Analisi sperimentale dell'impatto delle foto segnaletiche nel riconoscimento facciale mediante reti neurali profonde

Automatic facial recognition is a biometric technique that, among various applications, it allows to identify a subject thanks to the use of surveillance cameras and mug shots. The development of neural networks in recent years has made it possible to obtain ever greater accuracy for facial recognition algorithms. The aim of this thesis was to analyze the performance of neural networks in the tasks of identification and verification of the face according to the different mugshots that can be used as a reference, in order to determine whether a mugshot standard different from the current Italian standard is advantageous, consisting of front photo and left profile. The SCface Database was used as a reference for the analyzes, a dataset of images of various mug shots and photos taken by surveillance cameras taken of various subjects. The identification of the subjects was carried out on the basis of the Euclidean distance between the embeddings generated by the neural networks.

Il riconoscimento facciale automatico è una tecnica biometrica che, tra le varie applicazioni, permette di individuare un soggetto grazie all’utilizzo di telecamere di sorveglianza e foto segnaletiche. Lo sviluppo delle reti neurali degli ultimi anni ha permesso di ottenere un’accuratezza sempre maggiore per gli algoritmi di riconoscimento facciale. L’obbiettivo di questa tesi è stato analizzare le performance delle reti neurali nei compiti di identificazione e verifica del volto in funzione delle diverse foto segnaletiche che possono essere usate come riferimento, in modo da determinare se sia vantaggioso un fotosegnalamento diverso dall’attuale standard italiano, composto da foto frontale e profilo sinistro. Come riferimento per le analisi è stato utilizzato l’SCface Database, un dataset di immagini di diverse foto segnaletiche e foto prese da telecamere di sorveglianza scattate a diversi soggetti. L’identificazione dei soggetti è stata effettuata in base alla distanza euclidea tra gli embedding generati dalle reti neurali.