Aplikace pro rozpoznání osob podle obličeje

Abstract

Identifikace osob se v posledních letech stává jedním z klíčových způsobů extrakce informací z obrazových dat. Tato práce je zaměřena na identifikaci osob podle snímků obličeje za využití neuronových sítí. Většina konvenčních algoritmů vykazuje vysokou míru nepřesností, zatímco využitím neuronových sítí lze dosáhnout výrazně robustnějších výsledků. V této práci jsme na základě znalostí získaných studiem problematiky vytvořili architekturu neuronové sítě, která je schopná provádět úlohu identifikace a verifikace osob podle obličeje. Tuto architekturu a proces trénování jsme následně vylepšili na základě mnoha experimentů. Výsledný model dosáhl přesnosti srovnatelné se současnými state-of-the-art modely. Dále jsme vytvořili demonstrační aplikaci pro vizualizaci výsledků a správu databáze osob. Znalosti získané z této práce mohou být použity pro vylepšení současných algoritmů pro identifikaci osob nebo ke zpřesnění modelů řešících podobné úlohy.Person identification has in the recent years gained notoriety as one of the most powerful ways of extracting information from image data. This thesis is focused on the task of human identification from facial photographs. To solve this task, we employ algorithms based on neural networks, which produce more robust results than traditional algorithms. In this thesis, we studied the common approaches for solving this problem and based on the gathered knowledge we created an architecture of a neural network trained to tackle the task of human identification and verification based on facial photographs. We have then further improved the model architecture and the training process by performing various experiments and observing the results. The final model has reached an accuracy comparable to other state-of-the-art models. Furthermore, we created a desktop application to demonstrate the results visually and to enable easier manipulation with the identity database. The knowledge gathered in this thesis can be used for improvements of current identification models or models modified for solving similar tasks.