Файл: Исследование и разработка информационной системы face recognition для повышения эффективности компании.pptx
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 23.11.2023
Просмотров: 20
Скачиваний: 1
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
Исследование и разработка информационной системы face recognition для повышения эффективности компании
Кафедра «Информационные системы»
Аннотация
Актуальность проведения исследований по разработке информационной системы крупных компании для накопления и защиты информационных ресурсов методами биометрической идентификации личности подтверждается многими учеными нашей страны и за рубежом.
Методы распознавания личности охватывают всеобщее применение в СКУД к рабочим местам, мобильным устройствам, локальным и глобальным информационным ресурсам. Для распознавания лица сотрудника компании не требуется специальная техника. Регистрированный биометрический признак в составе информационной системы компании нельзя потерять, забыть или передать. Поэтому дальнейшее улучшение алгоритмов распознавания изображений лица сотрудника позволит устранить подмену распознаваемого лица фотографией. Становится востребованным унификация способов без воздействия на распознаваемый объект, с физическим и командным воздействием.
Цель работы: Разработка информационной системы и исследование структуры, математических моделей и технологий для комплексного решения задачи распознавания пользователей информационных ресурсов, отличающегося низкой вычислительной сложностью и не требующего дополнительного оборудования.
Объект исследования: Информационная система и ресурсы компании ЭРА.
Предмет исследования: Математический аппарат и модели в области Информационных систем и системы информационной безопасности, а также объектно-ориентированного программирования.
Научная новизна: 1 Рассмотрена математическая модель информативного признака ИС компании, предложена методика построения гистограмм цифровых шаблонов, способ сравнения фрагментов изображения лица, алгоритм определения информативных признаков лица с низкой сложностью обработки видеосигнала через распознавание образов изображений лиц.
2 Обоснованы и исследованы алгоритм подтверждения подлинности распознаваемого объекта обработки яркостей сопряжённых пикселей изображений лица, что позволяет обнаружить подмену лица сотрудника компании, предъявляемого системе распознавания.
3 Выработано решение задачи распознавания лица пользователей информационных ресурсов на основе цифровой технологии и высокую вероятность правильного распознавания лица по сканеру.
4 Рассмотренные математические модели, методика и алгоритм реализован в виде программы для реализации процессов распознавания и подтверждения подлинности распознаваемого объекта.
Аннотация
Практическая значимость: В теоретическом плане заключается в разработке методики построения информативного признака объекта с подтверждением подлинности распознаваемого объекта и технологи распознавания пользователей информационных систем по изображению лица.
Прикладная ценность: Возможность использования полученных результатов в подразделениях авиакомпании для принятия решения о предоставлении доступа сотрудника к рабочим местам, бизнес- процессам и информационным ресурсам ИЦ.
Постановка задачи: 1 Анализ известных методов распознавания человека по изображению лица и подтверждения подлинности распознаваемого объекта. Обоснование выбора методики построения модели распознаваемого объекта.
2 Обзор и исследование модели и алгоритма цифрового определения информативных признаков метода распознавания.
3 Разработка и описание алгоритма подтверждения подлинности распознаваемого объекта.
4 Разработка технологии ИЦ компании и исходного текста проблемно-ориентированной программы обеспечения процессов распознавания и подтверждения подлинности распознаваемого объекта.
Информационная база исследования: Проблемы создания и защиты ИР ИЦ и оценки их производительности широко обсуждаются в журналах: Информационные системы, Системы информационной безопасности и защиты информации, Сети и системы телекоммуникации, IIЕЕ Network, IIЕЕ/АСМ Transactions on Networking, «Networks, LAN / Журнал сетевых решений.
Анализ существующих решений и формулировка задач исследования
Теоретическая часть
Существующие способы распознавания человека разделены на 4 направления [20]:
- по имени пользователя и паролю;
- с применением специализированных устройств (микропроцессорных и пластиковых карточек, токенов);
- по биометрическим характеристикам человека;
- смешанный способ (биометрическим характеристикам, имени пользователя и паролю).
