Přejít k hlavnímu obsahu

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Thermal-based gender recognition using drones: advancing biometric recognition in challenging outdoor environments
Rok: 2024
Druh publikace: článek v odborném periodiku
Název zdroje: Drone Systems and Applications
Název nakladatele: CANADIAN SCIENCE PUBLISHING
Místo vydání: OTTAWA
Strana od-do: 1-9
Tituly:
Jazyk Název Abstrakt Klíčová slova
cze Termální rozpoznávání pohlaví pomocí dronů: pokrok v biometrickém rozpoznávání v náročných venkovních prostředích Zatímco biometrické rozpoznávání obvykle používá k identifikaci osob rysy, jako je obličej, otisk prstu a duhovka, tato studie se zaměřuje na využití specifických vlastností k identifikaci pohlaví. Cílem tohoto článku je navrhnout postup pro uznání pohlaví za konkrétních podmínek. Specifickou podmínkou je monitorování venkovního prostoru, které představuje výzvy, jako jsou různé světelné podmínky a omezené možnosti umístění kamery. K řešení tohoto problému využívá navrhovaný postup tepelné snímky pořízené dronem vybaveným termokamerou. Výhodou termovizí je jejich nezávislost na okolních světelných podmínkách. Pořízené snímky jsou změněny a zpracovány pomocí konvolučních neuronových sítí (CNN) (AlexNet, VGG-16, VGG-19) pro extrakci příznaků a binární klasifikaci. Pro trénování CNN je využívána volně dostupná databáze termosnímků obličeje, k testování pak vlastní vytvořená dataset termosnímků získaných dronem. Zjištění naznačují, že optimalizované CNN dosahují přesnosti klasifikace 82,4 % (VGG-16), 82,9 % (AlexNet) a 85,5 % (VGG-19). Původní přínos této studie spočívá v prokázání vhodnosti termosnímků obličeje získaných pomocí dronů pro účely rozpoznávání pohlaví. dron; rozpoznávání pohlaví; termální snímky; konvoluční neuronová síť
eng Thermal-based gender recognition using drones: advancing biometric recognition in challenging outdoor environments While biometric recognition typically uses features such as face, fingerprint, and iris to identify individuals, this study focuses on utilising specific characteristics to identify gender. The aim of this article is to propose a procedure for gender recognition under specific conditions. The specific condition addressed is outdoor area monitoring, which presents challenges such as varying lighting conditions and limited camera placement options. To tackle this, a proposed procedure utilises thermal images captured by the drone equipped with a thermal camera. The advantage of thermal images is their independence from ambient light conditions. The captured images are resized and processed using convolutional neural networks (CNNs) (AlexNet, VGG-16, VGG-19) for feature extraction and binary classification. A freely available database of thermal face images is used for training the CNNs, while a own created dataset of thermal images obtained by the drone is used for testing. The findings indicate that the optimised CNNs achieve classification accuracies of 82.4% (VGG-16), 82.9% (AlexNet), and 85.5% (VGG-19). The original contribution of this study lies in demonstrating the suitability of face thermal images obtained through drones for gender recognition purposes. drone; gender recognition; thermal image; convolutional neural networks