Az arcképelemzés és az arckép-azonosítás mint klasszikus kriminalisztikai szakterület
Copyright (c) 2023 Mészáros Andrea, Petrétei Dávid
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Absztrakt
Az arcképelemzés és az arckép-azonosítás korunk egyik legdinamikusabban fejlődő kriminalisztikai szakterülete. Ez a tanulmány párhuzamot kíván vonni az arckép-azonosítás és az úgynevezett klasszikus kriminalisztikai szakértői szakterületek közt. A klasszikus szakterületek, azaz a nyomszakértői, az ujjnyomszakértői, a fegyverszakértői, az írásszakértői és az okmányszakértői munka nem része egyetlen természettudománynak sem, a szakértő képi információk vizuális összehasonlítását végzi, az ACE-V betűszóval jelzett metodika alapján. Tézisünk szerint az arckép-azonosító elemző ugyanígy dolgozik.
Kulcsszavak:
Hogyan kell idézni
Hivatkozások
Angyal Miklós szerk. (2019): Kognitív kriminalisztika. Ismeret – elmélet – történet. Budapest: Dialóg Campus.
Árendás Csaba et al. (2005): Integrált biometrikus azonosító rendszerek. Budapest: BME Mérés¬technikai és Információs Rendszerek Tanszék.
Best Practice Manual for Facial Image Comparison. ENFSI-BPM-DI-01 (2018). Online: https://enfsi. eu/wp-content/uploads/2017/06/ENFSI-BPM-DI-01.pdf
Deepak, Ghimire – Joonwhoan, Lee (2013): Geometric Feature-Based Facial Expression Recognition in Image Sequences Using Multi-Class AdaBoost and Support Vector Machines. Sensors, (6), 7714–7734. Online: https://doi.org/10.3390/s130607714
Dobó Judit – Gyaraki Réka (2021): A mesterséges intelligencia egyes felhasználási lehetőségei a rendvédelmi területeken. Magyar Rendészet, (4), 67–81. Online: https://doi.org/10.32577/ mr.2021.4.3
Gárdonyi Gergely (2020): Still Image Face Recognition in Hungary. Belügyi Szemle, (Special Issue 3), 22–33. Online: https://doi.org/10.38146/BSZ.SPEC.2020.3.2
Gárdonyi Gergely (2021): Az állóképes arcképazonosítás Magyarországon. Belügyi Szemle, 69(7), 1133–1148. Online: https://doi.org/10.38146/BSZ.2021.7.3
Gottumukkal, Rajkiran – Asari, Vijayan K. (2004): An Improved Face Recognition Technique based on Modular PCA Approach. Pattern Recognition Letters, 25(4), 429–436. Online: https:// doi.org/10.1016/j.patrec.2003.11.005
Hochreutiner, C. (2019): The History of Facial Recognition Technologies: How Image Recognition Got So Advanced. AnyConnect Academy, 2019. szeptember 19. Online: https://anyconnect. com/blog/the-history-of-facial-recognition-technologies
Huber, Roy A. (1959): Expert Witnesses – In Defence of Expert Witnesses in General and of Do¬cument Examiners in Particular. Criminal Law Quarterly, 2(3), 276–295.
Huber, Roy A. (1960): Expert Witnesses. Criminal Law Quarterly, 2(4), 449–451.
Jarmanning, Ally (2020): Boston Lawmakers Vote To Ban Use Of Facial Recognition Technology By The City. NPR, 2020. június 24. Online: https://www.npr.org/sections/live-updates-pro¬tests-for-racial-justice/2020/06/24/883107627/boston-lawmakers-vote-to-ban-use-of-fa¬cial-recognition-technology-by-the-city
Kertész Imre (2004): A tudományos bizonyíték. Belügyi Szemle, 52(11–12), 149–170.
Leon, Harmon (2020): How LSD, Nuclear Weapons Led to the Development of Facial Recognition. Observer, 2020. január 29. Online: https://observer.com/2020/01/facial-recognition-develop¬ment-history-woody-bledsoe-cia/
Lucas, Gary W. [é. n.]: An Introduction to the Delaunay Triangulation. Online: https://gwlucastrig. github.io/TinfourDocs/DelaunayIntro/index.html
Mészáros Andrea (2022): Arcképelemzés a rendészet szolgálatában. In Gaál Gyula – Hautzinger Zoltán (szerk.): Pécsi Határőr Tudományos Közlemények XXIV. Pécs: Magyar Hadtudományi Tár¬saság Határőr Szakosztály Pécsi Szakcsoportja, 147–152.
Mittal, Aditya (2020): Haar Cascades, Explained. Medium, 2020. december 21. Online: https:// medium.com/analytics-vidhya/haar-cascades-explained-38210e57970d
Németh Attila – Tóth Gergely (2019): Az arcfelismerő rendszerek alkalmazása. Belügyi Szemle, 67(1), 127–136. Online: https://doi.org/10.38146/BSZ.2019.1.10
Németh Ágota (2022): Az arcfelismerés szerepe a bűnügyi munkában. Magyar Rendészet, 22(2), 171–182. Online: https://doi.org/10.32577/mr.2022.2.11
Petrétei Dávid (2020): Gondolatok a kriminalisztikai azonosításelméletről. Belügyi Szemle, 68(2), 7–22. Online: https://doi.org/10.38146/BSZ.2020.2.1
Ranjani, S. (2021). A Study on Human Face Recognition Techniques. In Smys, S. et al. (szerk.): Computer Networks and Inventive Communication Technologies. (Lecture Notes on Data Engine¬ering and Communications Technologies 58.) Singapore: Springer, 853–864. Online: https:// doi.org/10.1007/978-981-15-9647-6_66
Shakeshaft, Nicholas G. – Plomin, Robert (2015): Genetic specificity of face recognition. PNAS (Proceedings of the National Academy of Sciences), 112(41), 12887–12892. Online: https://doi. org/10.1073/pnas.1421881112
Sirine, Ammar – Bouwmans, Thierry – Neji, Mahmoud (2022): Face Identification Using Data Augmentation Based on the Combination of DCGANs and Basic Manipulations. Informa¬tion, 13(8), 370. Online: https://doi.org/10.3390/info13080370
Taigman, Yaniv et al. (2014): DeepFace: Closing the Gap to Human-Level Performance in Face Verifi¬cation. Online: https://doi.org/10.1109/CVPR.2014.220
The RAND Tablet: iPad Predecessor (2018). RAND, 2018. szeptember 4. Online: www.rand.org/ blog/rand-review/2018/09/the-rand-tablet-ipad-predecessor.html
Thiyagarajan, R. – Arulselvi, S. – Sainarayanan, G. (2010): Gabor feature based classifica¬tion using statistical models for face recognition. Procedia Computer Science, 2, 83–93. Online: https://doi.org/10.1016/j.procs.2010.11.011
Triplett, Michelle – Cooney, Lauren (2006): The Etiology of ACE-V and its Proper Use: An Exploration of the Relationship Between ACE-V and the Scientific Method of Hypothesis Testing. Journal of Forensic Identification, 56(3), 345–355.