Автоматизированная пропускная система на основе распознавания лиц
|
ВВЕДЕНИЕ 5
1 Анализ предметной области 7
1.1 Анализ рассматриваемого процесса 7
1.2 Анализ метода разработки 11
1.3 Требования к функциональным характеристикам 20
1.4 Нефункциональные требования 20
1.5 UML - диаграммы 20
1.5.1 Постановка задачи. Определение рабочей области моделирования 22
1.5.2 Диаграмма вариантов использования 22
1.5.3 Отношения между прецедентами и актёрами 23
1.5.4 Дополнительная диаграмма прецедентов 25
1.5.5 Диаграмма деятельности 28
1.5.6 Диаграмма классов 29
1.5.7 Диаграмма состояний 31
1.6 Вывод по главе 32
2 Проектирование 33
2.1 Постановка задачи 33
2.2 Функциональная модель 33
2.2.1 Функция «Обработка получаемых данных» 34
2.2.2 Функция «Идентификации сотрудника» 38
2.2.3 Функция «Обучение нейронной сети» 42
2.3 Структура данных 44
2.4 Вывод по главе
3 Реализация системы 50
3.1 Архитектура программы 50
3.2 Распознавание человека 50
3.2.1 Распознавание лица человека 50
3.2.2 Нахождение человека на кадре 59
3.2 Вывод по главе 61
ЗАКЛЮЧЕНИЕ 63
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 65
ПРИЛОЖЕНИЕ А 66
ПРИЛОЖЕНИЕ Б 69
1 Анализ предметной области 7
1.1 Анализ рассматриваемого процесса 7
1.2 Анализ метода разработки 11
1.3 Требования к функциональным характеристикам 20
1.4 Нефункциональные требования 20
1.5 UML - диаграммы 20
1.5.1 Постановка задачи. Определение рабочей области моделирования 22
1.5.2 Диаграмма вариантов использования 22
1.5.3 Отношения между прецедентами и актёрами 23
1.5.4 Дополнительная диаграмма прецедентов 25
1.5.5 Диаграмма деятельности 28
1.5.6 Диаграмма классов 29
1.5.7 Диаграмма состояний 31
1.6 Вывод по главе 32
2 Проектирование 33
2.1 Постановка задачи 33
2.2 Функциональная модель 33
2.2.1 Функция «Обработка получаемых данных» 34
2.2.2 Функция «Идентификации сотрудника» 38
2.2.3 Функция «Обучение нейронной сети» 42
2.3 Структура данных 44
2.4 Вывод по главе
3 Реализация системы 50
3.1 Архитектура программы 50
3.2 Распознавание человека 50
3.2.1 Распознавание лица человека 50
3.2.2 Нахождение человека на кадре 59
3.2 Вывод по главе 61
ЗАКЛЮЧЕНИЕ 63
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 65
ПРИЛОЖЕНИЕ А 66
ПРИЛОЖЕНИЕ Б 69
В настоящее время с развитием вычислительных систем и информационных технологий растёт популярность систем автоматизации и роботизации, как в промышленности и науке, так и в повседневной жизни. Таким образом, растёт потребность в эффективных методах обработки поступающей информации, в частности видео данных. Эффективная обработка и использование входной информации позволяет значительно повысить производительность и расширить круг применения данных систем. Развивается использование робототехники, систем распознавания текстов и всё большее внимание уделяется системам, использующим машинное зрение в качестве основного источника информации.
Машинное зрение призвано решать задачи, связанные со сбором и анализом зрительной информации в различных областях производства, при этом частично или полностью заменяя причастность человека. Ещё в 60-е годы ХХ века были популярны вопросы, касающиеся машинного зрения. Первым, кто выдвинул теоретическую идею оснащения компьютера средствами распознавания изображения и звука стал профессор Массачусетского технологического института Оливер Селфидж. Следующим внесшим вклад человеком стал Фрэнк Розенблатт из Корнеллского университета, он создал компьютерную реализацию персептрона - устройства, моделирующего схему распознавания образов человеческим мозгом.
