Analisi Sistematica di Algoritmi di Riconoscimento Facciale Basati su Deep Learning per Immagini Derivanti da Fotosegnalamento

Il riconoscimento facciale automatico è una tecnica biometrica per l'identificazione ormai ampiamente diffusa e utilizzata nei più svariati ambiti applicativi. Seppur argomento di ricerca da lungo tempo, i maggiori sviluppi nel settore del riconoscimento facciale si sono avuti nel corso dell'ultimo decennio grazie all'affermazione del deep learning come base per la risoluzione di tali problemi, che ha consentito di raggiungere prestazioni eccellenti, impensabili fino a poco prima. Di particolare interesse sono gli algoritmi di riconoscimento facciale per l'uso da parte delle forze dell'ordine in quelle operazioni di riconoscimento in cui tecniche tradizionali siano difficoltose o del tutto impossibili da applicare. In questa tesi analizzo alcuni dei migliori sistemi di riconoscimento facciale finora sviluppati, come VGGFace, FaceNet e OpenFace, con lo scopo di delineare la situazione odierna in tale settore e consentire migliorie nelle tecniche di fotosegnalamento adottate dalla Polizia di Stato, in virtù di una collaborazione tra questa e l'università Politecnica delle Marche. Dapprima mi concentro su una trattazione teorica dei dettagli di tali modelli e traccio l'evoluzione che ha consentito di raggiungere lo stato di avanzamento tecnologico attuale. Poi conduco esperimenti su tali modelli volti a valutarne le prestazioni in termini di accuratezza e tempi di esecuzione in compiti di identificazione (riconoscimento 1:N). Sulla base dei risultati ottenuti in questi esperimenti, concludo che il sistema che garantisce il miglior livello di accuratezza tra quelli testati è VGGFace2, nella versione che poggia sull'architettura SENet50, mentre quello con tempi di esecuzione minori è OpenFace.