РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ РАСПОЗНАВАНИЯ И ИДЕНТИФИКАЦИИ В РЕЖИМЕ РЕАЛЬНОГО ВРЕМЕНИ

  • С. Боранбаев Евразийский национальный университет имени Л.Н. Гумилева, Нур-Султан, Казахстан
  • M. Амиртаев Евразийский национальный университет имени Л.Н. Гумилева, Нур-Султан, Казахстан
Ключевые слова: система для распознавания лиц

Аннотация

В этом исследовании была построена система для распознавания лиц в режиме реального времени с применением инструментов Open Face библиотеки Open CV. В статье приведена методология создания системы и результаты ее тестирования. Библиотека Open CV имеет различные модули выполняющие множество задач. В данной работе модули Open CV были использованы для распознавание лиц на изображениях и идентификации лиц в режиме реального времени. Кроме того, метод HOG был применен для того, чтобы обнаружить человека по передней части его лица. После выполнения метода HOG, 128 измерений лица были получены с помощью метода кодирования изображений. Затем была использована сверточная нейронная сеть для идентификации лиц людей с помощью алгоритма линейного

Литература

1.Navneet Dalal, Bill Triggs, Histograms of Oriented Gradients for Human Detection [Electronic source] // URL: http://lear.inrialpes.fr/people/triggs/pubs/Dalalcvpr05.pdf.
2."Extract HOG Features". [Electronic source] URL: https://www.mathworks.com/help/vision/ref/extractho gfeatures.html
3.M. Yang, N. Ahuja and D. Kriegman. Face recognition using kernel eigenfaces. Image Processing: IEEE Transactions - 2000. - Vol.1. pp. 37- 40
4.V. Kazemi and S. Josephine. One millisecond face alignment with an ensemble of regression trees. In CVPR, 2014. [Electronic source] // URL: http://www.csc.kth.se/~vahidk/papers/KazemiCVPR14.pdf.
5.Facial recognition. [Electronic source] URL: https://ai.nal.vn/facial-recognition/
6.F. Schroff, D. Kalenichenko, and J. Philbin. Facenet: A unified embedding for face recognition and clustering. In Proc. CVPR, 2015. [Electronic source] // URL: https://www.cvfoundation.org/openaccess/content_cvpr_2015/app/1A _089.pdf.
7.Neha Rudraraju, Kotoju Rajitha, K. Shirisha, Constructing Networked, Intelligent and Adaptable Buildings using Edge Computing [Electronic source] // URL: http://ijrar.com/upload_issue/ijrar_issue_20542753.pd f
8.Dalal N., Triggs B. Histograms of Oriented Gradients for Human Detection // Proc. of the IEEE Conference Computer Vision and Pattern Recognition. 2005. pp. 886–893.
9.Christopher M. Bishop F.R.Eng. Pattern Recognition and Machine Learning. [Electronic source] // URL: https://goo.gl/WLqpHN.
10. Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun. Deep Residual Learning for Image Recognition [Electronic source] // URL: https://arxiv.org/abs/1512.03385
11. Face recognition [Electronic source] // URL: https://github.com/ageitgey/face_recognition
12. Howse J. OpenCV Computer vision with Python. – Packt Publishing Ltd., UK. 2013.
13. Riaz Ullah Khan, Xiaosong Zhang, Rajesh Kumar. Analysis of ResNet and GoogleNet models for malware detection [Electronic source] // URL: https://www.researchgate.net/publication/327271897_ Analysis_of_ResNet_and_GoogleNet_models_for_ma lware_detection
14. Boranbayev S.N., Amirtayev M.S. Development a system for classifying and recognizing person’s face. Евразийский Союз Ученых (ЕСУ). - № 4(73). – 2020, с. 15 - 24.
Опубликован
2021-04-15
Как цитировать
Боранбаев , С., и Амиртаев M. 2021. «РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ РАСПОЗНАВАНИЯ И ИДЕНТИФИКАЦИИ В РЕЖИМЕ РЕАЛЬНОГО ВРЕМЕНИ ». EurasianUnionScientists 6 (3(84), 9-18. https://archive.euroasia-science.ru/index.php/Euroasia/article/view/689.