Original title: Multimodální ověřování věku z dokladu a z kamerového snímku
Translated title: Multimodal age verification from document and camera image
Authors: Hromek, Vít ; Honec, Peter (referee) ; Janáková, Ilona (advisor)
Document type: Master’s theses
Year: 2026
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract: [cze] [eng]
Práce se zabývá návrhem a částečnou realizací prototypu zařízení pro automatizované ověření věku uživatele kombinací údajů z dokladu totožnosti a odhadu věku z obrazu obličeje. Východiskem je rešerše metod pro čtení dokladů (MRZ/OCR), zpracování obličeje a odhad věku metodami hlubokého učení se zvláštním důrazem na relevantní legislativní rámec a požadavky na ochranu osobních údajů. Na základě těchto poznatků je navržena systémová architektura prototypu s lokálním (edge) zpracováním na embedded platformě, která minimalizuje přenos citlivých dat mimo zařízení. Součástí práce je implementace základní zpracovatelské pipeline. Modul dokladu zpracovává vymezenou oblast MRZ (ROI), využívá knihovnu pro rozpoznání a parsování MRZ a z extrahovaného data narození vypočítá věk. Modul obličeje detekuje obličej pomocí Haarových kaskád v OpenCV, provádí ořez a normalizaci výřezu a následně spouští model SSR-Net pro odhad věku nasazený přes TensorFlow Lite. Výstupy obou větví jsou kombinovány ve fúzním modulu, který vyhodnocuje splnění věkového limitu a základní soulad mezi věkem z dokladu a odhadem věku z obličeje. Práce tím ověřuje integrační koncept prototypu a vytváří základ pro navazující doplnění detekce živosti a systematickou evaluaci. This work addresses the design and partial implementation of a prototype device for automated user age verification by combining information extracted from an identity document with age estimation from a facial image. The work is grounded in a survey of methods for document reading (MRZ/OCR), face processing, and deep-learning-based age estimation, with particular emphasis on the relevant legal framework and personal data protection requirements. Based on these findings, a system architecture is proposed that performs local (edge) processing on an embedded platform to minimize the transfer of sensitive data outside the device. The work also implements a basic processing pipeline. The document module processes a predefined MRZ region of interest (ROI), uses an MRZ recognition and parsing library, and computes the user’s age from the extracted date of birth. The face module detects the face using OpenCV Haar cascades, crops and normalizes the facial region, and then runs an SSR-Net age estimation model deployed via TensorFlow Lite. Outputs from both branches are combined in a fusion module that evaluates compliance with an age threshold and basic consistency between document-derived age and face-based age estimation. The resulting prototype validates the integration concept and forms a basis for future extensions such as liveness detection and systematic evaluation.
Keywords: age estimation; age verification; decision fusion; deep learning; edge computing; face analysis; GDPR; identity document; MRZ; OCR; personal data protection; Raspberry Pi; doklad totožnosti; edge computing; fúze rozhodnutí; GDPR; hluboké učení; MRZ; obličej; ochrana osobních údajů; OCR; odhad věku; ověřování věku; Raspberry Pi

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/257329

Permalink: http://www.nusl.cz/ntk/nusl-774192


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Master’s theses