A measurement of acceptance rate for facial recognition

Abstract

Currently, digital transformation is important to business. Most would move to serve customers with online self-services and automation processes. One of the key successes is the identification and authentication process using facial recognition. This paper experiments with the accuracy of the acceptance algorithm by measuring the error rate by calculating the false acceptance (FAR) and false reject rate (FRR) from the test set by matching all faces together. Ideally, this method should be measured by the total number of populations in the markets but it's not practical to get all data. Therefore, the experiments applied the appropriate number of tests set from the Chicago Face Database which was developed at University of Chicago and converted the straight face to other behaviors such as smiling, nodding, turning left, and turning right by using the neural networks based on artificial intelligence to compare both the same and different person. By using various data sets from 100, 200, 400, 800, 1500, and 3,000 faces, the experiment shows that the error rate did not change when the size of the test set increased.

ปัจจุบันการเปลี่ยนแปลงทางดิจิทัลมีความสำคัญต่อภาคธุรกิจ หลายธุรกิจเริ่มมาให้บริการลูกค้าผ่าน บริการออนไลน์แบบทำด้วยตัวเองและบริการอัตโนมัติต่าง ๆ หนึ่งในสิ่งที่จำเป็นสำหรับบริการด้วยตัวเอง คือ ประกวนการในการพิสูจน์และยืนยันตัวตนโดยใช้การตรวจสอบอัตลักษณ์ใบหน้า งานวิจัยนี้สนใจ การวัดอัตราความแม่นยำที่ยอมรับได้สำหรับการระบุอัตลักษณ์ใบหน้าโดยการคำนวณค่าความผิดพลาด การปฏิเสธการผ่าน และความผิดพลาดในการหลุดรอดจากข้อมูลโดยการเทียบใบหน้าทั้งหมดร่วมกัน ในทางทฤษฎีค่าความผิดพลาดจะวัดได้แม่นยำมากเมื่อใช้จำนวนข้อมูลทดสอบที่ีเป็นไปได้ทั้งหมด แต่ในทางปฏิบัติแทบเป็นไปไม่ได้ที่จะหาข้อมูลทั้งหมดมา ดังนั้นการทดลองนี้จะใชรู้ปจากฐานข้อมูล "ชิคาโก้เฟส" ที่พัฒนาโดยมหาวิทยาลัยชิคาโก้และใช้โครงข่ายประสาทเทียมในการแปลงรูปจากหน้าตรงเป็นอิริยาบทต่าง ๆ เช่น ยิ้ม หันหน้า พยักหน้า หลับตา สำหรับใช้ทดสอบความแม่นยำทั้งในกรณีการตรวจสอบบุคคลเดียวกัน และคนละบุคคลกัน โดยใช้การทดลองที่หาจำนวนชุดการทดสอบต่าง ๆ จาก 100, 200, 400, 800, 1500 และ 3,000 ใบหน้า จากผลการทดลองจะแสดงความต่างของค่าความผิดพลาดที่วัดได้เมื่อมีการเพิ่มของขนาดชุดข้อมูลทดสอบ