高解像画像と超解像画像の顔認証を比較したところ、高解像画像のほうが本人の登録画像との類似度スコアが高くなっていましたが、本人以外の写真でも認証してしまう場合がありました。超解像画像では、高解像画像より類似度スコアが低くなっていましたが、本人以外の写真を認証することはありませんでした。

 Real_ESRGANというモデルで超解像してみたところ、顔が変わって、顔認識はできますが、顔認証できるレベルではありませんでした。SwinIRというモデルでも超解像してみたところ、Real_ESRGASNよりも本物に近く超解像できていました。画像によっては、顔認証できるまでの画像になっていました。出欠管理システムとして使うものとして想定しているので、登録する顔に特化した学習モデルを作成して、類似度がどれくらい向上するのかを試してみようと思います。

元の画像

Real_ESRGAN　顔認識 可能、顔認証 不可

大ゼミの発表のためのスライド作成をしました。

遠い人でも、認識できるように超解像について調べています。最初は一枚の画像を超解像してみようと思います。 RealESRGANというモデルが超解像するときに画像のぼやけが少なそうなので試してみます。一枚の画像からでは入力情報が足りなそうな場合は、難しそうですが一定時間の動画から複数枚の画像に分けて入力して超解像してみます。

複数人を顔認証するとき、座席の後ろの人が認証されずらいので、解像度をあげるか、写真の何枚かにわけてとって、後ろはズームしてとるようにして認証してみようかなとおもっています。

https://ai-scholar.tech/articles/face-recognition/attenface

この研究ではスナップ写真（おそらく一枚）を撮って顔認証しているが後ろのほうは認証できていなかったみたいです。

NTTDATAのシステムを利用した出欠確認システムの研究がありました。

顔認識を利用したリアルタイムの出席確認システム「AttenFace」 | AI-SCHOLAR | AI：(人工知能)論文・技術情報メディア

10分ごとにスナップショットをとり、それに対して顔認証を行い出欠確認している。

face_recognitionというライブラリで、複数人写った画像でも特徴点を抽出することができた。また、鮮明な画像なら複数人でも顔認証されるようになった。

NTTDATAが同じような研究をしていた。

顔認識を利用したリアルタイムの出席確認システム「AttenFace」 | AI-SCHOLAR | AI：(人工知能)論文・技術情報メディア

10分ごとにスナップショットをとり、それに対して顔認証を行い出欠確認している。

facenet_pytorchというライブラリを使用して、三つの画像（画像1と画像2は同じ人物の違う写真、画像3は1,2と異なる人物)を読み込んで二つの画像間の類似度を計算し、閾値(0.7)をこえる場合に認証が成功となるようにできました。

今週はface_recognitionというライブラリで複数人の写った画像を読み込んですべて顔を読み込んで、画像中の顔の数を表示できるようにします。

研究テーマを顔認証による出欠確認システムしようと思います。先行研究もあるのでもう少し調べます

移動通信の試験勉強をした。

研究のテーマは何個か候補考えました。

研究テーマを調べた。まだ、テーマを確定できていないのでこれから確定させていきたい。