Компьютерное зрение
Компания | ТПУ |
Учебный семестр | Весна 2021 |
Что это за проект?
Объектом исследования в данной работе является использование биометрических данных (геометрии лица) в СКУД, КИС. Система должна быть способна обнаружить человека в видеопотоке, установить его личность и зафиксировать время его присутствие/прохода в контрольном пункте. Так же должна предоставлять возможность построения отчёта на основе обнаруженных ранее лиц.
Системы идентификации человека по геометрии лица работают на основе структурных и физических особенностей человека. На основе полученного изображения лица, система, как правило, создает уникальный шаблон, который сравнивается с эталонами, хранящимся в базе данных.
Современные научные и коммерческие организации строят корпоративные сети, предоставляющие сотрудникам сервисы разных типов: сетевые (электронная почта, доступ в Интернет), вычислительные (кластеры, многопроцессорные серверы), информационные (справочные системы, порталы, системы управления предприятием, прикладные научные системы). В таких сетях повышенное внимание уделяется управлению доступом к сервисам в целях обеспечения безопасности и удобства работы. В крупных сетях с большим количеством сервисов и пользователей управление доступом к сервисам связано с рядом проблем. Управление является трудоемкой задачей, создающей большую нагрузку на администраторов и предъявляющей высокие требования к их квалификации. Для управления доступом к сервисам разных типов приходится использовать несколько разных систем управления и выполнять большое число операций. Сервисы разных типов используют отдельные репозитории правил разграничения доступа, часть информации в которых дублируется и требует синхронизации при изменении. Пользователям работать с сервисами неудобно из-за большого количества идентификаторов и паролей, требуемых для разрешения доступа к сервисам. Безопасность работы с сервисами находится на низком уровне: пользователи выбирают простые пароли, которые легко подобрать, сложные пароли записывают, нетрудно реализуются атаки социальных инженеров. Актуальной является задача повышения эффективности процесса управления доступом и увеличения удобства работы с сервисами путем интеграции механизмов управления доступом к сервисам разных типов. Интеграция осложняется тем, что сервисы используют различные протоколы управления доступом: RADIUS, KERBEROS, LDAP, SAML, WS-Security и др. Для хранения правил разграничения доступа применяются различные репозитории: текстовые файлы, XML, реляционные СУБД, каталоги LDAP. В последнее время все большей популярностью пользуются интегрированные системы, позволяющие управлять доступом к сервисам разных типов, независимо от деталей взаимодействия. При этом расхождения в базовых семантических моделях этих систем приводят к проблемам интероперабельности и существенно ограничивают круг поддерживаемых сервисов.
В качестве основного результата проекта ожидается разработка программного модуля обеспечивающего создание, хранение и проверку цифрового биометрического профиля, пригодного для встраивания в сторонние ИС на заданном стеке.
Чему студент научится?
- Студенты за время выполнения работ по проекту рассмотрят полный жизненный цикл разработки ПО. Научаться описывать требования (функциональные и не функциональные) к разрабатываемым компонентам. Рассмотрят различные архитектуры, обеспечивающие решение задачи интеграции модулей. Познакомятся с Базами Данных, на практике рассмотрят их использование в разрабатываемом модуле. Рассмотрят
Какие начальные требования?
- Знание принципов ООП, владение одним из языков разработки Java, Python, .Net Core
Какие будут использоваться технологии?
- Конкретные технологии и методы
Open CV, нейронные сети
- Инструменты и программы
Критерии оценки
- Что должно получиться на "удовлетворительно"
В качестве результата должен получиться модуль обеспечивающий распознавание человека по фотографии его лица. Подготовлена обучающая выборка, разработан программный модуль, обучена нейронная сеть.
- Что должно получиться на "отлично"
Дополнительно к предыдущему варианту обеспечена возможность подключения видеоисточников (камер) и подготовленные алгоритмы распознавания лиц адаптированы для работы с видеоконтентом. Рассмотрен тематический пример, обеспечивающий решение практической задачи.
Подробное описание
Ниже приведены ряд статей, обеспечивающих лучшее представление о задачах предметной области. http://lib.secuteck.ru/articles2/sys_ogr_dost/kak-pravilno-sravnivat-algoritmy-raspoznavaniya-lits-chto-stoit-za-reklamoy
https://en.wikipedia.org/wiki/Face_Recognition_Vendor_Test
https://www.nist.gov/programs-projects/face-recognition-vendor-test-frvt
https://azure.microsoft.com/ru-ru/services/cognitive-services/face/
https://habr.com/ru/post/133826/
https://habr.com/ru/post/306568/ https://www.dropbox.com/s/fyoz7d5cqxjexgb/avtoreferat.pdf?dl=1 https://www.computer-museum.ru/technlgy/bio_sistems.htm https://svtsk.ru/members/mediatechnika/ https://www.sciencehunter.net/Handbook/Face_db
База и API https://www.clarifai.com/ База данных изображений ссылка
Контакты
Пономарев Алексей aaponomarev@tpu.ru