Reconstruction and enhancement techniques for overcoming occlusion in facial recognition
Loading...
Date
2025-05-20
Authors
Pleško, Filip
Goldmann, Tomáš
Malinka, Kamil
0009-0000-1238-4062Advisor
Referee
Mark
Journal Title
Journal ISSN
Volume Title
Publisher
Springer Nature
Altmetrics
Abstract
Face occlusions on CCTV cameras obscure important key facial features, preventing face recognition (FR) systems from recognizing people. This work mainly focuses on reconstructing these missing facial parts using Generative Adversarial Neural Networks (GANs) to improve FR accuracy while maintaining a low False Acceptance Rate (FAR). In addition, we are trying to improve the generated images further by using different image enhancement methods to test whether they can be used to improve the FR accuracy. To test the results, we perform experiments using state-of-the-art FR methods such as QMagFace and ArcFace to see whether image reconstruction and image enhancement help to improve FR accuracy.
Zakrytí obličeje na záznamech z bezpečnostních kamer (CCTV) může ovlivňovat jeho klíčové rysy, což znemožňuje systémům pro rozpoznávání obličeje (FR) správně rozpoznat osoby. Tato práce se zaměřuje především na rekonstrukci chybějících částí obličeje pomocí generativních adversariálních sítí (GANs) s cílem zlepšit přesnost rozpoznávání obličeje při zachování nízké míry falešného přijetí (FAR). Zároveň se zabývá dalším vylepšováním generovaných snímků pomocí různých metod pro zlepšení kvality obrazu a zkoumá, zda tyto přístupy mohou dále zvýšit přesnost rozpoznávání. Pro ověření výsledků jsou prováděny experimenty s moderními metodami rozpoznávání obličeje, jako jsou QMagFace a ArcFace, které ověřují, zda rekonstrukce a vylepšení obrazu skutečně přispívají ke zvýšení přesnosti rozpoznávání.
Zakrytí obličeje na záznamech z bezpečnostních kamer (CCTV) může ovlivňovat jeho klíčové rysy, což znemožňuje systémům pro rozpoznávání obličeje (FR) správně rozpoznat osoby. Tato práce se zaměřuje především na rekonstrukci chybějících částí obličeje pomocí generativních adversariálních sítí (GANs) s cílem zlepšit přesnost rozpoznávání obličeje při zachování nízké míry falešného přijetí (FAR). Zároveň se zabývá dalším vylepšováním generovaných snímků pomocí různých metod pro zlepšení kvality obrazu a zkoumá, zda tyto přístupy mohou dále zvýšit přesnost rozpoznávání. Pro ověření výsledků jsou prováděny experimenty s moderními metodami rozpoznávání obličeje, jako jsou QMagFace a ArcFace, které ověřují, zda rekonstrukce a vylepšení obrazu skutečně přispívají ke zvýšení přesnosti rozpoznávání.
Description
Citation
Eurasip Journal on Image and Video Processing. 2025, vol. 2025, issue 1, p. 1-21.
https://jivp-eurasipjournals.springeropen.com/articles/10.1186/s13640-025-00670-7
https://jivp-eurasipjournals.springeropen.com/articles/10.1186/s13640-025-00670-7
Document type
Peer-reviewed
Document version
Published version
Date of access to the full text
Language of document
en
Study field
Comittee
Date of acceptance
Defence
Result of defence
Document licence
Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
http://creativecommons.org/licenses/by-nc-nd/4.0/