IdentiFace: Ein auf VGG basierendes multimodales Gesichts-Biometriekonzept

Die Entwicklung facialischer biometrischer Systeme hat maßgeblich zur Fortschreibung des Gebiets der Computer Vision beigetragen. Heute besteht stets der Bedarf, multimodale Systeme zu entwickeln, die mehrere biometrische Merkmale effizient und sinnvoll kombinieren. In diesem Artikel stellen wir „IdentiFace“ vor, ein multimodales faciales biometrisches System, das die Kernkomponenten der Gesichtserkennung mit einigen der wichtigsten weichen biometrischen Merkmale – wie Geschlecht, Gesichtsform und Emotion – vereint. Zudem haben wir uns darauf konzentriert, das System ausschließlich auf Basis einer VGG-16-inspirierten Architektur mit geringfügigen Anpassungen in den verschiedenen Subsystemen zu entwickeln. Diese Vereinheitlichung ermöglicht eine einfachere Integration über verschiedene Modalitäten hinweg und erleichtert die Interpretierbarkeit der gelernten Merkmale zwischen den Aufgaben. Dies liefert wertvolle Einblicke in den Entscheidungsprozess über die verschiedenen facialen Modalitäten und mögliche Verbindungen zwischen ihnen. Bei der Gesichtserkennung erzielten wir eine Testgenauigkeit von 99,2 % bei fünf Klassen mit hohen intra-klasstypischen Variationen, basierend auf Daten aus der FERET-Datenbank[1]. Für die Geschlechtererkennung erreichten wir 99,4 % auf unserem eigenen Datensatz und 95,15 % auf einem öffentlichen Datensatz[2]. Bei der Gesichtsformerkennung erzielten wir eine Testgenauigkeit von 88,03 % unter Verwendung des Celebrity Face-Shape-Datensatzes[3]. Schließlich erzielten wir eine annehmbare Testgenauigkeit von 66,13 % bei der Emotionserkennung, was im Vergleich zu verwandten Arbeiten auf dem FER2013-Datensatz[4] als sehr zufriedenstellend gilt.