006.4 Mustererkennung, Biometrie, Objekterkennung
Refine
Document Type
- Bachelor Thesis (3)
- Master's Thesis (1)
Language
- German (4)
Keywords
- Biometrie (4) (remove)
Institute
In dieser Arbeit werden das Parameterbasierte Verfahren StyleFlow und das semantische System StyleClip untersucht um das StyleGan zu kontrollieren. Dabei sollen die gewählten Attribute bestmöglich editiert werden und sich dabei möglichst wenig gegenseitig beeinflussen. Zusätzlich Experimente auf realen Daten zeigen, dass durch die Invertierung in den Raum des StyleGan Fehler in den Attributen auftreten und bei der Editierung vermehrt Artefakte auftreten. In weiteren Untersuchungen werden die beiden Systeme genutzt, um zum einem Veränderungen entsprechend dem realen Verhalten durchzuführen und zum anderem eine Attributverteilung von Identitäten auf eine andere zu Übertragen. Dabei wird auch die Bildqualität allgemein und für eine Gesichtserkennung untersucht. Mit den untersuchten Systemen sind diese Operationen zu einem gewissen Maß möglich, dabei fällt die Bewertung aufgrund relativer Metriken schwierig.
Die Biometrie bildet in heutigen Zeiten in den Bereichen der forensischen Arbeit und der Sicherheit ein besonderen Teil. Dabei werden in heutigen Verfahren biometrische Merkmale wie Gesichtsmaße, Fingerabdrücke oder auch Irismuster verwendet. Jedoch stößt die Verwendung dieser Merkmale oft an ihrer Grenzen, wenn es darum geht, vermummte Täter auf Überwachungsaufnahmen zu identifizieren. An dieser Stelle soll der Täter mittels eines Rigs auf der Aufnahme vermessen werden. Die erhaltenen Maße sollen anschließend mit den Maßen von Personen im Reale verglichen werden, um dadurch den Täter von der Aufnahme zu identifizieren. In dieser Arbeit wird ein gegebener Datensatz näher untersucht. Der Datensatz enthält anthropometrische Maße, Front-Rigs (2D-Rigs) sowie 3D-Rigs von 170 Frauen und 170 Männern. Ziel soll es sein, die im Datensatz gegebene Separierbarkeit mittels eines optimalen Trenn- beziehungsweise Klassifikationsverfahrens nachzuweisen. Zum Einen wird die Vergleichbarkeit der Front- und 3D-Rigs überprüft. Dafür wird eine Möglichkeit gesucht, eine mögliche Abweichung zwischen den Dimensionen der Rigs mittels eines allgemeinen Fehlers beziehungsweise Verhältnisses auszudrücken. Zum Anderen werden verschiedene Klassifikationsverfahren durchgeführt, die zwischen zwei Körperhöhengruppen gegebene Separierbarkeit optimal nachzuweisen. Abschließend wird ein weiteres Merkmal neben der Körperhöhe gesucht, um Personen in Gruppen einzuteilen. Im Verlauf der Arbeit wird ersichtlich, dass zwischen den Front-Rigs und 3DRigs ein Unterschied besteht, der sich jedoch schwer in ein allgemeinen Fehler beziehungsweise ein allgemeines Verhältnis fassen lässt. Mittels der Manhattan-Distanz kann die Separierbarkeit nur schwer nachgestellt werden. Durch die Verwendung von k-NNs und logistischen Regressionen ist die Separierbarkeit trotz auftretender Falschklassifikationen nachzuweisen. Als weiteres Merkmal zur Körperhöhe wird das Verhältnis von Oberkörper zu Unterkörper betrachtet. Die mittels dieses Verhältnisses bestimmten Gruppen sind ebenfalls nachweisbar. In Zukunft sollte der Unterschied zwischen Front- und 3D-Rigs verkleinert beziehungsweise verallgemeinert werden, um die Vergleichbarkeit zu steigern. Des Weiteren sollte die Separierbarkeit mittels weiterer Klassifikationverfahren nachgewiesen werden. Außerdem sollte über eine Erweiterung des Datensatzes um weitere Individuen oder auch andere Körperhöhen nachgedacht werden. Zudem sollten auch andere Merkmale zur Gruppierung der Personen weiter untersucht werden.
Diese Bachelorarbeit befasst sich mit der Analyse des Tippverhaltens und wie sich dieses zur Identifizierung nutzen lässt. Dazu werden anhand eines selbst geschriebenen Keylisteners dreißig Personen gebeten, vorgegebene Texte abzutippen und zuvor persönliche Informationen über die eigene Person anzugeben. Diese Daten werden anschließend ausgewertet, indem man personenspezifische Merkmale extrahiert. Parallel tippt eine Testperson die Texte zehn Mal während unterschiedlichen Tageszeiten ab. Aus diesen Daten wird die Standardabweichung herausgerechnet. Anschließend werden vier der bereits teilnehmenden Probanden ein zweites Mal gebeten, die Testsätze erneut einzugeben. Mithilfe des Euklidischen Abstandes werden die Latenzzeiten der Datensätze dazu verwendet, die Identität der erneut Tippenden mit einem der vorherigen Datensätze zu identifizieren. Außerdem werden durch Zuhilfenahme der Standardabweichungs-Werte alle Merkmale gewichtet und durch das Skalarprodukt miteinander verrechnet. Damit wird eine weitere Methode eingesetzt, Datensätze untereinander zu vergleichen und gegebenenfalls gleiche Tipp-Probanden wiederzuerkennen.
Das menschliche Gesicht verrät nicht nur die Identität, das Geschlecht oder das aktuelle Befinden einer Person, sondern bietet darüber hinaus, Informationen über das Alter. Die automatische Altersschätzung von Gesichtsbildern extrahiert diese Informationen und klassifiziert diese, um eine Altersschätzung zu erzeugen. Gekoppelt mit einem Gesichtserkennungssystem kann die Leistung der Gesichtserkennung erhöht werden oder eine altersbasierte Zugangskontrolle eingerichtet werden, die nur Gesichtsbilder der Person benötigt. Ziel dieser Arbeit ist es die Leistung eines zur Verfügung gestellten Algorithmus zur automatischen Altersschätzung zu evaluieren. Die Prüfung enthält auch die Beobachtung von Einflüssen auf die Leistung des Algorithmus. Die Evaluierung wurde mit einer eigens erstellten, kontrollierten Testmenge durchgeführt, umein möglichst genaues Ergebnis zu erhalten.