СИСТЕМА ПЕРЕВІРКИ ТА ВИЯВЛЕННЯ ОСОБИСТОСТІ НА ОСНОВІ ТЕХНОЛОГІЇ РОЗПІЗНАВАННЯ ОБЛИЧ

N. Karpiuk, Halyna Klym, O. Stepanov, I. Vasylchyshyn

Анотація


Створено систему розпізнавання та відстеження обличчя, що реалізована у вигляді вбудованого пристрою на базі мікроконтролера Arduino. У прототипі передбачена світлова та звукова індикація роботи системи, а також режим мануальної зміни положення камери за допомогою джойстика. Програмна частина системи реалізована на мові Python з використанням алгоритму для обробки зображень та виведення результативного зображення на екран. Реалізована система має бути у змозі успішно розпізнавати різні обличчя, максимально уникати хибних розпізнавань та швидко реагувати на зміну положення обличчя у кадрі шляхом оперативного корегування позиції камери по вертикальній та горизонтальній осі.

Досліджено та оцінено ефективність алгоритму каскадного класифікатора Хаара для розпізнавання обличчя. Для досягнення цієї мети було використано широкий і різноманітний асортимент фотографій обличь, які охоплюють зображення, зроблені на різних відстанях від камери, за різних умов освітлення та з різними орієнтаціями обличчя в полі зору камери.

Експериментальні результати продемонстрували можливості алгоритму, виявивши ступінь точності, який перевищив поріг у 80% для успішного визначення обличь. Показано, що алгоритм продемонстрував таку високу точність у спектрі складних умов, включаючи сценарії, що характеризуються коливаннями умов освітлення та широким діапазоном орієнтації обличчя. Крім того, алгоритм каскадного класифікатора Хаара продемонстрував ефективність, показавши свою адаптивність навіть у системах з обмеженими обчислювальними ресурсами.

Алгоритм працює на основі принципів машинного навчання, використовуючи глибоке розуміння рис обличчя та візерунків на цифрових зображеннях. Це досягається шляхом ретельного вивчення набору помітних особливостей зображення, включаючи краї, лінії та кути, які разом утворюють будівельні блоки для каскаду класифікаторів. Дані класифікатори використовуються як інструменти виявлення, переглядаючи зображення, для визначення важливих рис обличчя.

Представлено дослідження не тільки підтверджує можливості алгоритму, але й дає можливість у подальшому розвивати точність та продуктивність системи. Таким чином, алгоритм каскадного класифікатора Хаара стає не лише надійним інструментом для сучасних програм, але й інструментом для інновацій та вдосконалення у сфері розпізнавання обличчя.

Ключові слова: система, розпізнавання, пристрій, відстеження обличчя. алгоритм, класифікатори Хаара.


Повний текст:

PDF (English)

Посилання


  1. Tian Y. Artificial intelligence image recognition method based on convolutional neural network algorithm // IEEE Access. – 2020. – Vol. 8. – P. 125731-125744.
  2. Liyakat, K. Development of Pose Invariant Face Recognition Method Based on Pca and Artificial Neural Network / K. K. S.Liyakat, V. A Mane, K. P .Paradeshi, D. B. Kadam, & K. K. Pandyaji // Journal of Algebraic Statistics. – 2022. –Vol. 13(3). –P. 3676-3684.
  3. Kumar A. Face detection techniques: a review / A. Kumar, A. Kaur, & M. Kumar, // Artificial Intelligence Review/ – 2019. – Vol. 52. – P. 927-948.
  4. Singh Bhadauriya S. “Real-Time Face Detection and Face Recognition: Study of Approaches” / S. Singh Bhadauriya, S. Kushwaha, S. Meena // Lecture Notes in Networks and Systems. Singapore. – 2023.– P. 297–308.
  5. Phuc L. T. H. “Applying the Haar-cascade Algorithm for detecting safety equipment in safety management systems for multiple working environments,” / L. T. H. Phuc, H. Jeon, N. T. N. Truong, J. J. Hak // Electronics. – 2019. – Vol. 8(10).– P 1079.
  6. Andrejevic M. “Facial recognition technology in schools: Critical questions and concerns,” / M. Andrejevic, N. Selwyn // Learning, Media and Technology.– 2020. – Vol. 45(2).– P. 115-128.
  7. Lai X. “Has facial recognition technology been misused? A public perception model of facial recognition scenarios” / X. Lai, & P. L. P. Rau // Computers in Human Behavior. – 2021. – Vol. 124. – P. 106894.
  8. Budiman R. A. M. “Localization of white blood cell images using Haar cascade classifiers,” / R. A. M Budiman, B. Achmad, A. Arif, L. Zharif // 1st International Conference on Biomedical Engineering (IBIOMED).–2016.–P. 1-5.
  9. Marchesotti L. Dual camera system for face detection in unconstrained environments / L. Marchesotti, L. Marcenaro, & C. Regazzoni // In Proceedings 2003 International Conference on Image Processing IEEE.–2003.–Vol.1 (Cat. No. 03CH37429).– P. I-681.
  10. Balasubramanian M. Deep transfer learning based real time face mask detection system with computer vision / M. Balasubramanian, K. Ramyadevi, & R. Geetha // Multimedia Tools and Applications.–2023.–P. 1-20.
  11. Hashim S. Face detection by using Haar Cascade Classifier / S. Hashim, & P. Mccullagh // Wasit Journal of Computer and Mathematics Science.–2023.–Vol. 2(1).–P. 1-8.
  12. Singh G. Face detection and recognition system using digital image processing / G. Singh, & A. K. Goel // In 2020 2nd International Conference on Innovative Mechanisms for Industry Applications (ICIMIA). IEEE.–2020. –P. 348-352.
  13. Aliyu I. “Comparative Study of Eigenface and Fisherface Algorithms Based on OpenCV and Sci-kit Libraries Implementations” / I. Aliyu, M. Ali Bomoi, M. A Maishanu // International Journal of Information Engineering and Electronic Business.– 2022. – Vol. 14(3). –P. 30–40.
  14. Mulyono I. U. W. “Performance analysis of face recognition using eigenface approach,” / I. U. W. Mulyono, A. Susanto, E. H. Rachmawanto, A. Fahmi // International Seminar on Application for Technology of Information and Communication. –2019.– P. 1-5.




DOI: http://dx.doi.org/10.30970/eli.23.3

Посилання

  • Поки немає зовнішніх посилань.