Розробка системи ідентифікації людини за зображенням

Abstract

Кваліфікаційна робота присвячена проєктуванню та програмній реалізації мобільного застосунку для операційної системи Android, що виконує розпізнавання облич повністю на пристрої користувача без використання серверної інфраструктури. Актуальність теми зумовлена зростанням попиту на біометричні системи ідентифікації в галузях обліку відвідуваності, електронної ідентифікації клієнтів та контролю доступу, а також посиленням вимог до конфіденційності персональних даних, що робить локальну обробку біометричних ознак переважним підходом. Метою роботи є створення працездатного застосунку, який детектує обличчя у відеопотоці камери, формує векторні ознаки облич за допомогою згорткової нейронної мережі FaceNet, виконаної у середовищі TensorFlow Lite, зберігає ці ознаки у вбудованій векторній базі даних ObjectBox та визначає особу шляхом пошуку найближчого сусіда у векторному просторі. У першому розділі проаналізовано предметну область, підходи до детектування облич та формування ознак, а також виконано огляд інструментальних засобів. У другому розділі описано архітектуру системи, конвеєр розпізнавання, проєктування бази даних та алгоритмічну основу. У третьому розділі наведено особливості програмної реалізації основних модулів, результати тестування та оцінювання продуктивності. Робота містить вступ, три розділи, висновки, список використаних джерел та додатки з повним програмним кодом. Загальний обсяг основної частини становить понад 36 сторінок, робота ілюстрована рисунками, блок-схемами та таблицями.

The qualification work is devoted to the design and software implementation of a mobile application for the Android operating system that performs face recognition entirely on the user's device without relying on any server infrastructure. The relevance of the topic stems from the growing demand for biometric identification systems in attendance monitoring, electronic know-your-customer procedures and access control, as well as from increasing privacy requirements that make on-device processing of biometric features the preferred approach. The aim of the work is to build a functional application that detects faces in the camera video stream, produces facial feature vectors using the FaceNet convolutional neural network executed within the TensorFlow Lite runtime, stores these features in the embedded ObjectBox vector database and determines a person's identity through nearest-neighbor search in the vector space. The first chapter analyses the subject domain, the approaches to face detection and feature extraction, and reviews the development tools. The second chapter describes the system architecture, the recognition pipeline, the database design and the algorithmic foundation. The third chapter presents the implementation of the main modules, the testing results and the performance evaluation.