Studio sull'impatto di foto segnaletiche da più angolazioni nel riconoscimento facciale in scenari senza vincoli mediante reti neurali profonde

Il riconoscimento facciale è uno degli strumenti di identificazione biometrica più diffusi e trova applicazione in diversi campi, dalla pubblica sicurezza all'uso civile. Nonostante sia un’abilità innata negli umani che viene usata quotidianamente senza rendersene conto, la sua implementazione presenta ancora oggi diverse sfide. I maggiori progressi sono stati ottenuti negli ultimi anni grazie alla sua combinazione con algoritmi di apprendimento automatico basati su reti neurali artificiali (Deep Learning). In questa tesi cerco di fornire lo stato dell’arte del riconoscimento facciale automatico, dapprima presentando le problematiche più comuni che insorgono nell’uso di questa tecnica per poi analizzare le diverse soluzioni sviluppate negli ultimi anni. Dopodiché, in virtù di una collaborazione tra la Polizia di Stato e l’università Politecnica delle Marche, conduco esperimenti al fine di valutare l’impatto dell’uso di diverse foto segnaletiche sul riconoscimento di soggetti in scenari liberi. Per questi esperimenti ho usato il modello di rete neurale preaddestrato per il riconoscimento facciale ResNet50. Nonostante i risultati degli esperimenti mostrino che le foto segnaletiche frontali abbiano un impatto maggiore nel riconoscimento dei soggetti ciò può essere dovuto principalmente alla conformazione del dataset usato.