Практически любое предприятие испытывает потребность в автоматизации учёта входа и выхода работников, облегчение учёта рабочего времени в организации, и в связи с этим предприятия вводят контрольно-пропускной режим. Контрольно-пропускной режим - это комплекс организационно-правовых ограничений и правил, устанавливающих порядок пропуска через контрольно-пропускные пункты в помещения или в
отдельные здания сотрудников объекта или посетителей. Именно контрольно-пропускной режим является одним из ключевых моментов в организации безопасности на предприятии. Организация качественного и оперативного контроля доступом на промышленных объектах является одной из актуальных проблем. Особенно, предприятиям, которые работают над военными разработками или, когда необходимо ограничить доступ к секретным архивам и опасным объектам. В данном случае необходима пропускная система контроля доступа повышенного режима. На предприятиях может быть осуществлена пропускная система несколькими режимами, например, использование пропускной карточки не даёт сто процентной безопасности допуска лиц в объект, поэтому предприятиям, требующим повышенную безопасность необходимо несколько уровней идентификации сотрудника и одним из них является биометрическая идентификация.
Актуальность данной работы заключается в автоматизации пропускной системы контроля на основе распознавания лиц сотрудников.
Целью данной выпускной квалификационной работы является повышение точности и уменьшение времени распознавания, а отсюда увеличение пропускной способности с использованием видеоинформационной вычислительной системы машинного зрения при помощи свёрточных нейронных сетей и глубинного обучения.
Для достижения поставленной цели требуется решить следующие задачи:
- Провести анализ рассматриваемого процесса;
- Выявить требования на разработку;
- Выявить требования на необходимое оборудование.
Машинное зрение призвано решать задачи, связанные со сбором и анализом зрительной информации в различных областях производства, при этом частично или полностью заменяя причастность человека. Ещё в 60-е годы ХХ века были популярны вопросы, касающиеся машинного зрения. Первым, кто выдвинул теоретическую идею оснащения компьютера средствами распознавания изображения и звука стал профессор Массачусетского технологического института Оливер Селфидж. Следующим внесшим вклад человеком стал Фрэнк Розенблатт из Корнеллского университета, он создал компьютерную реализацию персептрона - устройства, моделирующего схему распознавания образов человеческим мозгом.
Практически любое предприятие испытывает потребность в автоматизации учёта входа и выхода работников, облегчение учёта рабочего времени в организации, и в связи с этим предприятия вводят контрольно-пропускной режим. Контрольно-пропускной режим - это комплекс организационно-правовых ограничений и правил, устанавливающих порядок пропуска через контрольно-пропускные пункты в помещения или в
отдельные здания сотрудников объекта или посетителей. Именно контрольно-пропускной режим является одним из ключевых моментов в организации безопасности на предприятии. Организация качественного и оперативного контроля доступом на промышленных объектах является одной из актуальных проблем. Особенно, предприятиям, которые работают над военными разработками или, когда необходимо ограничить доступ к секретным архивам и опасным объектам. В данном случае необходима пропускная система контроля доступа повышенного режима. На предприятиях может быть осуществлена пропускная система несколькими режимами, например, использование пропускной карточки не даёт сто процентной безопасности допуска лиц в объект, поэтому предприятиям, требующим повышенную безопасность необходимо несколько уровней идентификации сотрудника и одним из них является биометрическая идентификация.
Актуальность данной работы заключается в автоматизации пропускной системы контроля на основе распознавания лиц сотрудников.
Целью данной выпускной квалификационной работы является повышение точности и уменьшение времени распознавания, а отсюда увеличение пропускной способности с использованием видеоинформационной вычислительной системы машинного зрения при помощи свёрточных нейронных сетей и глубинного обучения.
Для достижения поставленной цели требуется решить следующие задачи:
- Провести анализ рассматриваемого процесса;
- Выявить требования на разработку;
- Выявить требования на необходимое оборудование.
В данной выпускной квалификационной работе рассматривается разработка автоматизированной контрольно-пропускной системы на основе распознавания лиц сотрудников.
Целью выпускной квалификационной работы являлось повышение точности и уменьшение времени распознания, и отсюда увеличение пропускной способности с использованием видеоинформационной вычислительной системы машинного зрения при помощи свёрточных нейронных сетей и глубинного обучения.
На предварительном этапе был проведен анализ предметной области, были проведены анализ рассматриваемого процесса и анализ методов разработки, составлены функциональные требования, были найдены аналоги данной системы и проведено сравнение систем.
В результате реализации работы разработана программа, работающая на нейронных сетях, которая используя подготовленные весовые коэффициенты успешно определяет фигуру человека на фоне, определяет лицо и глаза, и идентифицирует попавшего в кадр человека.
