Rozpoznávání obličejů v zabezpečovacích a dohledových kamerových systémech

Abstract

Tato práce se zabývá zvýšením úspěšnosti rozpoznávání obličejů v dohledových CCTV systémech a systémech kontroly vstupu. K dosažení tohoto cíle je využit nový přístup - optimalizace vzorů obličejů. Optimalizace tvorby vzorů umožní vytvořit vzory, které zajistí zvýšení úspěšnosti rozpoznání. Měření a další zvyšování úspěšnosti rozpoznávání obličejů vyžaduje naplnění následujících dílčích cílů této práce. Prvním cílem je návrh a sestavení reprezentativní databáze obličejů, která umožní dosáhnout věrohodných a statisticky spolehlivých výsledků rozpoznávání obličejů v dohledových CCTV systémech a systémech kontroly vstupu. Druhým cílem je vytvoření metodiky pro statisticky spolehlivé porovnání výsledků, která umožní konstatování relevantních závěrů. Třetím cílem je výzkum tvorby vzorů a jejich optimalizace. Z dosažených výsledků vyplývá, že optimalizace tvorby vzorů zvyšuje úspěšnost rozpoznávání v uvedených a náročných aplikacích typicky o 4-8%, a v některých případech i 15%. Optimalizace tvorby vzorů přispívá použitelnosti rozpoznávání obličejů v uvedených aplikacích.The thesis deals with enhancing face recognition performance in surveillance CCTV systems and access control systems. This goal is achieved via optimization of face templates, which is a novel approach to recognition performance enhancement. The optimization of template creation results in templates which yield higher recognition performance. The face recognition performance investigation and its enhancement via optimized template creation requires meeting other partial goals which also are objectives of the thesis are as follows. The first one is the design and assembly of representative face database allowing to reach credible and confident face recognition results in surveillance CCTV and access control systems. The second objective is the methodology for statistically reliable comparison of results which enables us to reach relevant conclusions. The third is the template creation and its optimization. The achieved results show that template optimization enhances the recognition performance in the named challenging applications approximately by 4-8%, reaching even 15% in some cases. Optimization of template creation thus contributes to making the face recognition feasible in these applications.