МЕТОДЫ ДЕ-ИДЕНТИФИКАЦИИ ИЗОБРАЖЕНИЙ ЛИЦ И ПУТИ ИХ РЕШЕНИИ
DOI:
https://doi.org/10.52167/1609-1817-2023-127-4-196-206Ключевые слова:
де-идентификация, распознавание лиц, глубокое обучение, процедура Fawkes, детерминированные методы распознаванияАннотация
В статье рассмотрена современная проблема систем распознавания лиц, появившийся в последние годы. Это такая проблема как распознавание лиц, подвергнутых процедуре де-идентификации лиц, на примере технологии Fawkes. В статье подробно описывается и демонстрируются изменения, которые происходят при применении процедуры де-идентификации Fawkes к изображениям лиц. Представлены и описаны текстурные изменения и особенности структурных разрушений в изображениях лиц. Применены многоуровневые параметрические оценки разрушений для их формальной и численной оценки. Представлены результаты экспериментов по распознованию изображений лиц подвергнутых процедуре де-идентификации лиц методами глубокого обучения, на базе модели ResNet34. Представлена структура и описание системы на базе CNN. В результате проведенных экспериментов было выяснено что изображения, прошедшие процедуру де-идентификации, не распознаются системой на основе глубокого обучения. Объяснены причины невозможности использования изображений лиц, разрушенных в процессе выполнения процедуры Fawkes, в задачах глубокого обучения. Предложены возможные пути решения проблемы распознавания изображений, подвергнутых процедуре де-идентификации Fawkes, детерминированными алгоритмами распознавания такими как двумерное косинус-преобразование, метод генерации случайных точек (Random), метод основаный на вычисления яркостынх значений координат антропометрических точек и применение процедуру предобработки путем сглаживания изображений, подвергнутых процедуре де-идентификации.
Практическая значимость. Утверждается, что использование простых способов предобработки изображений лиц, подвергнутых процедуре Fawkes, на входе сверточной нейронной сети может привести к их распознаванию с высокой результативностью, а также могут найти применение в других системах, где к изображениям применены различные процедурам де-идентификации.
Библиографические ссылки
[1] NISTIR 8311 Ongoing Face Recognition Vendor Test (FRVT) Part 6A: Face recognition accuracy with masks using pre-COVID-19 algorithms Mei Ngan Patrick Grother Kayee Hanaoka. This publication is available free of charge from: https://doi.org/10.6028/NIST.IR.8311
[2] Wu Y., Yang F., Xu Y., Ling H. Privacy-protective-GAN for privacy preserving face de-identification // Journal of Computer Science and Technology. 2019. V. 34. N 1. P. 47–60. https://doi.org/10.1007/ s11390-019-1898-8
[3] Nousi P., Papadopoulos S., Tefas A., Pitas I. Deep autoencoders for attribute preserving face de-identification // Journal Signal Processing: Image Communication. 2020. V. 81. P. 115699. https://doi. org/10.1016/j.image.2019.115699
[4] Shan S., Wenger E., Zhang J., Li H., Zheng H., Zhao B.Y. Fawkes: Protecting privacy against unauthorized deep learning models // Proc. 29th USENIX Security Symposium. 2020. P. 1589–1604.
[5] CUHK Face Sketch Database (CUFS). [Электронный ресурс]. http://mmlab.ie.cuhk.edu.hk/archive/facesketch.html (дата обращения: 20.05.2022)
[6] Kukharev, G.A., Maulenov, K.S., Shchegoleva, N.L. Protecting facial images from recognition on social media: Solution methods and their perspective // Scientific and Technical Journal of Information Technologies, Mechanics and Opticsthis. 2021, 21(5), pp. 755–766. doi: 10.17586/2226-1494-2021-21-5-755-766
[7] Wang Z., Bovik A.C., Sheikh H.R., Simoncelli E.P. Image quality assessment: from error visibility to structural similarity // IEEE Transactions on Image Processing. 2004. V. 13. N 4. P. 600–612. https://doi.org/10.1109/TIP.2003.819861
[8] Kuharev G.A., Kamenskaja E.I., Matveev Ju.N., Shhegoleva N.L. Metody obrabotki i raspoznavanija izobrazhenij lic v zadachah biometrii. CPb.: Politehnika, 2013. 388 s.
[9] De Vel O., Aeberhard S. Line-based face recognition under varying pose. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1999, vol. 21, no. 10, pp. 1081–1088. https://doi.org/10.1109/34.799912
[10] Maulenov Қ.S., Kudubaeva S.A. COMPARATIVE ANALYSIS OF FACE DETECTORS HAAR, HOG, CNN. // NEWS of the National Academy of Sciences of the Republic of Kazakhstan. Volume 5, Number 339 (2021), 74–82 https://doi.org/10.32014/2021.2518-1726.87
[11] Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun. Deep Residual Learning for Image Recognition. https://doi.org/10.48550/arXiv.1512.03385
[12] Chao-Hsing Hsu, Zhen Guo, Kang Yen. Comparison of Image Approximation Methods: Fourier Transform, Cosine Transform, Wavelets Packet and Karhunen-Loeve Transform. Department of Electrical Engineering Florida International University 10555 W. Flagler St.Miami Fl 33174
[13] Ziad M. Hafed, Martin D. Levine. Face Recognition Using the Discrete Cosine Transform. Sivakasi, India. ISBN: 978-1-4577-2149-6
[14] Maulenov K. S., Kudubayeva S. A., and Uvaliyeva A. A. «Studying a Face Search Method Based on the Idea of Sparse Data Representation by Generating Random Points» 2021 IEEE International Conference on Smart Information Systems and Technologies (SIST), 2021, pp. 1-6, doi: 10.1109/SIST50301.2021.9465986.
[15] Kazemi V., Sullivan J. One millisecond face alignment with an ensemble of regression trees // Proc. 27th IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 2014. P. 1867– 1874. https://doi.org/10.1109/CVPR.2014.241 13. Evtimov I., Sturmfels P., Kohno T. FoggySight: A Scheme for facial lookup privacy // Proceedings on Privacy Enhancing Technologies. 2021. V. 3. P. 204–226. https://doi.org/10.2478/popets-2021-0044
[16] Aimbetova D.T., Zharlykasov B.Zh., Muslimova A.Z. «Raspoznavanie izobrazhenij lic dlja identifikacii». Aktual'nye nauchnye issledovanija v sovremennom mire // Obshhestvennaja organizacija» Institut social'noj transformacii». 2017, 12-1, s. 164-168.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2023 Қалыбек Мауленов, Назым Казиева, Жазира Шурен, Сауле Кудубаева
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.