Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/39646
Повний запис метаданих
Поле DCЗначенняМова
dc.contributor.advisorПриймак, Микола володимирович-
dc.contributor.authorТерлецький, Тарас Володимирович-
dc.contributor.authorTerletskyi, Taras Volodymyrovych-
dc.date.accessioned2022-12-27T12:26:15Z-
dc.date.available2022-12-27T12:26:15Z-
dc.date.issued2022-12-22-
dc.date.submitted2022-12-08-
dc.identifier.citationТерлецький 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.uk_UA
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/39646-
dc.description.abstractКваліфікаційна 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.uk_UA
dc.description.abstractThe 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.-
dc.description.tableofcontentsВСТУП 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 ДОДАТКИuk_UA
dc.language.isoukuk_UA
dc.subjectінформаційна системаuk_UA
dc.subjectinformation systemuk_UA
dc.subjectвідеокамераuk_UA
dc.subjectvideo camerauk_UA
dc.subjectідентифікаціяuk_UA
dc.subjectidentificationuk_UA
dc.subjectкластерний підхідuk_UA
dc.subjectcluster approachuk_UA
dc.subjectметодuk_UA
dc.subjectmethoduk_UA
dc.subjectроздільна здатністьuk_UA
dc.subjectresolutionuk_UA
dc.subjectалгоритмuk_UA
dc.subjectalgorithmuk_UA
dc.titleАпаратно-програмна реалізація ідентифікації обличь в інформаційних системах CCTVuk_UA
dc.title.alternativeHardware And Software Implementation of Face-Identification in CCTV Information Systemsuk_UA
dc.typeMaster Thesisuk_UA
dc.rights.holder© Терлецький Тарас Володимирович, 2022uk_UA
dc.contributor.committeeMemberОробчук, Олександра Романівна-
dc.coverage.placenameТНТУ ім. І.Пулюя, ФІС, м. Тернопіль, Українаuk_UA
dc.subject.udc004.03uk_UA
dc.relation.references1. 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/1234567890/1370uk_UA
dc.relation.references2. Ярбус А.Л. Роль движений глаз в процессе зрения - Москва: Наука, 1965. – 173 с. [Електронний ресурс]. URL: https://www.twirpx.com/file/1767514/-
dc.relation.references3. 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-
dc.relation.references4. 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-
dc.relation.references5. 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-
dc.relation.references6. 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-
dc.relation.references7. 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-
dc.relation.references8. 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-
dc.relation.references9. 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-
dc.relation.references10. 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.-
dc.relation.references11. 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-
dc.relation.references12. 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-
dc.relation.references13. 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-
dc.relation.references14. 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-
dc.relation.references15. 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.-
dc.relation.references16. 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/-
dc.relation.references17. 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-
dc.relation.references18. Учебный курс по проектированию видеонаблюдения: “Решение практических задач видеонаблюдения”. [Електронний ресурс]. URL: https://www.jvsg.com/uroki-videnabludeniya/-
dc.relation.references19. 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/-
dc.relation.references20. 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-
dc.relation.references21. 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-
dc.relation.references22. 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-
dc.relation.references23. 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-
dc.relation.references24. 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-
dc.relation.references25. 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-
dc.relation.references26. ДСН 3.3.6.042-99. Санітарні норми мікроклімату виробничих приміщень. [Електронний ресурс]. URL: https://zakon.rada.gov.ua/rada/show/va042282-99#Text-
dc.relation.references27. 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-
dc.contributor.affiliationТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м. Тернопіль, Українаuk_UA
dc.coverage.countryUAuk_UA
Розташовується у зібраннях:126 — інформаційні системи та технології

Файли цього матеріалу:
Файл Опис РозмірФормат 
STd-2_Terletskyi_T_V.pdf1,99 MBAdobe PDFПереглянути/відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.

Інструменти адміністратора