Тип работы:
Предмет:
Язык работы:


Система контроля пропусков с фотофиксацией

Работа №20077

Тип работы

Бакалаврская работа

Предмет

информационные системы

Объем работы70
Год сдачи2018
Стоимость4900 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
538
Не подходит работа?

Узнай цену на написание


ВВЕДЕНИЕ 4
1 Анализ предметной области 6
І.І Системыконтроля и управления доступом (СКД и СКУД) 6
1.2 Описание рассматриваемого предприятия 10
І.З Признаки внешности человека и методика ее распознавания 13
1.4 Системы распознавания образов 16
1.5 Описание исследования объекта 17
2 Определение методов проектирования 20
2.1 Анализ данных 20
2.2 Основные проблемы, связанные с разработкой систем распознавания
лиц 42
2.3 Разработка программных средств для моделирования процессов,
автоматизации и управления 44
3 Программная часть - реализация 47
3.1 Разработка программы распознавания лиц по фотографии 47
3.2 Программная реализация 49
ЗАКЛЮЧЕНИЕ 59
СПИСОК СОКРАЩЕНИЙ 60
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 61


Процесс глобализации информации и компьютеризация затрагивает все области человеческой деятельности, сфера охраны и обеспечения безопасности не является исключением. Гибкие и узкоспециализированные программные продукты позволяют обеспечить высокий уровень надежности и тщательную проверку информации и информационных ресурсов.
Все чаще на современных предприятиях возникает необходимость ограничения доступа посторонних лиц на территорию предприятия или в определенное помещение (складские площади, бухгалтерия). Руководство стремится контролировать дисциплину сотрудников и их доступ в различные помещения предприятия. В связи с этим внедряются и используются системы контроля и управления доступом (СКУД), которые прочно заняли свое место среди технических систем безопасности. Показатели роста спора СКУД составляю 15%, в то время, как другие охранные системы имеют показатель в два раза ниже - 7%.
Подтверждение личности человека по его уникальным характеристикам выводит на более высокий уровень комплексное обеспечение безопасности. Биометрическая идентификация существенно затрудняет подделку пропуска и сокращает вероятность прохода посторонних лиц на территорию предприятия.
Универсальных информационных систем, для контрольно-пропускных пунктов предприятия, не существует, так как деятельность любого предприятия различная. Все разработки имеют коммерческую направленность, а алгоритмы и методы распознавания не раскрываются и являются коммерческой тайной. Кроме того, большинство систем спроектированы для операционной системы (ОС) Windows, что делает невозможным применения для OC Android, Linux, Mac OS и других.
Целью выпускной квалификационной работы является анализ и улучшение системы контроля доступа, повышение эффективности идентификации лиц, имеющих доступ на заданную территорию, обеспечение
4
надежности и сокращение издержек, посредствам разработки информационной системы контроля доступа с фотофиксацией.
Для достижения поставленной цели необходимо решить следующие задачи:
- провести анализ предметной области
- найти оптимальную кроссплатформенную среду разработки;
- выявить аспекты системы распознавания образов;
- разработать алгоритм системы контроля доступа с фотофиксацией;
- реализовать программный продукт на основе полученного алгоритма.


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


Выполнен теоретико-информационный анализ существующих методов распознавания образов, человеческого лица, который позволил определить недостатки каждого из методов.
Разработана система распознавания лиц на фотоматериалах на основе метода Виолы-Джонса, метода Хаара и библиотеки OpenCV для использования в системе доступа пропусков. Тестирование разработанной системы показало результаты в примерно 75- 80% верных распознаваний лиц при обработке фотографий.
Кроме того, в ходе работы было проведено исследование эффективности различных методов применительно к задаче распознаванию лиц. На основании исследования сделан вывод, что методы Виолы-Джонса и Хаара не уступают другим методам распознавания и при этом не теряют скорость распознавания лиц.
На основании исследования сделан вывод, что данные методы являются эффективным признаком для классификации лиц на пропусках. Разработанная система может использоваться при решениях различных задач. В первую очередь имеет непосредственное применение в системах контроля безопасности и идентификации личности. Невысокие системные требования делают возможным внедрение системы на предприятие ООО «ЦПЗ-СТХМ». Основным направлением дальнейшего развития разработанной автоматизированной системы следует назвать улучшение работы классификатора лиц. Для этого целесообразно использовать более совершенные методы и алгоритмы классификации.



