Please use this identifier to cite or link to this item: http://elartu.tntu.edu.ua/handle/lib/39646
Title: Апаратно-програмна реалізація ідентифікації обличь в інформаційних системах CCTV
Other Titles: Hardware And Software Implementation of Face-Identification in CCTV Information Systems
Authors: Терлецький, Тарас Володимирович
Terletskyi, Taras Volodymyrovych
Affiliation: ТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м. Тернопіль, Україна
Bibliographic description (Ukraine): Терлецький Т. В. Апаратно-програмна реалізація ідентифікації обличь в інформаційних системах CCTV : кваліфікаційна робота освітнього рівня магістра за спеціальністю „126 – інформаційні системи та технології“ / Т. В. Терлецький. – Тернопіль : ТНТУ, 2022. – 69 с.
Issue Date: 22-Des-2022
Submitted date: 8-Des-2022
Date of entry: 27-Des-2022
Country (code): UA
Place of the edition/event: ТНТУ ім. І.Пулюя, ФІС, м. Тернопіль, Україна
Supervisor: Приймак, Микола володимирович
Committee members: Оробчук, Олександра Романівна
UDC: 004.03
Keywords: інформаційна система
information system
відеокамера
video camera
ідентифікація
identification
кластерний підхід
cluster approach
метод
method
роздільна здатність
resolution
алгоритм
algorithm
Abstract: Кваліфікаційна робота присвячена вирішенню питань апаратно-програмній реалізації ідентифікації обличь в інформаційній системі CCTV. В кваліфікаційній роботі проаналізовано процеси розпізнавання та ідентифікація обличчя суб’єкта людиною, висвітлено існуючі шляхи та підходи до реалізації цієї системи на різних рівнях, подано результати аналізу основних методів розпізнавання, описані основні вимоги та правила розташування відеокамер. Подано аналітичні залежності визначення необхідних технічних параметрів відеокамери, описано вплив фокусної відстані на рівень ймовірності розпізнавання суб’єкта, пояснена процедури виявлення обличь із загальної сцени методом Віоли-Джонса та їх ідентифікація оператором LBP. В роботі наведено результати обчислення необхідних технічних параметрів відеокамери та впливу фокусної відстані на ймовірності розпізнавання суб’єкта, наведено опис та реалізацію алгоритмів виявлення обличчя в кадрі, створення бази даних обличь, навчання розпізнавача LBPH та ідентифікації обличчя суб’єкта. Об’єкт дослідження: апаратний та програмний рівень реалізації ідентифікації обличь в інформаційній системі CCTV. Предмет дослідження: оперативна задача ідентифікації суб’єкта за обличчям.
The qualification work is dedicated to the solution of hardware and software implementation of face identification in the CCTV information system. In the qualification work, the processes of recognition and identification of the subject's face by a person are analyzed, the existing ways and approaches to the implementation of this system at different levels are highlighted, the results of the analysis of the main recognition methods are presented, the main requirements and rules for the location of video cameras are described. Analytical dependencies of determining the necessary technical parameters of the video camera are presented, the effect of the focal length on the probability of subject recognition is described, the procedures for detecting faces from the general scene using the Viola-Jones method and their identification by the LBP operator are explained. The paper presents the results of calculating the necessary technical parameters of the video camera and the effect of focal length on the probability of subject recognition, describes and implements algorithms for face detection in the frame, creation of a face database, training of the LBPH recognizer and identification of the subject's face. The object of the study: the hardware and software level of the implementation of face identification in the CCTV information system. The subject of the study: the operational task of identifying the subject by face.
