📄Работа №23695
Тема: Методы автоматического распознавания посетителей в домофонных системах
Тип работы
Магистерская диссертация
Предмет
информатика
Объем:
78 листов
Год:
2016
Просмотров:
658
4900
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
ВВЕДЕНИЕ 5
1 Современное состояние предметной области 7
1.1 Этапы развития домофонии 7
1.2 Контроль доступа в ДС 8
1.2.1 Ввод персонального кода доступа 8
1.2.2 Доступ посредством контактных и бесконтактных ключей 9
1.2.3 Биометрическая идентификация 10
1.3 Анализ и сравнение методов распознавания человека по биометрическим признакам 10
1.3.1 Распознавание по отпечатку пальца 11
1.3.2 Распознавание по геометрии лица 12
1.3.3 Распознавание по радужной оболочки глаза 13
1.3.4 Распознавание по венам руки 14
1.3.5 Распознавание по сетчатке глаза 15
1.3.6 Распознавание по геометрии руки 16
1.3.7 Распознавание по голосу 17
1.4 Сравнительный анализ аналогов 18
1.4.1 Система «Gira door communication system» компании «GIRA» 18
1.4.2 Биометрический считыватель ST-FR040EM марки Smartec 19
1.4.3 Домофон с биосчитывателем компании FERMAX 20
1.4.4 Критерии сравнения 21
1.5 Выводы к главе 21
2 Анализ методов распознавания по изображению лица 23
2.1 Задачи распознавания лиц на изображениях и методы их решения 25
2.1.1 Детектирование лица на изображении 26
2.1.2 Нормализация изображения лица 29
2.1.3 Задача вычисления ключевых признаков и сопоставление с эталоном 29
2.2 Методы повышения точности алгоритмов распознавания изображения лица 33
2.2.1 Выравнивание гистограммы 33
2.2.2 Гамма коррекция 34
2.2.3 Фильтр Гаусса 35
2.2.4 Медианный фильтр 36
3 Алгоритм идентификации посетителя в ДС по изображению лица 36
3.1 Определение ключевых точек лица на изображении 38
3.3.1 Интегральное представление изображений 39
3.3.2 Признаки Хаара 40
3.3.3 Бустинг 41
3.3.4 Использование каскадов признаков 41
3.3.5 Обучение классификатора Виолы-Джонса 42
3.2 Выделение и предварительная обработка изображения лица 43
3.3 Вычисление вектора признаков 45
3.4 Обучение 48
3.5 Идентификация 48
4 Описание архитектуры 49
4.1 Общая структура системы 49
4.2 Определение требований к системе 51
4.3 Развёртывание системы 58
4.4 Программное обеспечение 59
4.4.1 Описание и характеристики 59
4.4.2 Пример работы 60
5 Результаты испытаний 63
ЗАКЛЮЧЕНИЕ 67
СПИСОК СОКРАЩЕНИЙ 69
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 70
ПРИЛОЖЕНИЕ А Структура веб-интерфейса 73
ПРИЛОЖЕНИЕ Б Перечень функций программных модулей 77
1 Современное состояние предметной области 7
1.1 Этапы развития домофонии 7
1.2 Контроль доступа в ДС 8
1.2.1 Ввод персонального кода доступа 8
1.2.2 Доступ посредством контактных и бесконтактных ключей 9
1.2.3 Биометрическая идентификация 10
1.3 Анализ и сравнение методов распознавания человека по биометрическим признакам 10
1.3.1 Распознавание по отпечатку пальца 11
1.3.2 Распознавание по геометрии лица 12
1.3.3 Распознавание по радужной оболочки глаза 13
1.3.4 Распознавание по венам руки 14
1.3.5 Распознавание по сетчатке глаза 15
1.3.6 Распознавание по геометрии руки 16
1.3.7 Распознавание по голосу 17
1.4 Сравнительный анализ аналогов 18
1.4.1 Система «Gira door communication system» компании «GIRA» 18
1.4.2 Биометрический считыватель ST-FR040EM марки Smartec 19
1.4.3 Домофон с биосчитывателем компании FERMAX 20
1.4.4 Критерии сравнения 21
1.5 Выводы к главе 21
2 Анализ методов распознавания по изображению лица 23
2.1 Задачи распознавания лиц на изображениях и методы их решения 25
2.1.1 Детектирование лица на изображении 26
2.1.2 Нормализация изображения лица 29
2.1.3 Задача вычисления ключевых признаков и сопоставление с эталоном 29
2.2 Методы повышения точности алгоритмов распознавания изображения лица 33
2.2.1 Выравнивание гистограммы 33
2.2.2 Гамма коррекция 34
2.2.3 Фильтр Гаусса 35
2.2.4 Медианный фильтр 36
3 Алгоритм идентификации посетителя в ДС по изображению лица 36
3.1 Определение ключевых точек лица на изображении 38
3.3.1 Интегральное представление изображений 39
