Автоматизована система верифікації особи при контролі знань в умовах офлайн-навчання

Abstract

Метою роботи є створення автоматизованої системи верифікації особи, ефективність якої підтверджувалась б в умовах роботи закладу освіти. Для досягнення поставленої мети у роботі вирішувались такі завдання: 1. Проведення аналізу існуючих рішень для верифікації особи при контролі знань та сформування вимог до проектованої системи. 2. Вибір ефективних алгоритмів виявлення та розпізнавання облич. 3. Розроблення та інтегрування в LMS ATutor автоматизованої системи верифікації особи. 4. Дослідження ефективності роботи системи в реальних умовах контролю знань. Загальна характеристика роботи: проведено аналіз існуючих на ринку рішень для верифікації особи при контролі знань, сформовано вимоги для цільової системи. Розглянуто основні алгоритми і підходи до виявлення та розпізнавання облич в результаті чого обрано ефективну комбінацію алгоритмів гістограми напрямлених градієнтів (HOG) в поєднанні із методом опорних векторів (SVM) та глибинних згорткових нейронних мереж (CNNs). Спроектовано і реалізовано систему фотофіксації та верифікації особи при контролі знань в LMS ATutor та подано результати дослідження ефективності її роботи.

The purpose of the work is to create an automated identity verification system, the effectiveness of which would be confirmed in the working conditions of an educational institution. To achieve this goal, the following tasks were addressed in the work: 1. Conducting an analysis of existing solutions for identity verification during knowledge assessments and formulating requirements for the designed system. 2. Selecting effective algorithms for facial detection and recognition. 3. Developing and integrating an automated identity verification system into the LMS ATutor. 4. Investigating the effectiveness of the system in real conditions of knowledge control. General characteristics of the work: an analysis of existing market solutions for identity verification during knowledge assessments was conducted, and requirements for the target system were formulated. The main algorithms and approaches to facial detection and recognition were reviewed, resulting in the selection of an effective combination of histogram of oriented gradients (HOG) algorithms in combination with the support vector machine (SVM) method and deep convolutional neural networks (CNNs). A system for photo capture and identity verification during knowledge assessments in LMS ATutor was designed and implemented, and the results of the effectiveness study were presented.