การค้นคืนภาพระบุศพนิรนามที่รายงานจากภาพถ่ายบัตรประชาชนโดยใช้การจดจำใบหน้า
Article Sidebar
Main Article Content
บทคัดย่อ
ปัญหาการค้นหาบุคคลสูญหายและการระบุศพนิรนามยังคงเป็นอุปสรรคสำคัญในกระบวนการยุติธรรมไทยเนื่องจากข้อมูลกระจัดกระจายและต้องใช้เวลาในการตรวจสอบเป็นเวลานาน งานวิจัยนี้มุ่งพัฒนาระบบค้นคืนภาพจากบัตรประชาชนโดยใช้เทคโนโลยีการจดจำใบหน้าเพื่อเพิ่มประสิทธิภาพในการระบุตัวบุคคล โดยประเมินสมรรถนะภายใต้สองแนวทางหลัก ได้แก่ (1) การค้นคืนข้อมูลแบบ 1:N และ (2) การตรวจสอบยืนยันตัวบุคคลแบบ 1:1 ผลการทดลองในกระบวนการค้นคืนข้อมูลแบบ 1:N พบว่าระบบให้ค่าความแม่นยำอันดับหนึ่ง 86.59% และค่าความแม่นยำอันดับห้า 98.0% โดยใช้เวลาเฉลี่ย 2.12 วินาทีต่อการค้นหา ซึ่งเร็วกว่าผู้เชี่ยวชาญที่ใช้เวลาเฉลี่ย 3.5 นาทีต่อรายเกือบ 100 เท่า แม้ว่าความแม่นยำสูงสุดของผู้เชี่ยวชาญ (≈95.8%) จะยังสูงกว่า แต่ระบบสามารถทำหน้าที่เป็นเครื่องมือคัดกรองเบื้องต้นได้อย่างมีประสิทธิภาพ สำหรับกระบวนการตรวจสอบแบบ 1:1 ผลการประเมินจากชุดข้อมูลไอดี-ออล-99 พบค่าพื้นที่ใต้เส้นโค้งลักษณะการทำงานของผู้รับ (ROC–AUC) เท่ากับ 0.706 ซึ่งสะท้อนความท้าทายของข้อมูลที่มีความแตกต่างด้านมุมมอง (cross-pose) และคุณภาพภาพถ่าย (cross-quality) ขณะที่ภายใต้เงื่อนไขการทดสอบมาตรฐาน ระบบสามารถทำค่าพื้นที่ใต้เส้นโค้งลักษณะการทำงานของผู้รับได้ถึง 0.92 แสดงให้เห็นถึงความไวต่อคุณภาพข้อมูลนำเข้า โดยสรุป ระบบมีศักยภาพสูงต่อการประยุกต์ใช้ในงานนิติวิทยาศาสตร์ โดยเฉพาะในสถานการณ์ที่ต้องการความรวดเร็ว เช่น การค้นหาบุคคลสูญหายหรือการระบุผู้เสียชีวิตจากภัยพิบัติ ทั้งนี้ การใช้งานจริงควรกำหนดขั้นตอน preprocessing และ threshold ที่เหมาะสม เพื่อเพิ่มความแม่นยำและความน่าเชื่อถือของระบบ
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เนื้อหาและข้อมูลในบทความที่ลงตีพิมพ์ใน วารสารวิชาการอาชญาวิทยาและนิติวิทยาศาสตร์ โรงเรียนนายร้อยตำรวจ ถิอว่าเป็นข้อคิดเห็นและความรั้บผิดชอบของผู้เขียนบทความโดยตรงซึ่งกองบรรณาธิการวารสาร ไม่จำเป็นต้องเห็นด้วยหรือรับผิดชอบใดๆ
บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ใน วารสารวิชาการอาชญาวิทยาและนิติวิทยาศาสตร์ ถือว่าเป็นลิขสิทธิ์ของวารสาร วารสารวิชาการอาชญาวิทยาและนิติวิทยาศาสตร์ หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่ต่อหรือเพื่อกระทำการใดๆ จะต้องได้รับอนุญาตเป็นลายลักษณ์อักษรจาก วารสารวิชาการอาชญาวิทยาและนิติวิทยาศาสตร์ ก่อนเท่านั้น
เอกสารอ้างอิง
Albiero, V., Oliveira, L. S., & Bowyer, K. W. (2020). Analysis of gender effects on face recognition accuracy. IEEE Transactions on Information Forensics and Security, 15, 260–271. https://doi.org/10.1109/TIFS.2019.2927108
Ashton, J. (2009). Digital forensics and cyber crime. Wiley.
