Original title: Soukromí zachovávající rozpoznávání obličeje na edge zařízeních
Translated title: Privacy-preserving facial recognition on edge devices
Authors: Pecník, Andrej ; Ilgner, Petr (referee) ; Dzurenda, Petr (advisor)
Document type: Bachelor's theses
Year: 2026
Language: slo
Publisher: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract: [slo] [eng]
Táto práca sa zaoberá rozpoznávaním tváre so zachovaním súkromia na edge zariadeniach v rámci vernostného programu vyvíjaného na VUT. V teoretickej časti sú opísané moderné metódy detekcie a rozpoznávania tváre, najmä detektor SCRFD, zarovnanie tváre pomocou kľúčových bodov a extrakcia embeddingov modelom ArcFace MobileFaceNet, spolu s vybranými anonymizačnými a pseudonymizačnými technikami. Po analýze dostupných embedded platforiem bol ako cieľové zariadenie zvolený mikropočítač Raspberry Pi 4B. Najprv bol implementovaný systém založený na klasických modeloch strojového učenia v kombinácii s analýzou hlavných komponentov a diferenciálnym súkromím, ktorý sa však pri živom nasadení ukázal ako nedostatočne spoľahlivý. Z tohto dôvodu bola výsledná aplikácia postavená na predtrénovanom modeli ArcFace doplnenom o detektor SCRFD a zarovnanie tváre. Vytvorená kiosková aplikácia vykonáva detekciu, zarovnanie a rozpoznávanie tváre lokálne na mikropočítači Raspberry Pi 4B. Riešenie bolo experimentálne overené, pričom na datasete LFW bola dosiahnutá presnosť 99,08 %, ďalej bola otestovaná jeho odolnosť voči zhoršeným podmienkam snímania a overená kompatibilita s vernostným systémom VUT. This thesis deals with privacy-preserving face recognition on edge devices within the loyalty program developed at the Brno University of Technology. The theoretical section describes modern methods of face detection and recognition, particularly the SCRFD detector, face alignment using keypoints, and the extraction of embeddings using the ArcFace MobileFaceNet model, along with selected anonymization and pseudonymization techniques. After an analysis of available embedded platforms, the Raspberry Pi 4B microcomputer was chosen as the target device. A system based on classical machine learning models combined with principal component analysis and differential privacy was implemented first, but it proved insufficiently reliable in live deployment. For this reason, the final application was built on the pretrained ArcFace MobileFaceNet model complemented by the SCRFD detector and face alignment. The resulting kiosk application performs face detection, alignment, and recognition locally on the Raspberry Pi 4B. The solution was experimentally evaluated, achieving 99.08 % accuracy on the LFW dataset; its robustness under degraded capture conditions and its compatibility with the BUT loyalty system were also verified.
Keywords: ArcFace; biometrics; cosine similarity; edge devices; embedding; face alignment; face detection; face recognition; MobileFaceNet; PEEP; privacy preservation; SCRFD

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/11012/258282

Permalink: http://www.nusl.cz/ntk/nusl-775170


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