การศึกษาเปรียบเทียบแบบจำลองการรู้จำใบหน้าเพื่อประยุกต์ใช้ในการตรวจสอบบุคคลต้องห้าม

ปัญหาผู้โดยสารสะสมบริเวณหน้าช่องตรวจของเจ้าหน้าที่สำนักงานตรวจคนเข้าเมืองจำนวนมากเกิดจากหลายปัจจัยที่เกี่ยวข้อง ทั้งการเพิ่มขึ้นของจำนวนผู้โดยสารที่กลับสู่ช่วงปกติหลังจากผ่านพ้นวิกฤติ COVID-19 ปัญหาความล่าช้าของข้อมูลจากแหล่งภายนอก ตลอดจนขั้นตอนวิธีและกระบวนการพิจารณาจำนวนมาก ทำให้เกิดการสะสมของผู้โดยสารที่บริเวณหน้าช่องตรวจเป็นจำนวนมาก เกิดการฟ้องร้องเรียกค่าเสียหายชดเชยกรณีที่ผู้โดยสารตกเครื่อง ไม่สามารถขึ้นเครื่องได้ทันเวลา หรือกรณีที่ไม่สามารถระบุตัวตนผู้ต้องสงสัยได้ทันเวลา เนื่องจากอาจจะถูกบีบด้วยเวลาเป็นต้น ที่ผ่านมาได้มีการพยายามปรับกลยุทธ์และเพิ่มมาตรการในกระบวนการตรวจสอบให้รวดเร็วและรัดกุมยิ่งขึ้น เพื่อไม่ให้กระทบกับทั้งสำนักงานตรวจคนเข้าเมืองเองและผู้โดยสาร ในงานวิจัยนี้ได้นำเสนอกระบวนการในการตรวจสอบข้อมูลบุคคลต้องห้ามและข้อมูลการเดินทางเข้า-ออกในราชอาณาจักรแบบล่วงหน้า โดยศึกษาและพัฒนาแบบจำลองของการรู้จำด้วยวิธีการกำหนดลักษณะเฉพาะใบหน้าและวิธีการเรียนรู้เชิงลึก เพื่อเปรียบเทียบประสิทธิภาพของขั้นตอนวิธีทั้งสองในการพัฒนาระบบรู้จำใบหน้าให้ได้โมเดลที่เหมาะสม และมีประสิทธิภาพในการระบุตัวบุคคลได้ดีในแง่ของความแม่นยำและความเร็ว ซึ่งพบว่าวิธีการเรียนรู้เชิงลึกรูปแบบโมเดล ArcFace ที่มีการกำหนดพารามิเตอร์เพิ่มเติมให้ผลลัพธ์ที่แม่นยำกว่าวิธีการกำหนดลักษณะเฉพาะใบหน้า LBPH โดยได้รับค่าความแม่นยำ (Accuracy) สูงถึงร้อยละ 97.3โดยงานวิจัยนี้หวังเป็นอย่างยิ่งที่จะช่วยลดขั้นตอนกระบวนการทำงานของเจ้าหน้าที่ที่หน้าช่องตรวจ และเพิ่มความแม่นยำในการพิจารณา