В ходе исследования разрабатывается технология для обеспечения бизнес-процесса идентификации (по чертам лица) и аутентификации (со смешанным способом по чертам лица, логину и паролю), а также программное обеспечение для её реализации.
Автоматическое распознавание изображения лиц сотрудника
Проведена классификация способов подтверждения
подлинности распознаваемого объекта
Способы с физическим воздействием можно условно разделить на 2 вида:
- способы, применяющие ИК излучение (ИКИ), с последующим анализом
следующих характеристик: оптических свойств (ОС) человеческой кожи и зрачков, рельефной структуры (РС) объекта;
2) способы, применяющие видимый спектр света (ВСС), с последующим анализом следующих характеристик: оптических свойств (ОС) человеческой кожи и зрачков, реакции зрачков (РЗ), рельефной структуры (РС) объекта.
Способы без воздействия на объект разделяют на 3 вида:
1) способы, анализирующие текстурные признаки (АТП): локальные бинарные шаблоны (ЛБШ), гистограммы градиентов;
2) способы, использующие построение 3D модели объекта с помощью: карт глубин, преобразования, сканера или видеокамер;
3) способы, использующие обнаруженные биофизические признаки (ОБП): движение глаз, моргание, мимика, движение головы относительно фона, кровеносные сосуды, термограмма.
Исследование технологии распознавания пользователей информационных ресурсов
Практическая часть
Алгоритм распознавания изображения лица
Для повышения скорости алгоритма Пол Виола и Майкл Джонс предложили использовать интегральное изображение, имеющее одинаковые размеры с рассматриваемым изображением, на котором производится поиск координат лица.
Математическое выражение для определения интегрального изображения имеет вид:
Построение модели распознаваемого объекта:
а) поиск антропометрических точек, б) перенос формуриемой текстуры, в) результат построения модели распознаваемого объекта
Обработка информативных признаков лица
Схема построения информативных признаков:
а) изображение лица, поделенное на области,
б) разметка весов области
Деление изображения лица на регионы и примеры гистограмм
Схемы деления изображения лица
на регионы и гистограммы:
а) из 4 регионов; б) схема из 16 регионов;
в) из 4 регионов, с регионами глаз, носа и рта;
г) гистограмма из 4 регионов;
д) гистограмма из 16 регионов;
е) гистограмма из 4 регионов, с областями глаз, носа и рта
Алгоритм определения гистограмм ЛБШМП
Информационная технология распознавания изображения лиц
Технология состоит из 4 модулей:
- выделение области, содержащей лицо;
- локализация информативной области на изображении;
- вычисление информативных признаков;
- сопоставление признаков с БД изображений лиц зарегистрированных пользователей.
Модуль локализации информативной области содержит в себе такие операции, как построение активной модели внешнего вида, поиск антропометрических точек лица, перенос регионов исходного изображения в соответствующие области формируемой текстуры, применение различных фильтров к полученной текстуре.
Модуль выделения информативных признаков содержит две операции: вычисление кодов ЛБШМП, генерация и нормализация гистограммы кодов ЛБШМП.
Следующий модуль включает: операцию хранения признаков в БД и операцию сопоставления признаков исходного изображения с базой лиц. Критерием распознавания изображений является превышение эмпирически установленного порога значением функции расстояния.
Модели атак на биометрическую систему
Примеры изображений с различной интенсивностью освещения
а), г) реальный человек;
б), д) фотография;
в), е) экран телефона
Алгоритм подтверждения подлинности распознаваемого объекта
Решение задачи распознавания пользователей и контроля доступа к информационным ресурсам
Вывод:
1 Представлен и обоснован выбор численного метода построения математической модели распознаваемого объекта. Метод соответствует требованиям, выдвигаемым в ГОСТ Р 19794-5–2006 [8].
