📄Работа №73640
Тема: РАЗРАБОТКА СИСТЕМЫ РАСПОЗНАВАНИЯ ДЕМОГРАФИЧЕСКИХ ХАРАКТЕРИСТИК ЧЕЛОВЕКА В ВИДЕОПОТОКЕ С РЕАЛИЗАЦИЕЙ ВЫЧИСЛЕНИЙ НА CPU
Тип работы
Бакалаврская работа
Предмет
информационные системы
Объем:
71 листов
Год:
2019
Просмотров:
139
4340
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 4
ГЛАВА 1. КОМПОНЕНТ ДЕТЕКТИРОВАНИЯ ЛИЦА НА ИЗОБРАЖЕНИИ 6
1.1. Обзор современных подходов к решению задачи детектирования лица
на изображении 7
1.2. Проведение сравнительного анализа 9
1.2.1. Метрики тестирования 10
1.2.2. Данные для тестирования 11
1.2.3. Реализация методов детектирования 12
1.2.4. Проведение эксперимента 16
ГЛАВА 2. КОМПОНЕНТ РАСПОЗНАВАНИЯ ДЕМОГРАФИЧЕСКИХ
ХАРАКТЕРИСТИК ПО ИЗОБРАЖЕНИЮ ЛИЦА 21
2.1. Выбор подхода к решению задачи распознавания 22
2.1.1. Распознавание возраста 22
2.1.2. Распознавание пола 24
2.2. Данные для обучения 25
2.2.1. Обзор используемых данных 25
2.2.2. Алгоритм выравнивания лиц 29
2.3. Проведение сравнительного анализа 30
2.3.1. Обучение моделей 30
2.3.2. Проведение эксперимента 30
ГЛАВА 3. РЕАЛИЗАЦИЯ СИСТЕМЫ РАСПОЗНАВАНИЯ
ДЕМОГРАФИЧЕСКИХ ХАРАКТЕРИСТИК ЧЕЛОВЕК В ВИДЕОПОТОКЕ 35
3.1. Проектирование архитектуры системы 35
3.2. Техническая архитектура системы 39
3.3. Разработка системы 40
ГЛАВА 4. ТЕСТИРОВАНИЕ РАЗРАБОТАННОЙ СИСТЕМЫ 51
4.1. Работа системы 51
4.2. Параметры системы 55
4.3. Проведение тестирования 57
ЗАКЛЮЧЕНИЕ 61
СПИСОК ЛИТЕРАТУРЫ 62
ПРИЛОЖЕНИЕ 1 67
ПРИЛОЖЕНИЕ 2 68
ПРИЛОЖЕНИЕ 3 69
ПРИЛОЖЕНИЕ 4
ГЛАВА 1. КОМПОНЕНТ ДЕТЕКТИРОВАНИЯ ЛИЦА НА ИЗОБРАЖЕНИИ 6
1.1. Обзор современных подходов к решению задачи детектирования лица
на изображении 7
1.2. Проведение сравнительного анализа 9
1.2.1. Метрики тестирования 10
1.2.2. Данные для тестирования 11
1.2.3. Реализация методов детектирования 12
1.2.4. Проведение эксперимента 16
ГЛАВА 2. КОМПОНЕНТ РАСПОЗНАВАНИЯ ДЕМОГРАФИЧЕСКИХ
ХАРАКТЕРИСТИК ПО ИЗОБРАЖЕНИЮ ЛИЦА 21
2.1. Выбор подхода к решению задачи распознавания 22
2.1.1. Распознавание возраста 22
2.1.2. Распознавание пола 24
2.2. Данные для обучения 25
2.2.1. Обзор используемых данных 25
2.2.2. Алгоритм выравнивания лиц 29
2.3. Проведение сравнительного анализа 30
2.3.1. Обучение моделей 30
2.3.2. Проведение эксперимента 30
ГЛАВА 3. РЕАЛИЗАЦИЯ СИСТЕМЫ РАСПОЗНАВАНИЯ
ДЕМОГРАФИЧЕСКИХ ХАРАКТЕРИСТИК ЧЕЛОВЕК В ВИДЕОПОТОКЕ 35
3.1. Проектирование архитектуры системы 35
3.2. Техническая архитектура системы 39
3.3. Разработка системы 40
ГЛАВА 4. ТЕСТИРОВАНИЕ РАЗРАБОТАННОЙ СИСТЕМЫ 51
4.1. Работа системы 51
4.2. Параметры системы 55
4.3. Проведение тестирования 57
ЗАКЛЮЧЕНИЕ 61
СПИСОК ЛИТЕРАТУРЫ 62
ПРИЛОЖЕНИЕ 1 67
ПРИЛОЖЕНИЕ 2 68
ПРИЛОЖЕНИЕ 3 69
ПРИЛОЖЕНИЕ 4
📖 Введение
Демографические характеристики человека играют важную роль во многих сфера жизни общества: сфере рекламы, охраны права, развлечения, обслуживания и др.
