Embedded resource-constrained face recognition system for access control applications

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorLazzaretti, André Eugênio-
Autor(es): dc.contributorLazzaretti, André Eugênio-
Autor(es): dc.contributorBorba, Gustavo Benvenutti-
Autor(es): dc.contributorLopes, Heitor Silverio-
Autor(es): dc.creatorChicora, Alexandre Schroeder-
Data de aceite: dc.date.accessioned2025-08-29T12:13:50Z-
Data de disponibilização: dc.date.available2025-08-29T12:13:50Z-
Data de envio: dc.date.issued2025-03-28-
Data de envio: dc.date.issued2026-12-07-
Data de envio: dc.date.issued2025-03-28-
Data de envio: dc.date.issued2023-12-07-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/36271-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1091425-
Descrição: dc.descriptionPropelled by the advancement of computer vision, facial recognition access control systems have been gaining ground. Highlighted by its accuracy and practicality, these systems have permeated personal mobile devices and are now integral to international border control security systems. When based on deep learning algorithms, improving its reliability usually implies increasing its complexity, adding more parameters and layers, and performing training with a larger and more sophisticated dataset. With the complexity augmentation, those systems inference is limited to powerful devices, leaving no space for resource-constrained applications. Therefore, this work pretends to develop and optimize a facial recognition system based on deep learning in a resource-constrained environment, analyzing the project adaptations that should be made to pursue a reliable and performing system with minimal resource usage. To perform that, lightweight deep learning models are used as a baseline, together with post-training quantization to reduce model footprint and increase the system performance. As a result, it was possible to have an entire face recognition system embedded in a Cortex-M7 device, with face detection, face anti-spoofing and face recognition blocks achieving a total inference time of 2,4 seconds.-
Descrição: dc.descriptionImpulsionados pelo avanço da visão computacional, os sistemas de controle de acesso por reconhecimento facial vêm ganhando cada vez mais destaque. Destacados pela sua precisão e praticidade, estes sistemas são atualmente presentes em dispositivos móveis pessoais e parte integrante dos sistemas internacionais de controle de fronteiras. Quando baseado em algoritmos de aprendizagem profunda, melhorar a confiabilidade de um sistema de reconhecimento facial geralmente implica em aumentar sua complexidade, adicionar mais parâmetros e camadas ou realizar treinamento com um conjunto de dados maior e mais sofisticado. Com o aumento da complexidade, a inferência desses sistemas fica limitada a dispositivos com alta capacidade de processamento, tornando inviável a utilização de sistemas embarcados com recursos limitados. Nesse sentido, o objetivo desse trabalho é desenvolver e otimizar um sistema de reconhecimento facial baseado em aprendizagem profunda em um ambiente embarcado não ideal, analisando as adaptações de projeto que devem ser feitas para buscar um sistema confiável e performante com uso mínimo de recursos. Para isso, são usados como base modelos de aprendizagem profunda de baixa complexidade, juntamente com um processo de redução de complexidade de redes neurais chamado de quantização. Como resultado, foi possível reduzir em fator 4 a complexidade inicial do modelo de reconhecimento facial, obtendo um tempo de inferência total de 2,4 segundos em um dispositivo Cortex-M7.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languageen-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCuritiba-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherEngenharia Eletrônica-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsembargoedAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc/4.0/-
Palavras-chave: dc.subjectReconhecimento facial (Computação)-
Palavras-chave: dc.subjectAprendizado profundo (Aprendizado do computador)-
Palavras-chave: dc.subjectSistemas embarcados (Computadores)-
Palavras-chave: dc.subjectHuman face recognition (Computer science)-
Palavras-chave: dc.subjectDeep learning (Machine learning)-
Palavras-chave: dc.subjectEmbedded computer systems-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA-
Título: dc.titleEmbedded resource-constrained face recognition system for access control applications-
Título: dc.titleSistema de reconhecimento facial embarcado para aplicações de controle de acesso-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.