В ходе проведения распознавания лица было установлено, что время появления человека в кадре, и его идентификация занимает около пятидесяти миллисекунд. У приведенных в первой главе аналогов время распознавания варьируется от одной секунды до полутора секунд, плюс, когда изображение становится тусклым, например, когда вечер и светят только светильники повышается количество шумов на изображении и у них время распознавания увеличивается от полутора секунд до трёх, что вызывает задержку при распознавания. У реализованной системы за счёт использования свёрточных нейронных сетей, время распознавания в тусклой комнате (с повышенным количеством шумов на изображении) увеличилось лишь до одной целых трёх десяток секунд. Следовательно, удалось добиться уменьшения затрачиваемого времени на распознавание. А качество распознавания удалось увеличить за счёт деления процесса на несколько шагов, т.е. сперва устанавливается в кадре появился человек или нет, после находится лицо человека и его глаза и только после точного определения, что объект в зоне интереса является человеком начинается операция идентификации, а именно поиск совпадения в базе. Такой алгоритм процесса распознавания уменьшает погрешность случайных и ошибочных детекций.
Целью выпускной квалификационной работы являлось повышение точности и уменьшение времени распознания, и отсюда увеличение пропускной способности с использованием видеоинформационной вычислительной системы машинного зрения при помощи свёрточных нейронных сетей и глубинного обучения.
На предварительном этапе был проведен анализ предметной области, были проведены анализ рассматриваемого процесса и анализ методов разработки, составлены функциональные требования, были найдены аналоги данной системы и проведено сравнение систем.
В результате реализации работы разработана программа, работающая на нейронных сетях, которая используя подготовленные весовые коэффициенты успешно определяет фигуру человека на фоне, определяет лицо и глаза, и идентифицирует попавшего в кадр человека.
В ходе проведения распознавания лица было установлено, что время появления человека в кадре, и его идентификация занимает около пятидесяти миллисекунд. У приведенных в первой главе аналогов время распознавания варьируется от одной секунды до полутора секунд, плюс, когда изображение становится тусклым, например, когда вечер и светят только светильники повышается количество шумов на изображении и у них время распознавания увеличивается от полутора секунд до трёх, что вызывает задержку при распознавания. У реализованной системы за счёт использования свёрточных нейронных сетей, время распознавания в тусклой комнате (с повышенным количеством шумов на изображении) увеличилось лишь до одной целых трёх десяток секунд. Следовательно, удалось добиться уменьшения затрачиваемого времени на распознавание. А качество распознавания удалось увеличить за счёт деления процесса на несколько шагов, т.е. сперва устанавливается в кадре появился человек или нет, после находится лицо человека и его глаза и только после точного определения, что объект в зоне интереса является человеком начинается операция идентификации, а именно поиск совпадения в базе. Такой алгоритм процесса распознавания уменьшает погрешность случайных и ошибочных детекций.
Подобные работы
- Система контроля пропусков с фотофиксацией
Бакалаврская работа, информационные системы. Язык работы: Русский. Цена: 4900 р. Год сдачи: 2018 - Нейронная сеть по распознаванию лиц
Бакалаврская работа, информатика. Язык работы: Русский. Цена: 4285 р. Год сдачи: 2023 - Нейросетевые методы повышения качества медицинских изображений для обнаружения и сегментации опухолей
Бакалаврская работа, информатика. Язык работы: Русский. Цена: 4360 р. Год сдачи: 2021 - Автоматизированное выделение границ легочного (сосудистого) рисунка
Бакалаврская работа, информационные системы. Язык работы: Русский. Цена: 4210 р. Год сдачи: 2017 - РАБОТА С ПЕРСОНАЛЬНЫМИ ДАННЫМИ В НАЦИОНАЛЬНОМ ИССЛЕДОВАТЕЛЬСКОМ ТОМСКОМ ГОСУДАРСТВЕННОМ УНИВЕРСИТЕТЕ И
СИБИРСКОМ ГОСУДАРСТВЕННОМ МЕДИЦИНСКОМ УНИВЕРСИТЕТЕ
Бакалаврская работа, документоведение. Язык работы: Русский. Цена: 4910 р. Год сдачи: 2022 - Аналитическая оценка деятельности и стратегических вариантов развития
АО «ННП»
Дипломные работы, ВКР, экономика. Язык работы: Русский. Цена: 4430 р. Год сдачи: 2021



