Výzkum v oblasti biometrické detekce a rozpoznávání jednotlivců pomocí obrazových dat obličeje

Abstract

Biometrické rozpoznávání osob se stalo běžnou součástí několika vědních oborů, včetně kriminalistiky, antropometrie, biometrie a informatiky. Práce se zaměřuje na vytvoření inovativního přístupu generování datových sad pro evaluaci algoritmů pro rozpoznávání osob podle obličeje. Na rozdíl od dosavadních přístupů naše řešení zachovává obličejové rysy. Vygenerované datové sady přinášejí nové možnosti pro hodnocení algoritmů rozpoznávání podle obličeje, které je jinak těžce realizovatelné z důvodu malého množství dat. Dále v této práci řešíme akceleraci algoritmů pro rozpoznávání osob na základě obličejových dat pomocí vestavěných zařízení. Především jsme se zaměřili na zhodnocení možností, které přináší neuronová síť pro extrakci příznaků EfficienNet.Biometric recognition has long since become a common concern in various fields of study, including forensics, anthropometry, biometrics, and computer science. This thesis focuses on the development of an approach to create datasets for the evaluation of face recognition algorithms, with an emphasis on the preservation of facial features. Such datasets open up new possibilities for the evaluation of face recognition algorithms, which were previously hindered by the limited sample size of the datasets usually used. Through extensive research in the field of face recognition algorithms and modern neural network techniques, algorithms for face detection and recognition on embedded devices have been developed. These algorithms are based on the EfficientNet feature extractor.