Caplova, A., Ferrara, M., Franco, A., Maltoni, D., & Rossi, M. (2017). Cross-quality face recognition: New challenges. Proceedings of the International Conference on Biometrics (ICB), 9–16.
Casey, E. (2019). Digital evidence and computer crime: Forensic science, computers and the Internet (4th ed.). Academic Press.
Cavazos, J. G., et al. (2021). Demographic bias in deep face recognition models. IEEE Access, 9, 79180–79190. https://doi.org/10.1109/ACCESS.2021.3084230
Deng, J., Guo, J., Xue, N., & Zafeiriou, S. (2019). ArcFace: Additive angular margin loss for deep face recognition. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 4685–4694). https://doi.org/10.1109/CVPR.2019.00482
Dinis-Oliveira, R. J., & Magalhães, T. (2016). Forensic science and the revolution in crime investigation. Journal of Forensic Research, 7(4), 1–2. https://doi.org/10.4172/2157-7145.1000e126
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT Press.
Grother, P., Ngan, M., & Hanaoka, K. (2019). Face Recognition Vendor Test (FRVT): Part 3—Demographic effects (NISTIR 8280). National Institute of Standards and Technology.
He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. IEEE Conference on Computer Vision and Pattern Recognition, 770–778.
Institute of Forensic Medicine, Police General Hospital. (2025). Anonymous corpse statistics report 2019–2024 [Internal document]. Institute of Forensic Medicine, Police General Hospital. (In Thai).
Jain, A. K., Ross, A. A., & Nandakumar, K. (2011). Introduction to biometrics. Springer.
Lee, J. D., & See, K. A. (2004). Trust in automation: Designing for appropriate reliance. Human Factors, 46(1), 50–80. https://doi.org/10.1518/hfes.46.1.50.30392
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521, 436–444.
Mayer, J. (2019). Forensic similarity: A new paradigm in face recognition evidence. Journal of Forensic Sciences, 64(4), 1010–1021.
Michalski, R. (2024). AI-assisted identification methods in mass fatality incidents. Forensic Science International, 356, 111789.
Office of the Personal Data Protection Committee. (2022). Handbook of the Personal Data Protection Act B.E. 2562 (2019). Office of the Personal Data Protection Committee. https://www.pdpc.go.th (In Thai).
Parasuraman, R., & Riley, V. (1997). Humans and automation: Use, misuse, disuse, and abuse. Human Factors, 39(2), 230–253. https://doi.org/10.1518/001872097778543886
Phillips, P. J., Jiang, F., Narvekar, A., Ayyad, J., & O'Toole, A. J. (2018). An analysis of face recognition accuracy by demographic groups and face image quality. NIST Technical Report.
Piotrowski, A. (2025). Machine learning tools in DVI operations: A global perspective. Journal of Forensic Identification, 75(2), 102–118.
Raposo, V. L. (2024). Automated facial recognition and privacy: Legal and ethical concerns. Computer Law & Security Review, 49, 105924.
Schroff, F., Kalenichenko, D., & Philbin, J. (2015). FaceNet: A unified embedding for face recognition and clustering. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 815–823. https://doi.org/10.1109/CVPR.2015.7298682
Schouten, R., & Jacobs, B. (2013). Humanitarian forensic action: A new model. International Review of the Red Cross, 95(890), 651–665. https://doi.org/10.1017/S1816383114000168
Taigman, Y., Yang, M., Ranzato, M., & Wolf, L. (2014). DeepFace: Closing the gap to human-level performance in face verification. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 1701–1708. https://doi.org/10.1109/CVPR.2014.220
Thailand. Ministry of Digital Economy and Society. (2022). Personal Data Protection Act B.E. 2562: Implementation guideline. (In Thai).
UNODC. (2019). Guidelines on the identification of missing persons. United Nations Office on Drugs and Crime.
UN/OHCHR. (2010). Guidelines on human rights and the use of biometrics. United Nations.
