Разработка и исследование программы для системы контроля доступа на основе технологии распознавания лиц

1.

Разработка и исследование
программы для системы контроля
доступа на основе технологии
распознавания лиц
Выполнил: студент гр. РСК-61
Емельянов Дмитрий Александрович
Руководитель ВКР: к.т.н., доцент
Хафизов Динар Гафиятуллович

2.

Цель и задачи работы
Цель: создание приложения для системы контроля доступа с
использованием технологии распознавания лиц.
Поставленные задачи:
• обзор методов анализа изображений и известных решений в
области распознавания лиц;
• анализ наиболее используемых моделей, применяющихся при
обнаружении и распознавании лиц;
• разработка
и
исследование
эффективности
ПО,
позволяющего идентифицировать лица в видеопотоке.
2

3.

Актуальность работы
Актуальность разработки связана с ростом угроз безопасности и
необходимости
эффективного
отслеживания
доступа
к
ограниченным объектам и зонам. Использование компьютерного
зрения и искусственного интеллекта позволит создать более
надежные и удобные для пользователей системы.
3

4.

Примеры методов анализа
изображений
Контурный анализ
Метод главных компонент
Кодирование контура с помощью векторов смещения
Выделение главных признаков
4

5.

Гистограмма направленных градиентов
Ядра для вычисления горизонтальных (gx) и
вертикальных (gy) градиентов
Визуализация гистограмм направленных градиентов
Расчет величины и направления градиента
5

6.

Сверточные нейронные сети
Сверточный слой проводит
операцию свертки, создавая
карту
признаков.
Слой
подвыборки
уменьшает
размерность карты, сохраняя
только важную информацию.
Процесс свертки в нейронной сети
6

7.

Выбор модели распознавания лиц
Название
Точность,
%
Время
обработки, мс
Характеристика
OpenCV
80-90
20-30
Низкая точность
Dlib (face_recognition)
95-97
40-60
Поддержка глубокого обучения, гибкие
возможности настройки, простота интеграции
MTCNN
98-99
70-120
Высокая локализация лиц, требует
значительных ресурсов
FaceNet
99
150-250
Высокая точность, требует значительных
ресурсов и настройки
VGG-Face
96-98
110-160
Высокая точность, медленная работа
DeepFace
94-96
60-90
Простота интеграции
OpenFace
93-95
50-80
Хорошая производительность, точность ниже
альтернативных методов
ArcFace
99
130-180
Ориентированность на очень большие базы лиц
7

8.

Векторное представление лиц
Пример идентификации лица
Фрагмент векторного представления лица
8

9.

Процесс сравнения лиц
Сравнение осуществляется
расстояния:
с
помощью
расчета
евклидова
где A и B - векторные представления обнаруженного лица и лица
известного человека.
Для снижения вероятности ложного распознавания результат
сравнивается с пороговым значением, после чего выносится
решение о статусе обнаруженного лица.
9

10.

Результаты разработки
Кнопки:
• "Включить камеру" - запуск приложения;
• "Выключить камеру" - остановка работы;
• "Добавить лицо" - формирование базы известных
лиц.
Поля ввода:
• "Пороговое значение" - число в диапазоне от нуля
от единицы, которое сравнивается с
коэффициентом схожести и позволяет вынести
решение об идентификации лица;
• "Интервал времени между записями" - регулирует
время между записями одного лица в текстовый
файл.
Графический интерфейс программы
10

11.

Оценка эффективности работы программы
Оценка точности распознавания производится по формуле:
где Nвер – количество верных распознаваний, Nобщ – общее количество.
Время распознавания вычисляется следующим образом:
где ti – время распознавания теста, i – номер теста, N – количество тестов.
11

12.

Результаты испытания
Номер
Описание эксперимента
Точность
распознавания, %
Среднее время
распознавания, с
1
База известных лиц содержит только
одно изображение лица испытуемого.
75,71
1,105
2
База содержит три изображения лица
испытуемого с изменением угла поворота
лица на 30 градусов.
92,61
0,805
3
Повторение эксперимента 2 с
добавлением 10 изображений лиц других
людей.
85,79
1,101
4
Повторение эксперимента 3 на ПК с
более производительным процессором.
91,51
0,437
12

13.

Экономическая часть и БЖД
Суммарные
затраты
на
разработку
приложения
составляют 73179,8 рублей.
Расходы на оборудование
(компьютер
и
камера)
составляют 206210 рублей.
Затраты на разработку системы
13

14.

Заключение
В выпускной квалификационной работе выполнены следующие задачи:
рассмотрены способы анализа изображений и известные решения в
области распознавания лиц;
в результате обзора известных моделей выбрана библиотека Dlib,
использующая гистограммы направленных градиентов и сверточные
нейронные сети для процедуры распознавания лиц;
разработана программа с графическим интерфейсом на языке Python;
исследована эффективность работы программы, точность составляет
91,51%, среднее время распознавания - 0,437 с;
в экономической части определены затраты на разработку - 73179,8 руб.,
в разделе БЖД произведен расчет вентиляции рабочего места оператора
системы контроля доступа.
14