Fraunhofer-Institut für Graphische Datenverarbeitung IGDDer wachsende Bedarf an verlässlichen und genauen Erkennungsmethoden zusammen mit den kürzlichen Fortschritten im Bereich des Deep Learning haben den Forschungsbereich der biometrischen Erkennung grundlegend verändert. Die Entwicklung von effizienten biometrischen Lösungen, die den benötigten Rechenaufwand minimieren ist wichtig, vor allem wenn die biometrischen Methoden auf eingebetteten Systemen oder Low-End-Geräten eingesetzt werden.
Ein möglicher Anwendungsfall sind dabei Head Mounted Displays, also visuelle Ausgabegeräte, wie sie für VR/AR-Anwendungen und dem Metaverse verwendet werden. Hierbei kann beispielsweise der Träger anhand der periokulären Region (Augenregion) trotz hoher Variation bezüglich der Augenposition und Augenbewegung eindeutig identifiziert werden. Einen Proof of Concept zeigen wir in unserer Studie.
Doch auch abseits von Head Mounted Displays sind hocheffiziente biometrische Lösungen gefragt. Häufig sind nicht nur die verfügbare Rechenleistung und Speichergröße ein limitierender Faktor, sondern auch die Dauer, die Durchführungsdauer eines biometrischen Vergleichs. Mit MixFaceNets ist es uns gelungen, ein Gesichtserkennungssystem zu entwickeln, welches trotz stark reduzierter Komplexität, sehr schnell, sehr genaue biometrische Entscheidungen treffen kann.
Zum Paper »MixFaceNets: Extremely Efficient Face Recognition Networks«