3.3.2 Признаки Хаара 40
3.3.3 Бустинг 41
3.3.4 Использование каскадов признаков 41
3.3.5 Обучение классификатора Виолы-Джонса 42
3.2 Выделение и предварительная обработка изображения лица 43
3.3 Вычисление вектора признаков 45
3.4 Обучение 48
3.5 Идентификация 48
4 Описание архитектуры 49
4.1 Общая структура системы 49
4.2 Определение требований к системе 51
4.3 Развёртывание системы 58
4.4 Программное обеспечение 59
4.4.1 Описание и характеристики 59
4.4.2 Пример работы 60
5 Результаты испытаний 63
ЗАКЛЮЧЕНИЕ 67
СПИСОК СОКРАЩЕНИЙ 69
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 70
ПРИЛОЖЕНИЕ А Структура веб-интерфейса 73
ПРИЛОЖЕНИЕ Б Перечень функций программных модулей 77
📖 Введение
Домофон - устройство, обеспечивающее безопасность жилых, офисных или производственных помещений. Домофон дает возможность человеку находящемуся внутри помещения, преградить или разрешить доступ внутрь помещения другому лицу, без непосредственного контакта с ним.
За последнее время домофонные системы (ДС) перетерпели ряд эволюционных изменений, на рынок выходят более совершенные решения. Использование современных сетевых технологий позволило перейти от координатно-матричных систем к системам, основанным на протоколах TCP/IP. Развитие рынка микропроцессоров, позволило значительно улучшить аппаратную часть. Развитие мобильных технологий увеличило доступность систем, за счет возможности заменить абонентские трубки мобильными устройствами. Все это направленно на повышение эффективности эксплуатации подобного рода систем, и открывает новые возможности для внедрения других еще более совершенных функций.
Контроль доступа в помещения посредством ДС, одна из ключевых функций системы, от эффективности которой зависит безопасность жильцов, сотрудников и сохранность имущества. К сожалению предлагаемые на рынке системы не могут в достаточной степени обеспечить эффективный контроль лиц в помещения. Прежде всего это обусловлено не совершенностью механизмов доступа посредством электронных ключей или набором кода доступа.
Использование для доступа, такого признака посетителя которое присуще только ему и не может быть использовано другими лицами, значительно бы увеличило эффективность системы при решении задачи контроля доступа. Такие технологии существуют и широко применяются в более сложных системах банковской сферы, криминалистики, в системах контроля и управления доступом на предприятиях, основаны они на идентификации личности человека по биометрическим признакам.
За последнее десятилетие, исследование в области биометрии значительно шагнули вперед, появилось достаточное количество доступных методов, позволяющих идентифицировать личность человека по изображению лица, отпечаткам пальцев, поведению и прочим признакам. Учитывая вышесказанное, можно предположить, что распознавание посетителя по биометрическим признакам вполне может быть реализовано и в современных ДС.
За последнее время домофонные системы (ДС) перетерпели ряд эволюционных изменений, на рынок выходят более совершенные решения. Использование современных сетевых технологий позволило перейти от координатно-матричных систем к системам, основанным на протоколах TCP/IP. Развитие рынка микропроцессоров, позволило значительно улучшить аппаратную часть. Развитие мобильных технологий увеличило доступность систем, за счет возможности заменить абонентские трубки мобильными устройствами. Все это направленно на повышение эффективности эксплуатации подобного рода систем, и открывает новые возможности для внедрения других еще более совершенных функций.
Контроль доступа в помещения посредством ДС, одна из ключевых функций системы, от эффективности которой зависит безопасность жильцов, сотрудников и сохранность имущества. К сожалению предлагаемые на рынке системы не могут в достаточной степени обеспечить эффективный контроль лиц в помещения. Прежде всего это обусловлено не совершенностью механизмов доступа посредством электронных ключей или набором кода доступа.