Автоматизированное распознавание таких характеристик человека по изображению лица может быть использовано, например:
• В таргетированном маркетинге, где релевантная для аудитории реклама или информация может транслироваться с цифровых рекламных щитов;
• При сборе данных для дальнейшего анализа: например, при разработке маркетингового плана или проведении таргетированных мероприятий;
• Для контентного поиска, где наличие таких характеристик
существенно упрощает пространство поиска;
• Для контроля безопасности: автоматическая система распознавания может помочь предотвратить продажу запрещенной продукции несовершеннолетним;
• При взаимодействии компьютер - человек: для подстройки контекста общения в соответствии с полом и возрастом.
Реализация многих из описанных практических возможностей применения автоматического распознавания требует непрерывной обработки видеопотока, при этом вычисления должны занимать минимально возможное количество времени, чтобы предоставить запас для дальнейших этапов обработки.
Широкому применению систем автоматизированного распознавания должна способствовать низкая вычислительная сложность наряду с обеспечением высокой точности работы и возможностью корректной работы на встроенных платформах без использования графических ускорителей.
Цель выпускной квалификационной работы: разработать систему распознавания демографических характеристик человека в видеопотоке с реализацией вычислений на CPU.
Задачи, решение которых необходимо для достижения цели:
1. Изучение подходов к детектированию лица человека и распознаванию демографических характеристик по изображению лица;
2. Проведение сравнительного анализа изученных подходов;
3. Проектирование и разработка системы распознавания демографических характеристик человека в видеопотоке;
4. Проведение тестирования разработанной системы.
Автоматизированное распознавание таких характеристик человека по изображению лица может быть использовано, например:
• В таргетированном маркетинге, где релевантная для аудитории реклама или информация может транслироваться с цифровых рекламных щитов;
• При сборе данных для дальнейшего анализа: например, при разработке маркетингового плана или проведении таргетированных мероприятий;
• Для контентного поиска, где наличие таких характеристик
существенно упрощает пространство поиска;
• Для контроля безопасности: автоматическая система распознавания может помочь предотвратить продажу запрещенной продукции несовершеннолетним;
• При взаимодействии компьютер - человек: для подстройки контекста общения в соответствии с полом и возрастом.
Реализация многих из описанных практических возможностей применения автоматического распознавания требует непрерывной обработки видеопотока, при этом вычисления должны занимать минимально возможное количество времени, чтобы предоставить запас для дальнейших этапов обработки.
Широкому применению систем автоматизированного распознавания должна способствовать низкая вычислительная сложность наряду с обеспечением высокой точности работы и возможностью корректной работы на встроенных платформах без использования графических ускорителей.
Цель выпускной квалификационной работы: разработать систему распознавания демографических характеристик человека в видеопотоке с реализацией вычислений на CPU.
Задачи, решение которых необходимо для достижения цели:
1. Изучение подходов к детектированию лица человека и распознаванию демографических характеристик по изображению лица;
2. Проведение сравнительного анализа изученных подходов;
3. Проектирование и разработка системы распознавания демографических характеристик человека в видеопотоке;
4. Проведение тестирования разработанной системы.
✅ Заключение
В ходе выполнения выпускной квалификационной работы была разработана система распознавания демографических характеристик человека в видеопотоке с реализацией вычислений на CPU, для этого были решены следующие задачи:
• Сформулированы требования к разрабатываемой системе;
• Изучены подходы к детектированию лиц на изображении и распознаванию характеристик человека по изображению его лица;
• Проведен сравнительный анализ подходов по показателям точности и скорости работы, выбраны модели, наиболее точно отвечающие поставленным требованиям;
• Спроектирована и разработана на языке Pythonсистема распознавания;
• Проведено тестирование точности работы системы в реальных условиях;
• Намечены планы дальнейшей работы в рамках разработанной системы и направления в целом.
По результатам тестирования в реальных условиях система показала точность распознавания пола — 100% и среднюю абсолютную ошибку в распознавании возраста — 4.07.
Дальнейшими этапами является работа над увеличением точности работы системы и её устойчивости к различным условиям среды, а также разработка системы учета посетителей торговых помещений с использованием разработанной в рамках данной работы системы как полноценного модуля.
• Сформулированы требования к разрабатываемой системе;
• Изучены подходы к детектированию лиц на изображении и распознаванию характеристик человека по изображению его лица;
• Проведен сравнительный анализ подходов по показателям точности и скорости работы, выбраны модели, наиболее точно отвечающие поставленным требованиям;
• Спроектирована и разработана на языке Pythonсистема распознавания;
• Проведено тестирование точности работы системы в реальных условиях;
• Намечены планы дальнейшей работы в рамках разработанной системы и направления в целом.
По результатам тестирования в реальных условиях система показала точность распознавания пола — 100% и среднюю абсолютную ошибку в распознавании возраста — 4.07.
Дальнейшими этапами является работа над увеличением точности работы системы и её устойчивости к различным условиям среды, а также разработка системы учета посетителей торговых помещений с использованием разработанной в рамках данной работы системы как полноценного модуля.
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.