Content: ВСТУП 8 1 АНАЛІЗ ПРЕДМЕТНОЇ ОБЛАСТІ 11 1.1 Розпізнавання та ідентифікація обличчя суб’єкта людиною 11 1.2 Шляхи реалізації ідентифікації обличь в інформаційних системах CCTV 14 1.3 Існуючі підходи реалізації ідентифікації обличь в інформаційній системі CCTV на програмному рівні 16 1.3.1 Результати аналізу основних методів розпізнавання групи «кластерних» підходів 20 1.4 Вимоги та правила розташування відеокамер при вирішенні оперативної задачі ідентифікації суб’єкта 23 1.5 Висновок до першого розділу 25 2 АНАЛІТИЧНА ЧАСТИНА 27 2.1 Визначення необхідних технічних параметрів відеокамери 27 2.2 Вплив фокусної відстані на ймовірність розпізнавання суб’єкта 30 2.3 Теоретичний базис програмної реалізації ідентифікації обличь 32 2.3.1 Виявлення обличь із загальної сцени за методом Віоли- Джонса 32 2.3.2 Ідентифікація обличь оператором LBP 36 2.4 Висновок до другого розділу 39 3. ОБЧИСЛЮВАЛЬНИЙ ЕКСПЕРИМЕНТ 41 3.1 Обчислення технічних параметрів відеокамери 41 3.2 Результати обчислення впливу фокусної відстані на ймовірності розпізнавання 44 3.3 Опис та реалізація алгоритму 46 3.3.1 Алгоритм виявлення обличчя в кадрі 46 3.3.2 Алгоритм створення бази даних обличь 50 3.3.3 Навчання розпізнавача LBPH 51 3.3.4 Ідентифікація обличчя суб’єкта 52 3.4 Висновок до третього розділу 53 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 54 4.1 Небезпечні й шкідливі фактори при виконанні робіт з монтування системи CCTV 54 4.2 Заходи забезпечення сприятливих (безпечних) умов праці 56 4.3 Пожежна профілактика 60 4.4 Висновки до четвертого розділу 62 ВИСНОВКИ 64 ПЕРЕЛІК ДЖЕРЕЛ 65 ДОДАТКИ
URI: http://elartu.tntu.edu.ua/handle/lib/39646
Copyright owner: © Терлецький Тарас Володимирович, 2022
References (Ukraine): 1. Карпенко Н.А. Механізми міжособистісного сприймання // Науковий вісник Львівського державного університету внутрішніх справ. – Львів, 2011. №2. – С. 15-28. [Електронний ресурс]. URL:http://dspace.lvduvs.edu.ua/handle/1234567890/1370
2. Ярбус А.Л. Роль движений глаз в процессе зрения - Москва: Наука, 1965. – 173 с. [Електронний ресурс]. URL: https://www.twirpx.com/file/1767514/
3. Барабанщиков В. А., Ананьева К. И., Харитонов В. Н. Организация движений глаз при восприятии изображений лица // Экспериментальная психология. Москва: МГППУ, 2009. Том 2, № 2. – С. 31-60. [Електронний ресурс]. URL: https://lib.ipran.ru/upload/papers/13012125.pdf
4. Ємельянова Т. В. Робочий простір пізнавального процесу як простір ментальних конструктів когнітивного механізму мислення // Наукові записки. Випуск 191. Серія: Педагогічні науки. – Кропивницький: РВВ ЦДПУ ім.В.Винниченка, 2020. – С 74-77. [Електронний ресурс]. URL: https://pednauk.cuspu.edu.ua/index.php/pednauk/article/view/674
5. Основні біометричні характеристики, сучасні системи та технології біометричної аутентифікації. Валеріян Швець, Андрій Фесенко // Ukrainian Scientific Journal of Information Security, 2013, vol. 19, issue 2. С. 99-111. [Електронний ресурс]. URL: https://jrnl.nau.edu.ua/index.php/Infosecurity/article/view/4882
6. Viola P. , Jones M. Rapid object detection using a boosted cascade of simple features // IEEE CVPR01. – 2001. – P. 511–518. [Електронний ресурс]. URL:https://www.scirp.org/(S(351jmbntvnsjt1aadkozje))/reference/referencespapers.aspx?referenceid=2961550
7. W. Zhao, R. Chellappa, P. J. Phillips, A. Rosenfeld. Face recognition: A literature survey, Journal ACM Computing Surveys (CSUR), 2003, Volume 35, Issue 4, pp. 399 – 458. [Електронний ресурс]. URL:https://inc.ucsd.edu/mplab/users/marni/Igert/Zhao_2003.pdf
8. H.V. Nguyen, L. Bai, L. Shen. Local Gabor Binary Pattern Whitened PCA: A Novel Approach for Face Recognition from Single Image Per Person // Advances in Biometrics. Lecture Notes in Computer Science Volume 5558, 2009, pp. 269 – 278. [Електронний ресурс]. URL:https://www.researchgate.net/publication/221383482_Local_Gabor_Binary_Pattern_Whitened_PCA_A_Novel_Approach_for_Face_Recognition_from_Single_Image_Per_Person
9. H.R. Kanana, K. Faez, Y. Gaob. Face recognition using adaptively weighted patch PZM array from a single exemplar image per person // Pattern Recognition, 2008, Volume 41, Issue 12, pp. 3799 – 3812. [Електронний ресурс]. URL: https://www.sciencedirect.com/science/article/abs/pii/S0031320308002033?via%3Dihub
10. S. Nikan, M. Ahmadi. Human face recognition under occlusion using LBP and entropy weighted voting // 2012 21st International Conference on Pattern Recognition (ICPR), 11-15 Nov. 2012, pp. 1699 – 1702.
