cuando el visitante permanece en la misma posición y el mapeo es fijo. La exposición automática, la combinación HDR, el obturador rotatorio, los cambios en la tasa de bits o el cambio entre el flujo principal y los secundarios pueden alterar la apariencia de forma independiente. Algunas aplicaciones también mejoran las instantáneas de las alertas por separado del vídeo en directo.
Un estudio sistemático sobre la resolución de las imágenes faciales concluyó que el rendimiento del reconocimiento puede deteriorarse por debajo de ciertos umbrales de resolución. Un perfil de corrección no puede recrear detalles faciales que el sensor nunca resolvió, y ampliar el recorte corregido solo puede ampliar la interpolación.
El mecanismo del objetivo también queda descartado si los rostros centrales cambian tanto como los rostros situados en los bordes, lo que sugiere un redimensionamiento global o una diferencia en el procesamiento de la imagen. La comparación tampoco es válida cuando las imágenes sin procesar y corregidas proceden de momentos distintos. Compara fotogramas sincronizados antes de atribuir los cambios de identidad a la geometría.
Compara rostros sin procesar y corregidos en posiciones fijas
Graba a un visitante desplazándose por posiciones centrales, intermedias y laterales del encuadre; después, conserva fotogramas sincronizados sin procesar y corregidos. Superpone puntos de calibración y compara la distancia entre los ojos, las dimensiones del recuadro facial, la nitidez y los límites del recorte. Mantén constantes el HDR, la exposición, el flujo y la versión de la aplicación durante la muestra.
Una ruta de procesamiento local desde el inicio puede mantener la corrección y el reconocimiento cerca del material almacenado, reduciendo la incertidumbre sobre qué servicio remoto generó el recorte de la alerta. Conserva ambos mapeos de coordenadas junto con el registro del evento.
Acepta la corrección del objetivo como causa cuando los cambios geométricos aumentan hacia los bordes y se repiten de forma constante en las mismas posiciones. Sospecha de la calibración cuando las líneas rectas sigan curvas o los rostros se vuelvan asimétricos. Sospecha de otra ruta de procesamiento cuando los cambios sean uniformes, varíen con el tiempo o aparezcan únicamente en las instantáneas generadas por la aplicación.
Productos recomendados
Centro de Tecnología e IA
Más para leer
¿Cómo proporciona un intermediario secreto credenciales a un agente de IA sin exponerlas en los prompts?
Sigue la identidad de la carga de trabajo, la política, la emisión de tokens, la inyección de solicitudes, la redacción, la caducidad y la...
¿Cómo contiene un entorno aislado de herramientas los efectos secundarios de un agente de IA?
Descubre cómo el aislamiento, los controles de capacidad, el estado desechable, el control de salida, las cuotas y los registros de auditoría limitan los...
¿Cómo produce el decodificado restringido un JSON válido según el esquema?
Comprende la compilación de esquemas, el enmascaramiento de tokens, el estado del analizador sintáctico, los subconjuntos compatibles, la latencia, el truncamiento y por qué...
