
Тип работы:	Предмет:	Язык работы:

Разработка алгоритма идентификации людей по биометрическим данным лица

Работа №	110593
Тип работы	Бакалаврская работа
Предмет	программирование
Объем работы	41
Год сдачи	2022
Стоимость	4550 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено	111

Не подходит работа?

Узнай цену на написание

Содержание

Аннотация 2
Введение 7
Глава 1 Анализ алгоритмов идентификации людей по биометрическим данным лица 8
1.1 Общие решение задачи системы распознавания лиц 8
1.2 Проблематика идентификации людей по биометрическим данным лица 9
1.3 Метод Виолы - Джонса 11
1.4 Гистограмма направленных градиентов и метод опорных векторов 14
Глава 2 Анализ задачи идентификации людей по биометрическим данным лица 19
2.1 Постановка задачи 19
2.2 Работа алгоритма Виолы-Джонса 19
2.3 Обоснование выбранного метода 22
Глава 3 Разработка алгоритма идентификации людей по биометрическим данным лица 26
3.1 Среда разработки и язык 26
3.2 Локализация признаков 26
3.3 Обучение распознавателя 30
3.4 Сбор полной программы и тестирование 32
Заключение 38
Список используемой литературы 39

Введение

В современном мире всё чаще люди задумываются о безопасности своих домов, предприятий, личных вещей и данных на мобильных устройствах. Одним из таких способов повышения безопасности является применение систем автоматической идентификации работающей на основе технологии распознавания лиц.
В связи с распространением устройств видеонаблюдения и также повышения их качества, и возможности с помощью их отслеживать людей системы распознавания лица, которые могут идентифицировать человека, становятся все актуальнее. Вспоминая примеры использования систем распознавания и идентификации лиц, сразу на ум приходят такие примеры, как «Face ID» и «умный домофон». «Face ID» позволяет быстро при помощи своего лица разблокировать смартфон, а также является одним из безопаснейших методов разблокировки. «Умный домофон» позволяет открывать дверь подъезда, используя лицо без необходимости использования физических ключей.
Цель выпускной квалификационной работы - исследование методов распознавания и идентификации лиц людей и разработка рабочего алгоритма идентификации людей по биометрическим данным лица.
Объект выпускной квалификационной работы - идентификации людей по биометрическим данным лица.
Предмет выпускной квалификационной работы - алгоритм идентификации людей по биометрическим данным лица, в основе которого машинное обучение.
Для достижения поставленной цели в работе решаются следующие задачи:
• анализ и исследование методов решения задачи,
• разработка алгоритма идентификации,
• реализация программного обеспечения.

Возникли сложности?

Нужна помощь преподавателя?

Помощь студентам в написании работ!

ДИПЛОМНЫЕ МАГИСТЕРСКИЕ ДИССЕРТАЦИИ

Курсовые Статьи Диплом Рязань

Заключение

В данной работе была рассмотрена история возникновения и развития технологий распознавания лиц, разобрались с общим видом задачи и какие бывают пробелы в идентификации людей по биометрическим данным лиц. Поставлена задача на разработку алгоритма идентификации людей по биометрическим данным лиц, а именно постройка и обучение с использованием метода Виолы-Джонса и каскад Хаара.
В ходе выполнения работы были рассмотрены и проанализированы методы компьютерного зрения, такие как HOG+SVM, CNN и Виолы-Джонса.
Обучена и протестирован распознаватель для идентификации людей по биометрическим данным лиц.
Для создания реализации программы была выбрана среда Google Colab, позволяющая создавать и запускать приложения на языке Python. Разработанная программа было протестировано на корректность работы.
В первой главе мы поняли, что для решения задачи системы распознавания лиц нужно последовательно решить три этапа. Одним, из которых и является разработка алгоритма идентификации лиц по биометрическим данным лица.
Во второй главе определились, что в данной выпускной квалификационной работе, в качестве разработанного алгоритма идентификации лиц по биометрическим данным лица будет выступать заранее построенная и обученный распознаватель, который использует метод Виолы - Джонса и каскады Хаара как основу.
В третий главе мной был описан ход разработке и методы, использованные в разработке алгоритма и программы для его работы пользователем. Также проведено тестирование с приведением работы всей программы.
В рамках этой выпускной квалификационной работы были выполнены все поставленные цели и задачи.

Литература

1. Катасёв А.С., Катасёва Д.В., Кирпичников А.П. Нейросетевая Биометрическая Система Распознавания Изображений Человеческого Лица // Вестник Технологического Университета. - . - 18. - 19. - С. 135-138.
2. Бредихин А.И. Алгоритмы обучения сверточных нейронных сетей / А.И. Бредихин // Вестник Югорского государственного университета. 2019. № 1 (52). С. 41-54.
3. Вакуленко С.А., Жихарева А.А. Практический курс по нейронным сетям - СПб: Университет ИТМО, 2018. - 71 с
4. Википедия [Электронный ресурс]. - Режим доступа: ййрз://ги.’№1к1реШа.огд/’№1к1/Гистограмма_направленных_градиентов - Гистограмма направленных градиентов - (дата обращения 10.03.2022).
5. Визильтер Ю.В. Обработка и анализ изображений в задачах машинного зрения / Ю.В. Визильтер. -М.: Физматкнига, - 2010. - 689с.
6. Галимянов Ф.А. Сравнительный анализ алгоритмов реализации метода обратного распространения ошибки для обучения нейронных сетей / Ф.А. Галимянов // Научно-технический вестник Поволжья. 2020. № 2. С. 6971.
7. Гашников, М.В. Методы компьютерной обработки изображений. 2-е изд. / М.Б. Гашников и др. / под ред. Сойфера В.А. — М. : ФИЗМАТЛИТ, 2003. — 784 с
8. Гонсалес Р. Цифровая обработка изображений в среде MATLAB / Р. Гонсалес, Р. Вудс, С. Эддинс. -М.: Техносфера, 2006. - 616 с.
9. Гузий Е.А. Сверточная нейронная сеть для разработки системы распознавания и классификации изображений / Е.А. Гузий, В.В. Федоренко // Молодежный научно-технический вестник. 2017. № 7. С. 51.
10. Ле Мань Ха Свёрточная нейронная сеть для решения задачи классификации / Ле Мань Ха // Труды МФТИ. 2016. №3 (31). С. 56-62.
11. Паклин Н.Б., Орешков В.И. Бизнес-аналитика: от данных к знаниям: учебное пособие. - 2-е изд., испр. - СПб.: Питер, 2013. - 704 с.: ил.
12. Старовойтов В.В. Цифровые изображения: от получения до обработки/ В.В. Старовойтов, Ю.И. Голуб - Минск: ОИПИ НАН Беларуси, 2014 - 202 с. - ISBN 978-985-6744-80-1.
13. Федоров Д. Ю. Основы программирования на примере языка Python: учеб.пособие / Д. Ю. Федоров. - СПб., 2016. -176 с.
14. Фу К. Структурные методы в распознавании образов: Пер. с англ. • М.: Мир, 1977. - 320 с.
15. Paul V., Michael J. J. Robust Real-Time Face Detection[текст] / V. Paul, J. J. Michael // Kluwer Academic Publishers. 2004. - 18 p.
...