2 Предложена модификация численного метода, основанная на использовании комбинации формы и способа сравнения фрагментов информативного признака гистограмм ЛБШМП.
3 Предложен алгоритм численного определения информативных признаков, позволяющий добиться более высокой скорости вычисления шаблона (в 1,7 и в 2 раза по сравнению с лучшими аналогами Three-Patch ЛБШ и Four-Patch ЛБШ) при сохранении высокой эффективности использования распознавания образов.
4 Разработана технология распознавания изображений лиц.
5 Результаты экспериментальных исследований:
- процент случаев выдачи доступа зарегистрированному пользователю не менее 97%;
- процент ошибочной выдачи доступа человеку, не имеющему допуск, не более 2%.
Архитектура программного комплекса
Объектная модель программного комплекса
Заключение
1 Будет представлен анализ лучших методов для распознавания пользователей по изображению лица и методов подтверждения подлинности распознаваемого объекта.
2 Предложены математическая модель информативного признака объекта, метод построения гистограмм локальных бинарных шаблонов, способ сравнения фрагментов информативного признака, алгоритм цифрового определения информативных признаков изображений лиц.
3 Будет представлена классификация известных способов подтверждения подлинности распознаваемого объекта в зависимости от воздействия на объект. Разработан, обоснован и исследован метод подтверждения подлинности распознаваемого объекта. Будет представлен алгоритм, позволяющий обнаружить подмену объекта, предъявляемого системе контроля доступа.
4 Будет предложено решение задачи распознавания пользователей информационных ресурсов, в отличие от существующих обеспечивающей более высокую вероятность правильного распознавания лиц пользователей за счёт обнаружения подмены распознаваемого объекта на фотографию, видеозапись или фотомаску лица зарегистрированного пользователя.
5 Будет представлена архитектура и вариант реализация программы решения задач распознавания пользователей информационных ресурсов по изображению лица в реальном времени.
6 Выполнены экспериментальные исследования, подтвердившие работоспособность и эффективность разработанных алгоритмов и программы распознавания пользователей по изображению лица.
7 Для модуля распознавания изображений лиц процент случаев выдачи доступа зарегистрированному пользователю не менее 97%, а процент ошибочной выдачи доступа пользователю, не имеющему допуск, не более 2%.
Для модуля подтверждения подлинности процент верного распознавания реальных объектов не менее 91%, а процент пропуска подмены – не более 10%.
Литература
1 Алгулиев Р. М. Методы обнаружения живучести в биометрических системах. // Вопросы защиты информации. – 2009. – № 3 – 86с.
2 Ананьин М. А. Моделирование оптической обработки изображений с использованием вихревого пространственного фильтра. // Компьютерная оптика. – 2009. – Т. 33. – № 4. – С. 466-473.
3 Аутентификация двухмерных изображений: свидетельство о государственной регистрации программы для ЭВМ № 2013611188 Рос. Федерация / И. Н. Ефимов, А. М. Косолапов; ФГБОУ ВПО «Самарский государственный университет путей сообщения». – № 2012660384; заявл. 26.11.2012; опубл. 09.01.2013.
4 База данных двухмерных изображений для аутентификации: свидетельство о государственной регистрации базы данных № 2013620323 Рос. Федерация / И. Н. Ефимов, А. М. Косолапов ; заявитель и патентообладатель ФГБОУ ВПО «Самарский государственный университет путей сообщения». – № 2012621323; заявл. 28.11.2012; опубл. 20.02.2013.
5 Бибиков С.А. Цветовая коррекция бликов на цифровых изображениях. // Компьютерная оптика. – 2010. – Т. 34. – № 3. – С.382-391.
6 Борн М. Основы оптики / М. Борн, Э. Вольф // М: Наука. – 1973. – 720 c.
7 Глумов Н. И. Метод быстрой корреляции с использованием тернарных шаблонов при распознавании объектов на изображениях. // Компьютерная оптика. – 2008. – Т. 32. – № 3. – С.277-282.
Спасибо за внимание !