11. T. Ahonen, A. Hadid, M. Pietikainen. Face Description with Local Binary Patterns: Application to Face Recognition // Pattern Analysis and Machine, 2006, Volume 28, Issue, 12, pp. 2037 – 2041. [Електронний ресурс]. URL: https://www.scirp.org/(S(351jmbntvnsjt1aadkozje))/reference/referencespapers.aspx?referenceid=2037884
12. Moghaddam B. and Pentland A. Probabilistic Visual Learning for Object Representation. IEEE Transactions on Pattern Analysis and Machine Intelligence 1997, Vol. 19, P. 696-710. [Електронний ресурс]. URL: https://www.semanticscholar.org/paper/Probabilistic-Visual-Learning-for-ObjectMoghaddam-Pentland/74b312560b79929540734067e58de46966b96130
13. D. B. Graham and N. M. Allinson “Face recognition using virtual parametric eigenspace signatures,” Image Processing and its Applications, P. 106-110, 1997. [Електронний ресурс]. URL:https://ieeexplore.ieee.org/document/615002
14. Метод Виолы-Джонса для распознавания объектов на изображении. Тымчук А.И. // Информатика, вычислительная техника и управление. Серия: Естественные и технические науки №6 июнь 2017 г. Ростов на Дону ЮФУ. с.63-68. [Електронний ресурс]. URL: http://www.nauteh-journal.ru/files/7a7d96c9- acd8-4936-819f-5607386faf51
15. Терлецький Т.В., Ткачук А.А., Кайдик О.Л., Цебрук В.Р. Критерії вирішення оперативних задач світових стандартів інформаційних систем CCTV // Науковий журнал «Комп’ютерно-інтегровані технології: освіта, наука, виробництво». – Луцьк, 2020. Випуск № 41. – С. 218-226.
16. BS 7958:2009 CCTV management and operation code of practice. [Електронний ресурс]. URL: https://infostore.saiglobal.com/en-us/Standards/BS7958-2009-2009-263522_SAIG_BSI_BSI_609599/
17. EN 50132-7:2012. Alarm systems - CCTV surveillance systems for use in security applications - Part 7: Application guidelines. [Електронний ресурс]. URL: https://www.slideshare.net/malvvv/en-501327
18. Учебный курс по проектированию видеонаблюдения: “Решение практических задач видеонаблюдения”. [Електронний ресурс]. URL: https://www.jvsg.com/uroki-videnabludeniya/
19. Mark Peterson, VP Advanced Technology, Theia Technologies. How to calculate image resolution in rectilinear lenses. [Електронний ресурс]. URL: https://www.theiatech.com/support/white-papers-case-studies-editorials/how-tocalculate-image-resolution-in-rectilinear-lenses/
20. Методика вероятностного анализа процесса наблюдения в цифровых телевизионных системах видимого диапазона / А.Л. Воробьев, Ю.П. Журик, А.М. Краснов, С.Н. Шашков // Труды МАИ, 2011, № 49. [Електронний ресурс]. URL: http://trudymai.ru/upload/iblock/a8d/metodika-veroyatnostnogo-analizaprotsessa-nablyudeniya-v-tsifrovykh-televizionnykh-sistemakh-vidimogodiapazona.pdf?lang=ru&issue=49
21. Wang Haiyan, He Zhongshi, Huang Yongwen, Chen Dingding, Zhou Zexun. Bodhisattva head images modeling style recognition of Dazu Rock Carvings based on deep convolutional network // Journal of Cultural Heritage. 2017. Vol. 27. P. 60-71. [Електронний ресурс]. URL: https://en.xmol.com/paper/article/1356405066352148480
22. Taigman Y., Yang M., Ranzato M., Wolf L. Deepface: closing the gap to human-level performance in face verification // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2014. P. 1701-1708. [Електронний ресурс]. URL: https://www.bibsonomy.org/bibtex/25704a9ab4c0abe0c34b34b7d564b9401/seboettg
23. Bledsoe W.W. Some Results on Multicategory Pattern Recognition // J. ACM. 1966. No.13. P. 304-316. [Електронний ресурс]. URL: https://dl.acm.org/doi/pdf/10.1145/321328.321340
24. П.П. Николаев, Г.И. Рожкова Анализ концепции А. Л. Ярбуса о роли слепой сетчатки в цветовосприятии // Сенсорные системы, 2017, том 31, № 2. - С. 114–136. [Електронний ресурс]. URL: http://iitp.ru/upload/publications/7429/114136_.pdf
25. ГОСТ 12.0.003-2015. Небезпечні та шкідливі виробничі фактори. Класифікація. Москва : ИПК Издательство стандартов. [Чинний від 2017-03-01]. (Міждержавний стандарт) [Електронний ресурс]. URL: https://docs.cntd.ru/document/1200136071
26. ДСН 3.3.6.042-99. Санітарні норми мікроклімату виробничих приміщень. [Електронний ресурс]. URL: https://zakon.rada.gov.ua/rada/show/va042282-99#Text
27. ГОСТ 12.1.005-88. ССБТ. Загальні санітарно-гігієнічні вимоги до повітря робочої зони. [Електронний ресурс]. URL: http://online.budstandart.com/ua/catalog/doc-page.html?id_doc=6264
Content type: Master Thesis
Appears in Collections:126 — інформаційні системи та технології

Files in This Item:
File Description SizeFormat 
STd-2_Terletskyi_T_V.pdf1,99 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

Admin Tools