Heterogene kamerabasierte Personenidentifikation

Abstract

Die maschinelle Gesichtserkennung hält nicht zuletzt durch ihr breites Anwendungsspektrum Einzug in den Alltag. In der näheren Vergangenheit konnten erstmals Verfahren vorgestellt werden, welche die Möglichkeiten der menschlichen Wahrnehmung innerhalb enger Grenzen von Umwelteinflüssen übertreffen können. Eine bisher wenig betrachtete Ausgangssituation ist die heterogene Gesichtserkennung, bei welcher Abbildungsgeräte verschiedener Größen, wie etwa Wellenlänge oder Tiefe wechselseitig verwendet werden können. Im speziellen fokussiert sich die Arbeit auf das Vorstellen einer Kategorisierung von Lösungsansätzen für welche Repräsentanten entwickelt und vergleichend evaluiert werden. Zum Einsatz kommen dabei neben modernen Abbildungsgeräten wie des Fovio-Systems auch verschiedenste neuronale Netze sowie öffentliche Benchmark-Datenbanken. Abschließend wird eine Einschätzung des technisch Möglichen zusammen mit einem Ausblick von vielversprechenden Forschungsrichtungen gegeben und in Bezug zu den erlangten Erkenntnissen gesetzt.

Facial recognition has a broad impact in every day life and became more and more common in the last years. Recently, it was possible to introduce techniques that surpass human grade accuracy, but only in a strictly limited way in matters of environmental variance. Human cognition still outperforms machines when it comes to robustness in sense of head rotation or facial expression. However, the following tries to solve a different problem: heterogeneous face recognition! Heterogeneous face recognition is the task of automatically match identities captured by different sensing techniques. To accurately describe this process, a categorization is introduced. For each category several methods are developed and subsequently evaluated. The methods introduced, range from state of the art sensing devices like the Fovio system to Convolutional Neuronal Network and Deep Learning. The Evaluation is done by offical benchmark databases or a self conducted user study. The thesis ends with a short look in the future, based on the results and knowledge obtained in the evaluation part.