| Abstract | Tehnologija prepoznavanja lica brzo je napredujuće područje koje računalima uz pomoć algoritama omogućuje identifikaciju i provjeru identiteta pojedinaca iz digitalnih slika ili video zapisa. Obuhvaća širok raspon primjene od sigurnosti, društvenih mreža pa sve do provedbe zakona. Načelno sustavi za prepoznavanje lica mogu biti holistički, temeljeni na značajkama i hibridni. Kod holističke se metode analizira cijelo lice kao cjelina, a ne pojedinačne značajke. Dok se kod metode koja se temelji na značajkama važnost pridaje izdvajanju specifičnih značajki iz slike, kao što su oblik očiju, nosa i usta i njihova usporedba s bazom podataka poznatih lica. I holističke metode i metode temeljene na značajkama imaju svoje prednosti i slabosti, dok se kod holističke metode ističe brzina, metode temeljene na značajkama su obično točnije. S druge strane je i hibridni pristup koji je kombinacija dviju navedenih metoda. Razvojem algoritama nastala je podgrana strojnog učenja, duboko učenje, koja je uz pojavu visokokvalitetnih slika i sve većih baza podataka uvelike poboljšala točnost sustava za prepoznavanje lica i postala dominantnim pristupom u području prepoznavanja lica. Duboko učenje omogućuje uvježbavanje algoritma za prepoznavanje lica analizom velikih skupova podataka slika i učenjem identificiranja uzoraka i značajki koje su karakteristične za različite pojedince. Kako bi se ovakva tehnologija implementirala na pravilan način zakonodavci su polazili od dva temeljna prava koja obuhvaćaju pravo na privatnost i pravo na zaštitu osobnih podataka. U Europi je ono obuhvaćeno prije svega Općom uredbom o zaštiti podataka (GDPR) koja regulira prikupljanje, pohranjivanje i korištenje osobnih podataka, uključujući biometrijske podatke kao što je prepoznavanje lica. Uz GDPR postoje i drugi akti koji reguliraju to pitanje, kao i novi zakon o umjetnoj inteligenciji koji je u pripremi. |
| Abstract (english) | Facial recognition technology is a rapidly advancing field that allows computers with the help of algorithms to identify and verify the identity of individuals from digital images or videos. It covers a wide range of applications from security, social networks to law enforcement. In principle, face recognition systems can be holistic, feature-based and hybrid. With the holistic method, the whole face is analyzed as a whole, not individual features. While the feature-based method emphasizes extracting specific features from the image, such as the shape of the eyes, nose, and mouth, and comparing them to a database of known faces. Both holistic and feature-based methods have their strengths and weaknesses, while the holistic method excels at speed, feature-based methods tend to be more accurate. On the other hand, there is also a hybrid approach which is a combination of the two mentioned methods. The development of algorithms gave birth to a sub-branch of machine learning, deep learning, which, with the advent of high-quality images and increasingly large databases, greatly improved the accuracy of face recognition systems and became the dominant approach in the field of face recognition. Deep learning makes it possible to train a face recognition algorithm by analyzing large datasets of images and learning to identify patterns and features that are characteristic of different individuals. In order to implement this kind of technology in a proper way, the legislators started from two fundamental rights, which include the right to privacy and the right to protect personal data. In Europe, it is primarily covered by the General Data Protection Regulation (GDPR), which regulates the collection, storage and use of personal data, including biometric data such as facial recognition. In addition to the GDPR, there are other acts that regulate this issue, as well as a new law on artificial intelligence that is currently being prepared. |