Использование для доступа, такого признака посетителя которое присуще только ему и не может быть использовано другими лицами, значительно бы увеличило эффективность системы при решении задачи контроля доступа. Такие технологии существуют и широко применяются в более сложных системах банковской сферы, криминалистики, в системах контроля и управления доступом на предприятиях, основаны они на идентификации личности человека по биометрическим признакам.
За последнее десятилетие, исследование в области биометрии значительно шагнули вперед, появилось достаточное количество доступных методов, позволяющих идентифицировать личность человека по изображению лица, отпечаткам пальцев, поведению и прочим признакам. Учитывая вышесказанное, можно предположить, что распознавание посетителя по биометрическим признакам вполне может быть реализовано и в современных ДС.
✅ Заключение
Отказаться от такой функции ДС как доступ в помещение посредством электронных ключей или набора персонального кода в пользу доступа по изображению лица в настоящий момент слишком рискованно. Существующие алгоритмы не идеальны и существует доля вероятности что посетитель не будет распознан либо чужой будет признан за своего. Между ошибками существует зависимость, уменьшение вероятности одной, увеличивает вероятность другой, что наглядно демонстрируют результаты испытаний, приведенные в предыдущей главе. Таким образом если контролировать доступ только за счет распознавания лиц, то есть вероятность что сам собственник не сможет попасть в помещение, а это не допустимо.
Распознавания по изображению лица при доступе в помещение можно рассматривать как дополнительный способ или комбинировать с существующими. Например, использовать его для доступа в помещение не собственников, у которых всегда есть возможность получить доступ в помещение через вызов абонента (собственника) если ошибка идентификации превысила установленное значение. При этом ошибку идентификации можно уменьшать за счет увеличения числа шаблонов лиц обучающей выборки при каждой ошибочной идентификации, для заданной вероятности пропустить чужого. Со временем можно достигнуть приемлемого уровня идентификации для конкретной ДС.
Другой вариант, это использовать распознавание лица в режиме верификации. Для этого каждому посетителю выдается персональный код или ключ доступа в помещение, и при запросе доступа сравнивается изображение лица посетителя с шаблоном, соответствующим его ключу или коду если соответствие найдено и ошибка не превышает заданное то доступ открывается. Это позволить увеличить надежность доступа по существующим способам.
Принимая во внимание выше сказанное и результаты проведенных испытаний можно сделать вывод, что программный компонент реализующий предложенный алгоритм может применяться при разработке модулей ДС для контроля доступа в помещения с небольшими базами зарегистрированных лиц, порядка 15-20 человек, это могут быть частные дома, не большие офисы, служебные помещения и т.п. Проведение дополнительных исследований направленных на выявление более совершенных методов компенсации изменения освещенности в полученных изображениях лиц, а так же методов классификации позволит повысить надежность алгоритма и применять программные решения на его основе в более широкой области где для контроля доступа используются ДС.
Распознавания по изображению лица при доступе в помещение можно рассматривать как дополнительный способ или комбинировать с существующими. Например, использовать его для доступа в помещение не собственников, у которых всегда есть возможность получить доступ в помещение через вызов абонента (собственника) если ошибка идентификации превысила установленное значение. При этом ошибку идентификации можно уменьшать за счет увеличения числа шаблонов лиц обучающей выборки при каждой ошибочной идентификации, для заданной вероятности пропустить чужого. Со временем можно достигнуть приемлемого уровня идентификации для конкретной ДС.
Другой вариант, это использовать распознавание лица в режиме верификации. Для этого каждому посетителю выдается персональный код или ключ доступа в помещение, и при запросе доступа сравнивается изображение лица посетителя с шаблоном, соответствующим его ключу или коду если соответствие найдено и ошибка не превышает заданное то доступ открывается. Это позволить увеличить надежность доступа по существующим способам.
Принимая во внимание выше сказанное и результаты проведенных испытаний можно сделать вывод, что программный компонент реализующий предложенный алгоритм может применяться при разработке модулей ДС для контроля доступа в помещения с небольшими базами зарегистрированных лиц, порядка 15-20 человек, это могут быть частные дома, не большие офисы, служебные помещения и т.п. Проведение дополнительных исследований направленных на выявление более совершенных методов компенсации изменения освещенности в полученных изображениях лиц, а так же методов классификации позволит повысить надежность алгоритма и применять программные решения на его основе в более широкой области где для контроля доступа используются ДС.
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.