Разработка и внедрение программного модуля распознавания лиц в информационно-управляющей системе сферы безопасности
Введение
Современный мир ставит перед нами задачу обеспечения безопасности, и в этом контексте инновационные технологии играют все более важную роль. Системы контроля и управления доступом (СКУД) с биометрическими методами идентификации являются неотъемлемой частью работы организаций и предприятий в сфере безопасности. Одним из наиболее актуальных и точных методов распознавания является распознавание лиц по видеопотоку в режиме реального времени. Согласно аналитикам, рост интереса к биометрическим технологиям в ближайшие годы будет продолжаться. В связи с этим, разработка и внедрение программного модуля распознавания лиц в информационно-управляющей системе сферы безопасности является актуальной задачей.
Разработка программного модуля распознавания лиц в информационно-управляющей системе сферы безопасности позволит значительно повысить эффективность работы таких систем и ускорить процесс идентификации личности. Кроме того
Содержание
Аннотация5
Введение8
1.Исследование и постановка задачи на разработку модуля системы распознавания лиц10
1.1Изучение технологии распознавания лиц10
1.2Исследование существующих алгоритмов и методов распознавания лиц13
1.3Постановка задачи на разработку программного модуля распознавания лиц17
1.4Формирование перечня требований к модулю распознавания лиц17
2.Анализ современных подходов реализации системы распознавания лиц19
2.1Анализ методов компьютерного зрения19
2.2Анализ технологии биометрической аутентификации и ее применения в системах безопасности34
2.3Анализ алгоритмов классификации39
2.4Анализ существующих программных продуктов для распознавания лиц41
3. Реализация программного модуля распознавания лиц46
3.1 Выбор метода для реализации системы распознавания лиц46
3.2 Написание кода программного модуля46
3.3 Тестирование программного модуля.50
3.4 Оценка эффективности.61
3.5 Внедрение программного модуля распознавания лиц в систему.62
Заключение63
Conclusion64
Список использованной литературы65
Приложение А67
Приложение Б77
Список использованной литературы
1. Васильева Е.В. Анализ современных подходов к узнаванию и распознаванию лиц // Васильева Е.В., Шестаков М.И., Лихачевский Д.В. // 54-я научная конференция аспирантов, магистрантов и студентов БГУИР. 2018.
2. Померанцев А. Метод главных компонент / Померанцев А. // Российское хемометрическое общество. [Электронный ресурс]. -Режим доступа: http://rcs.chemometrics.ru/Tutorials/pca (дата обращения: 5.12.2019).
3. Усилин С.А. Алгоритмическое развитие Виола-Джонсовских детекторов для решения прикладных задач распознавания изображений: Автореф. дис. канд. техн. наук. - Москва 2018. - 149 с.
4. Амосов О С. Модифицированный алгоритм детекции лиц в видеопотоке и его программная реализация / Амосов О.С., Иванов Ю.С. // Науковедение. 2018. Вып. 3. С. 26.
5. Кухарев Г.А. Формирование штрих-кода по изображениям лиц на основе градиентов яркости / Кухарев Г.А., Матвеев Ю.Н., Щеголева Н.Л. // Научно-технических вестник информационных технологий, механики и оптики. 2018. Вып. 3. С. 91.
6. Татаренков Д. А. Анализ методов обнаружения лиц на изображении // Молодой ученый. -2019. - №4. - С. 270-276.
7. Кулинкович В. А. Применение методики гистограмм направленных градиентов для классификации дактилоскопических изображений // Журн. Белорус. гос. ун-та. Математика. Информатика. 2018. № 1. С. 53–60.
8. Колесников А. А. Анализ методов и средств искусственного интеллекта для анализа и интерпретации данных активного дистанционного зондирования // Вестник СГУГиТ (Сибирского государственного университета геосистем и технологий). 2022.
9. Мишин Сергей Александрович, & Мишин Александр Владимирович (2022). Применение технологий искусственного интеллекта для ведения базы данных элементов внешности человека. Вестник Воронежского института МВД России, (3), 87-96.
10. Каляшов Е. В. Сравнительный анализ систем распознавания лиц, построенных с использованием блоков стандартных архитектур // Информационные технологии и телекоммуникации. 2020. Том 8. № 3. С. 94–101. DOI 10.31854/2307-1303-2020-8-3-94-101.
11. Акимов, А. А. Обзор современных методов искусственного интеллекта по распознаванию девиантного поведения индивида / А. А. Акимов, С. А. Мустафина // . – 2020. – Т. 23, № 8. – С. 69-79. – EDN VGRLCP.
12. Қалыбек, М., & Кудубаева С.А. (2021). СРАВНИТЕЛЬНЫЙ АНАЛИЗ ДЕТЕКТОРОВ ЛИЦ HAAR, HOG, CNN. Известия НАН РК. Серия физико-математическая, (5), 74–82.
Машинное обучение: Dlib можно использовать для обучения и развертывания моделей машинного обучения. Его также можно использовать для оценки моделей машинного обучения.
Dlib включает в себя два метода обнаружения лиц:
Детектор лиц HOG (Гистограмма направленных градиентов) + Linear SVM (линейный метод опорных векторов), который является точным и эффективным в вычислительном отношении.
Детектор лиц Max-Margin (MMOD) CNN (Свёрточная нейронная сеть), отличающийся высокой точностью и надежностью, способен обнаруживать лица при различных углах обзора, условиях освещения и окклюзии.
2.1.4 Библиотека OpenCV (Open Source Computer Vision Library) представляет собой набор библиотек и инструментов для компьютерного зрения и обработки изображений. Она может быть использована в различных задачах, таких как распознавание лиц