KOUPIL, M. Biometrie pomocí rozpoznávání tváře [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2022.
Diplomová práce Michala Koupila se věnuje tématu identifikace osob pomocí charakteristik tváře. V úvodní části řešení práce se student zaměřil na rešerši dostupných biometrických metod a rovněž se zabýval hledáním vhodných veřejně dostupných databází tváří, které se využívají v oblasti biometrie. Na základě provedené rešerše si student sám navrhl metodiku detekce a rozpoznávání tváře, kterou následně implementoval v programovacím jazyku Python. Výslednou metodu student otestoval na veřejně dostupných biometrických databázích, které obsahují snímky s různými charakteristikami. Zde bych ocenil bližší srovnání nalezených databází z pohledu jejich využití v literatuře jinými autory, ať v rámci testování komerčně dostupných biometrických systémů anebo v rámci publikovaných vědeckých článků. Vyhodnocení implementovaných algoritmů ukázalo velmi dobrou úspěšnost. Závěrečné vyhodnocení pomocí standardně používaných metrik v biometrii však bylo uděláno na poslední chvíli. Zde bych ocenil širší popis a diskusi, a hlavně alespoň částečný odkaz a srovnání na jiné metody či práce, které lze dohledat v literatuře. Dosažené výsledky ale považuji za kvalitní a programovou realizaci navržené metodiky za funkční. Student byl při řešení práce aktivní a často se mnou konzultoval jak prezenční, tak online formou. K řešení dílčích problémů přistupoval kreativně a sám přicházel s návrhy na další postup. Zadání práce považuji za splněné. Hodnocení: B/85 b.
Předložená práce studenta Michala Koupila se zabývá biometrií na základě rozpoznání tváře. Práce je členěna do sedmi hlavních kapitol na 44 stranách. Teoretická část práce vymezuje základní pojmy z biometrických systémů a dále se zaměřuje na biometrii obličeje. Za stěžejní části považuji podkapitoly 3.2 a 3.3, které se týkají detekce a rozpoznání obličeje. K teoretické části práce mám několik poznámek – při popisu detekce obličeje na základě barvy kůže student zaměňuje barevné prostory YCgCr (viz citace [7]) a YCbCr (viz citace [8]), na obrázku 3.8 není aplikace 1D derivační masky, ale Sobelova operátoru, některé rovnice nedávají smysl – viz rovnice 3.12, jejímž výsledkem je 0. Celkově psaní rovnic není silnou stránkou této práce – u některých rovnic by pomohlo označení vektorů a matic (např. 3.10), díky citování jsou některé rovnice opakovány pouze se změnou symbolů (typicky střední hodnoty vektorů), některé symboly nejsou vysvětleny (např. L(x,y) v 3.13) a rovnice 5.1 není rovnicí ale ukázkou kódu v prostředí Python. Teoretická část práce poskytuje dobrý přehled metod používaných v biometrii obličeje, ale vypracování této kapitoly mohlo být pečlivější. V praktické části práce student využil implementace Viola-Jones algoritmu pro detekci obličeje a následně implementoval dvě metody pro rozpoznání obličeje – metodu PCA a LBPH. Metody jsou testovány na deseti datových sadách s různým počtem jedinců a snímků, které student vytvořil z dostupných databází. V tabulce 4.1 je popsáno celkem 10 sad obrázků, ale v textu kapitoly student zmiňuje 5 sad obrázků. Detekční algoritmus dává velmi dobré výsledky s výjimkou špatně nasvícených snímků. V tabulce 6.1 postrádám 30 snímků u Sady 1 (má mít 270 obrázků). Implementované metody pro rozpoznání jsou testovány na jednotlivých sadách a je vyhodnocena výsledná úspěšnost rozpoznání za základních a pozměněných podmínek. V tomto bodě postrádám detaily o metodice trénování a testování algoritmů – kdy výsledná úspěšnost testování (tab. 6.2 a 6.3) je počítána pro dané subjekty, ale není jasné, zda do testování rozpoznání vstupoval snímek z trénování nebo z nějaké jiné množiny. Dále je provedeno hodnocení spolehlivosti metrikami FAR a FRR. Výsledná hodnota EER kolem 11 % není dále diskutována, popř. srovnána s literaturou nebo jinými systémy. Provedené testování a diskuzi považuji za slabou část práce. Na použitých datových souborech (byť kompletních ne přetříděných) bylo publikováno velké množství článků – např. pro databázi Dr. Špačka lze dohledat minimálně 10 článků s výsledky detekce nebo rozpoznání. Bylo by zajímavé otestovat použité metody na kompilaci použitých datových sad do jedné, která by měla řádově více osob v databázi. Po formální stránce je práce na podprůměrné úrovni. Nejednotná je práce s rovnicemi, kdy jsou použity různé fonty a velikosti písma. Práce obsahuje několik překlepů, některé věty nedávají gramaticky smysl. Popisky obrázků jsou vysázeny příliš malou velikostí. Některé tabulky jsou součástí textu (4.1) a není na ně odkazováno, stejně jako na některé obrázky (např. 4.3 a 4.5). Práce cituje 30 položek literatury, což považuji za dostačující. Zadání práce považuji za splněné, ale vzhledem k výše uvedeným nedostatkům práci hodnotím známkou dobře (C -72 bodů).
eVSKP id 142095