Інформаційна система візуальної ідентифікації особи за зображенням обличчя: кваліфікаційна робота на здобуття освітнього ступеня «бакалавр» за спеціальністю 126 «Інформаційні системи та технології»

Abstract

У кваліфікаційній роботі розроблено інформаційну систему візуальної ідентифікації особи за зображенням обличчя. Дана система орієнтована на використання у сфері безпеки, управління доступом до приміщень, автоматизації процесів обслуговування клієнтів та верифікації користувачів у різних сервісах. Основна увага приділена забезпеченню високої точності розпізнавання облич у реальному часі за умов варіативного освітлення, різних ракурсів обличчя та присутності шуму у зображеннях. У рамках дослідження виконано глибокий аналіз сучасних методів розпізнавання облич, таких як Eigenfaces, Fisherfaces, Local Binary Patterns (LBP), і нейронних мереж (CNN). На основі аналізу обґрунтовано вибір згорткових нейронних мереж, які забезпечують високу ефективність у складних сценаріях. Для попередньої обробки зображень було застосовано бібліотеку OpenCV, що дозволило зменшити рівень шуму, покращити контрастність і нормалізувати розмір облич. Інформаційна система складається з декількох модулів: модуль завантаження зображень, модуль попередньої обробки, основний модуль розпізнавання та модуль виводу результатів. Основна обчислювальна частина системи реалізована з використанням Python і фреймворків TensorFlow та PyTorch для навчання та інференсу нейронної мережі. Розроблена система має широкий спектр застосувань, включаючи інтеграцію у системи відеоспостереження, контроль доступу до закритих приміщень, автоматизацію реєстрації користувачів та інші галузі. The qualification work presents the development of an information system for visual identification of a person by face image. This system is designed for use in the fields of security, access management to premises, automation of customer service processes, and user verification across various services. Particular attention is paid to ensuring high accuracy of face recognition in real-time under variable lighting conditions, different face angles, and the presence of noise in the images. As part of the research, an in-depth analysis of modern face recognition methods was conducted, including Eigenfaces, Fisherfaces, Local Binary Patterns (LBP), and Convolutional Neural Networks (CNN). Based on this analysis, convolutional neural networks were chosen for their high efficiency in complex scenarios. For image preprocessing, the OpenCV library was used, allowing for noise reduction, contrast enhancement, and face size normalization. The information system consists of several modules: an image loading module, a preprocessing module, a core recognition module, and a results output module. The main computational component of the system is implemented using Python and the TensorFlow and PyTorch frameworks for neural network training and inference. The developed system has a wide range of applications, including integration into video surveillance systems, access control for restricted areas, user registration automation, and other fields.