1 Ворона, В.А. Системы контроля и управления доступом: справочное изд. / В.А. Ворона, В.А. Тихонов. - Москва: Горячая линия — Телеком, 2010.
- 272с.
2 Седов, А.В. Системы контроля, распознавания и прогнозирования электропотребления: модели, алгоритмы и средства : монография / А.В. Седов, И.И. Надтока. - Ростов-на-Дону: Ростовский университет, 2013. - 318 c.
3 Савенков, Д.Л. Проблемы и перспективы функционирования системы внутреннего контроля налогообложения в управленческой инфраструктуре современного хозяйствующего субъекта : монография / Д.Л. Савенков. - Москва: Форум, 2012. - 384 c.
4 Грибунин, В.Г. Комплексная система защиты информауии на предприятии : учеб.пособие / В.Г. Грибунин, В.В. Чудовский. -Москва: Академия, 2009. — 416 с.
5 Чабан Л.Н., Теория и Алгоритмы распознавания образов : учеб.пособие / Л.Н. Чабан. - Москва: МИИГАиК. 2004. - 70 с.
6 Тропченко, А.Ю. Методы вторичной обработки и распознавания изображений : учеб.пособие / А.Ю. Тропченко.-Санкт-Петербург: Университет ИТМО, 2015. - 215 с.
7 Векилов, Т.Э. Применение биометрических технологий в безопасности сегодня / Т.Э. Векилов // Директор по безопасности: биометрия.
- 2017. - № 4. - 4с.
8 Зяблов, Д.А. Распознавание лиц : учеб.пособие / Д.А. Зяблов, В.В. Фертиков. - Москва: Подписные издания, 2015.- 96с.
9 Земцов, А.Н. Алгоритмы распознавания лиц : монография / А.Н. Земцов. - Москва: LAP LambertAcademicPublishing. 2011. - 128 с.
10 Методы обработки и распознавания изображений лиц в задачах биометрии : учеб.пособие / Г. А. Кухарев, Е. И. Каменская, Ю. Н. Матвеев, Н. Л. Щеголева; под ред. М. В. Хитрова. — Санкт-Петербург: Политехника, 2013. — 388 с.
11 Прикладная статистика. Классификация и снижение размерности : справочное изд. /С.А. Айвазян,ВМ. Бухштабер, И.С. Енюков, Л.Д. Мешалкин ; под ред. С.А. Айвазяна. - Москва: Финансы и статистика, 1989. - 607с.
12 Рао, С.Р. Линейные статистические методы и их применения : научный труд / С.Р. Рао. - Москва: Наука, 1968. — 548 с.
13 Principal Manifolds for Data Visualisation and Dimension Reduction / A.N. Gorban, B. Kegl, D. Wunsch, A.Y. Zinovyev //Springer, Berlin.- 2007. - № 24 - 340 p.
14 Боровиков, В.П. Statistica. Искусство анализа данных на компьютере : научное изд. / В.П. Боровиков. - Санкт-Петербург: Питер, 2003. — 688 с.
15 Арсентьев, Д.А. Метод гибкого сравнения на графах как алгоритм распознавания образов/ Д.А. Арсентьев, Т.С. Бирюкова //Вестник МГУП имени Ивана Федорова. - 2015. - № 6- 76с.
16 Жарких, А.А. Обработка изображений на основе вейвлет преобразования в базисе Хаара над конечным полем нечеткой характеристики / А.А. Жарких // Вестник МГТУ. - 2009. - том 12 - 309с.
17 Моттоль, В.В. Скрытые Марковские модели модели в структурном анализе сигналов : монография / В.В. Моттоль, И.Б. Мучник. - Москва: Физматлит, 1999. - 352 с.
18 Оптимальное оценивание числа скачков марковского процесса с непрерывным временем и конечным числом состояний / А.В. Борисов // Системы и средства информатики. — 2002. — Т. 12 (спецвыпуск). — С. 24-35.
19 Хайкин, С. Нейронные сети. Полный курс : научное изд. / С. Хайкин. - Москва: Вильямс, 2016 - 1104 с.
20 Deep Neural Networks are Easily Fooled: High Confidence Predictions for Unrecognizable Images / A. Nguyen, J. Yosinski, J. Clune // In Computer Vision and Pattern Recognition. - 2015. - № 4 - С. 148 - 162
21 Форсайт, Д. Компьютерное зрение. Современный подход : учеб.пособие / Д. Форсайд. - Москва: Вильямс, 2004. - 928 с.
22 Разработка и анализ алгоритма выделения лиц на изображениях / А.Л. Приоров, Н.С. Игнатов, М.Н. Голубев, В.В. Хрящев // Проектирование и технология электронных средств. - 2008. - №2. - С. 58-62.
23 Саммерфилд, М. Программирование на Python 3. Подробное руководство : учеб.пособие / М. Саммерфилд. - Москва: Символ-Плюс, 2009. - 608 с.
24 СТАНДАРТ ОРГАНИЗАЦИИ Система менеджмента качества Общие требования к построению, изложению и оформлению документов учебной деятельности СТО 4.2-07-2014 - Красноярск : ИПК СФУ, 2014. - 60 с.


Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2024 Cервис помощи студентам в выполнении работ