Розробка системи розпізнавання осіб на основі згорткової нейронної мережі

Abstract

Захищеність і цілісність особистих даних є актуальною проблемою в сучасному світі, так як останнім часом стало більш випадків зломів паролів, банківських аккаунтів і рахунків, невірної ідентифікації особистостей, підробки особистих даних. Такі способи авте нтифікації, як доступ за паролем, використання електронних перепусток, одноразові повідомлення з кодом є ненадійними на відміну від біометричних методів. Пароль можна забути, втратити, підібрати або вкрасти, а біометричні системи контролю доступу зручні дл я користувачів тим, що носії інформації знаходяться завжди при них, не можуть бути загублені або вкрадені. Біометричний контроль доступу вважається більш надійним, так як ідентифікатори не можуть бути передані третім особам, скопійовані. З усіх видів біоме трії (ідентифікація за відбитками пальців, по райдужній оболонці ока, по голосу, по геометрії руки) ми вирішили зупинитися на розпізнаванні облич . Проаналізувавши існуючі методи класифікації зображень був вибраний оптимальний варіант згортальна нейронна мережа, успіх якої обумовлений можливістю обліку двовимірної топології зображення, на відміну від багатошарового персептрона. Технології розпізнавання осіб застосовуються в найрізноманітніших сферах: забезпечення безпеки в місцях великого скупчення людей; системах охорони; фейс контроль в сегменті громадського харчування та розваг, пошук підозрілих і потенційно небезпечних відвідувачів; верифікація банківських карт; онлайн платежі. В роботі розроблена система класифікації облич на основі згорткової нейронн ої мережі та система інтерпретації результатів класифікації, що дозволяє задавати співвідн ошення помилок 1 го та 2 го роду та обирати поріг детектування на основі цього співвідношення. На відміну від стандартного рішення, система не використовує критерій м аксимальної правдоподібності, що дозволяє отримувати більше інформації від класифікатора та зменшити рівень помилок системи. Вихідними даними для нашого дослідження є 840 фотографій, на яких зображені автори статті. Розроблений нами метод є інноваційним і дозволяє поліпшити комплексні захисні системи.

Защищенность и целостность личных данных является актуальной проблемой в современном мире , так как в последнее время уча стились случаи взломов паролей, банковских аккаунтов и счетов, неверной идентификации личностей, подделки личных данных . Такие способы аутентификации, как доступ по паролю, использование электронных пропусков, одноразовые сообщения с код ом являются ненадежными в отличие от биометрических методов. Пароль можно забыть, потерять, подобрать или украсть, а биометрические системы контроля доступа удобны для пользователей тем, что носители информации находятся всегда при них, не могут быть утеря ны либо украдены. Биометрический контроль доступа считается более надежным, т. к. идентификаторы не могут быть переданы третьим лицам, скопированы. Из всех видов биометрии (идентификация по отпечатку пальца, по радужной оболочке глаза, по голос у , по геометрии руки мы решили остановиться на распознавании лиц. Проанализировав существующие методы классификации изображений был выбран оптимальный вари ант сверточная нейронная сеть, успех которой обусловлен возможностью учета двумерной топологии изображе ния, в отличие от многослойного персептрона. Технологии распознавания лиц применяются в самых разнообразных сферах: обеспечение безопасности в местах большого скопления людей; системы охраны, избежание незаконного проникновения на территорию объекта, поиск злоумышленников; фейс контроль в сегменте общепита и развлечений, поиск подозрительных и потенциально опасных посетителей; верификация банковских карт; онлайн платежи В работе разработана система класси фикации лиц на основе сверточной нейронной сети и си стема интерпретации результатов классификации, что позволяет задавать соотношен ие ошибок 1 го и 2 го рода и выбирать порог детектирования на основе этого соотношения. В отличие от стандартного решения, система не использует критерий максимального правдопод обия, что позволяет получать больше информации от классификатора и уменьшить уровень ошибок системы. Исходными данными для нашего исследования являются 840 фотографий, на которых изображены авторы статьи. Разработанный нами метод является инновационным и п озволяет улучшить комплексные защитные системы.

Security and integrity of personal data is an important issue in the modern world, as cases of password cracks, bank accounts and accounts, incorrect identification of individuals, falsification of personal data have recently become more frequent. Such methods of a uthentication as password access, use of electronic passes, one time messages with a code are unreliable in contrast to the biometric methods. The password can be forgotten, lost, cracked or stolen, thus biometric access control systems are convenient for users because data storage devices are always with them, cannot be lost or stolen. Biometric access control is considered more reliable, because identifiers cannot be transferred to third parties or be copied. Among all the types of biometrics (identificat ion by fingerprint, by iris, by voice, by hand geometry) we decided to choose the face recognition. After analyzing the existing methods of image classification, we have chosen the best option a convolutional neural network, the success of which is due t o the possibility of taking into account the two dimensional image topology, in contrast to the multilayer perceptron. Face recognition technologies are used in a wide variety of areas: security in places with large concentrations of people; securi ty syste ms ; face control in the catering and entertainment segment, searching for suspicious and potentially dangerous visitors; verification of bank cards; online payments. We have developed a convolutional neural network, on the basis of which a post processing method was created with the subsequent possibility of choosing a threshold, which makes it possible to manage type I and type II errors. The mathematical model of our convolutional neural network was built on the Matlab system. The initial data for our stu dy are 840 photos, on which are depicted the authors of the article. The method developed by us is innovative and allows for improving protective complex systems.