CC BY
42сигналом. Далее, с частотой 1 Гц меняются показания времени, сопровождающееся кратким звуковым сигналом.
9. При (повторном) пересечении луча лазера - финиша робота - красный светодиод моргнет один раз, зеленый переключится в режим ожидания (моргание), на табло дисплея появятся результаты: номер заезда (1-я строка) и время заезда (2-я строка) в миллисекундах. Это сопровождается некоторым звуковым эффектом.
10. Система готова к очередному заезду - свидетельством этого - моргание зеленого светодиода. Не должно смущать показания на дисплее - это результаты предыдущего заезда. При пересечении луча лазера показания обновятся - в соответствии с пунктом 8.
Библиографический список:
1. Каку, М. Будущее разума [Текст] / М. Каку. - М.: Альпина нон-фикшн, 2015 -
502 с.
УДК 004.9
РАЗРАБОТКА И ИССЛЕДОВАНИЕ ПРОГРАММЫ ИДЕНТИФИКАЦИИ ЛИЧНОСТИ DEVELOPMENT AND RESEARCH OF THE IDENTITY PROGRAM
Бочкарёв Н. С., студент Беспалов А. О., студент Рахманов Д. Е.,студент
ФГБОУ ВО «Горно-Алтайский государственный университет» Россия, Республика Алтай, г.Горно-Алтайск mix.randomnik@mail.ru
Аннотация. В данной статье автор описывает алгоритм работы программы для идентификации личности на основе определения индивидуальных черт лица человека, написанной на языке программирования python с использованием обученной нейронной сети ResNet.
Ключевые слова: дискриптор, язык программирования python, изображение, библиотека dlib, пропускная система, база данных, нейронная сеть.
Abstract. The authors describean algorithm of a program for identifying a person based on the definition of individual features of a person written in the programming language python using the trained neural network ResNet.
Key words: descriptor, python programming language, image, dlib library, access system, database, neural network.
Интерес к процессам узнавания и распознавания лиц, всегда был значительным, особенно в связи со все возрастающими практическими потребностями: системы охраны, верификация кредитных карточек, криминалистическая экспертиза, телеконференции и т.д. Несмотря на ясность того житейского факта, что человек хорошо идентифицирует лица людей, совсем не очевидно, как научить этому компьютер, в том числе как декодировать и хранить цифровые изображения лиц. Задачу оптимального поиска и идентификации слабоконтрастного объекта, каким по праву считается человеческое лицо, на основе систем кибернетического зрения можно рассматривать как в свете классической проблемы восприятия, так и в свете новых подходов.
Программа «Аргус» предназначена для реализации модуля автоматической идентификации личности, разработанного для автоматизированной пропускной системы «Периметр безопасности». Процесс автоматической идентификации основан на выделении базовых дискрипторов изображения лица и сравнении их с информацией о студентах, хранящейся в базе данных. Программа написана на языке программирования python с использованием библиотек машинного зрения opencv и dlib.
Для решения задачи используется сверточная нейронная сеть, а именно предварительно обученную нейронную сеть ResNet. От сети отрезаются слои, отвечающие за классификацию, и остаются только сверточные слои, которые извлекают ключевые признаки из изображения. Результат работы - набор чисел, который называется дескриптором. dlib использует модифицированный вариант сети ResNet34. Эта сеть выдает дескрипторы из 128 чисел. Сеть обучена специальным образом так, чтобы дескрипторы фотографий одного человека находились рядом друг с другом, а дескрипторы фотографий разных людей - далеко друг от друга. Чтобы оценить близость дескрипторов в dlib используется Евклидово расстояние. Если значение Евклидова расстояния между дескрипторами меньше 0.6, то считается, что на фотографиях один и тот же человек.
Помимо пропускной системы идентификация по лицу подобная технология применяется во многих сферах информационных технологий, таких как системы безопасности и обслуживания. К примеру в банковской сфере. Клиент приходит в банк и показывает паспорт. Сотруднику банка нужно определить, что паспорт принадлежит именно этому человеку. Эта задача называется верификацией. Она не так проста, как может показаться, потому что люди в жизни иногда выглядят совсем не так, как на фотографии в паспорте. Например, я с возрастом изменился (хотя и не очень сильно). Данная проблема легко решается с помощью свёрточных нейронных сетей. Достаточно только сделать фото с веб камеры и сравнить с фото в паспорте.
В процессе функционирования программа получает изображение лица идентифицируемого объекта (студента) с цифровой камеры, подключенной к ПК, находит на нём ключевые точки и составляет дискриптор изображения. После выполнения данной процедуры производится сравнение полученного дискриптора с дискрипторами хранящимися в базе данных. Процедура сравнения заключается в нахождении метрики (расстояния) между искомым объектом и объектами, хранящимися в базе данных. Процесс сравнения считается удачным если расстояния меньше определённого значения.
В ходе написания программы возникла следующая сложность дискриптор повернутого лица, может сильно отличаться от дескриптора фотографии лица в фас. Чтобы решить эту проблему, dlib использует афинное преобразование фотографии с использованием ключевых точек, которое производится перенос ключевых точек в такую позицию, как будто бы человек смотрит прямо в камеру. Дескрипторы, в данном случае, извлекаются только после афинного преобразования изображения.
Таким образом, программа «Аргус» позволяет проводить наиболее точную идентификацию личности человека, что бесспорно делает её надёжным инструментов в рамках «периметра безопасности» разрабатываемого для повышения безопасности мест общественного пользования.
Библиографический список:
1. Распознавание человека с помощью dlib [Электронный ресурс]. - Режим доступа : https://www.asozykin.ru/deep_learning/2017/08/11/foto-verification-with-dlib (16.04.2018).
2. Распознавание лиц [Электронный ресурс]. - Режим доступа : https://hardbroker.ru/pages/recognition (7.04.2018).
3. Заметки про роботов [Электронный ресурс]. - Режим доступа : http://cv-Ь^.ш^^б (1.05.2018).
