Gesichtserkennung in ressourcen-beschränkten Umgebungen

Abstract

In einer immer stärker vernetzten Welt ist Sicherheit ein entscheidendes Kriterium. In vielen Bereichen, z.B.: e-Government, E-Commerce, Online-Banking usw., werden sensible Daten gespeichert und übertragen. Es muss sichergestellt werden, dass nur autorisierte Personen Zugriff auf diese Daten haben, um Missbrauch vorzubeugen.<br />Biometrie kann dabei helfen, Personen zu identifizieren und damit Sicherheit zu gewährleisten. Das Gesicht ist neben dem Fingerabdruck, der Iris, der Handfläche, der Vene usw. ein biometrisches Merkmal, das zur Authentifikation herangezogen werden kann. Heutzutage wird Sicherheit fast ausschließlich über Passwörter/PINs realisiert. Dieser Ansatz hat eine Reihe von Nachteilen. Die weite Verbreitung dieser Methode ist durch einen offensichtlichen Vorteil erklärbar, nämlich die Einfachheit der Benutzung und Umsetzung für sowohl den Anwender als auch den Anbieter. Biometrische Methoden können als Alternative oder Ergänzung dieses klassischen Ansatzes eingesetzt werden. Im Rahmen dieser Diplomarbeit werden ausgewählte Vertreter von Gesichtserkennungsverfahren, nämlich Eigenfaces, Fisherfaces, Elastic Bunch Graph Matching und Enhanced Local Gabor Binary Patterns Histogram Sequence, beschrieben, umgesetzt und evaluiert. Die Kriterien sind dabei RAM-Bedarf (Memory Requirements), Festspeicher-Bedarf (Storage Requirements), Erkennungsrate (Error Rate: FAR und FRR) und Computing Time (Aufwand). Die Arbeit behandelt auch ein neues Verfahren (MarliesFaces), das im Hinblick auf die extrem ressourcen-beschränkte Umgebung Smartcard gemeinsam mit einer Kollegin an der FH St. Pölten entwickelt wurde. Diese neue Methode ist eine Kombination von Enhanced Local Gabor Binary Patterns Histogram Sequence und Princal Component Analysis. Neben der Theorie der Verfahren werden für jede Methode die für ein komplettes, praxistaugliches Gesichtserkennungssystem notwendigen Schritte Trainingsphase, Enrollment und Authentifzierungsvorgang erläutert. Bei der Gesichtserkennung hat man mit einer Reihe von Problemen zu kämpfen. Kopfhaltung, Helligkeitsunterschiede, Mimik, Veränderungen durch das Alter, Bärte, Make-Up, um nur einige zu nennen. All das muss für ein erfolgreiches Gesichtserkennungsystem bedacht und behandelt werden.<br />Vorverarbeitungsschritte können helfen, solche Probleme zu umgehen oder zu lösen. Sie entfernen irrelevante Teile wie die Haare und den Rand des Gesichts und/oder versuchen, Helligkeitsunterschiede auszugleichen und den Kontrast zu erhöhen. Wichtigte Vertreter von Vorverarbeitungsschritten (Histogram Equalization, Multi-Scale-Retines, Daubechies-Wavelets, TT) werden beschrieben und evaluiert.<br />

Security is a major concern in our highly-interconnnected world.<br />In many areas, like e-government, e-commerce, online-banking etc.<br />sensitive data is stored and transmitted. It has to ben ensured that only authorized persons have access to this data to prevent misuse.<br />Biometrics can aid to securely identify persons to guarantee privacy.<br />Face is besides finger print, iris, palm or vein, only to mention some, a biometric feature that can be exploited to ensure security. Nowadays security is mainly implemented by means of password or pins. This method has a number of drawbacks. The high distribution and application of this technique originates from a major advantage, that is the simplicity of use and implementation for both the user and the provider. Biometric methods can be an alternative or complement to this classic approach.<br />With this master thesis, chosen face recognition approaches, namely Eigenfaces, Fisherfaces, Elastic Bunch Graph Matching and Enhanced Local Gabor Binary Patterns Histogram Sequence, are discussed, implemented and evaluated. The criteria are memory usage, storage usage, error rate (FAR and FRR) and computing time. In addition the work introduces a new algorithm (MarliesFaces), that was developed together with a colleague at St. Pölten University of Applied Sciences with respect to the extremly constrained enviroment of a smart card. This approach is a combination of Enhanced Local Gabor Binary Patterns Histogram Sequence and Principal Component Analysis. Besides the theory of the approaches the for a whole face recognition system needed steps training phase, enrollment and authentification process are discussed for every method.<br />With face recognition one has to deal with a number of challenges. Head pose, differences in brightness, mimic, changes caused by aging, beards, make-up, only to mention some. One has to deal with these problems when developing a successful face recognition system. Preprocessing steps can help to avoid or solve these problems. They cut hair or other irrelevant parts of the face, try to compensate illumination changes and to enhance the contrast. Important representatives of preprocessing steps (Histogram Equalization, Multi-Scale-Retinex, Daubechies Wavelets, TT) are discussed and evaluated.