Разработка приложения распознавания и отслеживания лиц для правоохранительных органов
Введение
В последние годы технологии машинного обучения и компьютерного зрения привели к существенным достижениям в распознавании лиц. Эти системы становятся основой для обеспечения безопасности в различных сферах, включая транспорт, финансы и правопорядок [1]. Он все более актуален в связи с ростом потребности реализации данных процедур в различных сферах жизни и деятельности общества [2]. Их использование значительно повысило эффективность контроля тем самым укрепляя общественный порядок и социальную безопасность. Благодаря постоянному развитию и совершенствованию алгоритмов машинного обучения и компьютерного зрения системы распознавания лиц становятся все более точными и широко используемыми.
Развитие технологий распознавания лиц стало возможным благодаря сочетанию машинного обучения и доступности больших массивов биометрических данных [3]. Для правоохранительных органов наличие эффективных инструментов для выявления преступников чрезвычайно важно, поскольку они могут значител
Содержание
Введение 7
1 Исследование предметной области 8
1.1 Актуальность разработки системы распознавания лиц 8
1.2 Обзор существующих решений для распознавания лиц 9
1.3 Применение современных технологий машинного обучения в задачах распознавания лиц 11
2 Технология разработки веб-приложений для распознавания лиц 13
2.1 Выбор веб-технологий и среды разработки 13
2.2 Обзор библиотек и инструментов для распознавания лиц в веб-приложениях. 14
3 Разработка и реализация веб-приложения для распознавания лиц 17
3.1 Архитектура приложения 17
3.2 Описание основных компонентов приложения 23
3.2.1 Аутентификация пользователей 28
3.2.2 Добавление записей о преступниках 30
3.2.3 Распознавание лиц в реальном времени 28
3.2.4 Управление списком преступников 28
3.3 Структура базы данных 17
3.4 Прототипирование интерфейса 17
3.5 Потенциал внедрения и использования системы 34
Заключение 37
Список использованной литературы 38
Приложение 39
Список использованной литературы
1. Zhao W., Chellappa R., Phillips P.J., Rosenfeld A. Обзор методов распознавания лиц // ACM Computing Surveys. — 2019.
2. Останина Е. А. О некоторых аспектах технологии распознавания лиц //Человеческий капитал. – 2020. – №. 5. – С. 142-152.
3. Bhattacharyya D. Биометрическая аутентификация: обзор // International Journal of Computer Applications. — 2016.
4. Абанина А. А. СПОСОБЫ ВЫЧИСЛЕНИЯ ПРЕСТУПНИКА В РОССИЙСКОЙ ФЕДЕРАЦИИ //Лучшая научно-исследовательская работа 2023: сборник статей IV Международного. – 2023. – С. 35.
5. Барашко Е. Н., Мазуренко С. О., Шадрин А. А. Современные решения идентификации человека. Распознавание лиц //The Scientific Heritage. – 2019. – №. 42-1 (42). – С. 40-42.
6. Bowyer K.W., Burge M.J. Справочник по биометрии. — Springer, 2015.
7. Gartner Research. Биометрия для систем управления идентификацией и доступом. — 2021.
8. Geitgey A. Библиотека face_recognition для Python. — GitHub, 2017–2025.
9. Aithal A., Aithal P.S. Обзор распознавания лиц // International Journal of Applied Engineering Research. — 2017.
10. Ketkar N. et al. Convolutional neural networks //Deep learning with Python: learn best practices of deep learning models with PyTorch. – 2021. – С. 197-242
11. Cahyono F., Wirawan W., Rachmadi R. F. Face recognition system using facenet algorithm for employee presence //2020 4th international conference on vocational education and training (ICOVET). – IEEE, 2020. – С. 57-62.
12. Schroff F., Kalenichenko D., Philbin J. FaceNet: единое представление для распознавания лиц и кластеризации // CVPR. — 2015.
13. Van Rossum G., Drake F.L. Руководство по языку Python. — Python Software Foundation, 2024.
14. Pallets Projects Team. Документация Flask. — flask.palletsprojects.com, 2024.
15. McGrath M. HTML, CSS & JavaScript in easy steps. – In Easy Steps Limited, 2020.
16. Alawar M. W., Naser S. S. A. CSS-Tutor: An intelligent tutoring system for CSS and HTML /
OpenCV основной инструмент для обработки изображений и видеопотоков в реальном времени, что необходимо для систем распознавания лиц и других приложений компьютерного зрения. Он обеспечивает эффективную интеграцию различных алгоритмов и библиотек, тем самым обеспечивая большую гибкость при разработке веб-приложений, интегрирующих обработку визуальной информации.
Dlib это мощная библиотека машинного обучения и компьютерного зрения, которую можно использовать для различных задач анализа изображений и видео. Он обеспечивает точные и быстрые алгоритмы распознавания лиц, обнаружения объектов и обработки изображений. Важным аспектом библиотеки является ее интеграция с другими инструментами, такими как face_recognition, что существенно расширяет возможности распознавания лиц в реальном времени.
Одной из главных особенностей библиотеки Dlib является ее способность эффективно и точно распознавать лица на изображениях и видеопотоках. Алгоритмы библиотеки используют машинное обучение для обучения моделей на больших объемах данных, что позволяет им обрабатывать изображения даже при разных условиях освещения или под разными