В данной работе построена и обучена модель распознавания лиц на основе остаточной нейронной сети. Для позиционирования лиц используется Признаки Хаара, предоставленный OpenCV. Для набора обучающих данных используется открытая база Yale Face Database и самостоятельно собранные данные. И попробовано извлечение выходных данных среднего слоя сети в виде вектора признаков лица и реализация распознавания лиц, сравнив признаки лиц. На основе разработанной модели реализован прототип Web приложения контроля доступа. Приложение состоит из трех подсистем: подсистемы контроля доступа, подсистемы распознавания лиц и подсистемы управления информацией. И разработаны соответствующие базы данных и определен способ и содержание передачи информации между подсистемами.

In this work, a face recognition model based on residual neural network is built and trained. The Haar-like feature provided by OpenCV is used for face localization. The training data set used the open source Yale Faces and self-collected data. Tired to extract the output of the middle layer of the model as the face feature vector, and realized face recognition by comparing the face features. Based on the developed model, a web application prototype of access control system is realized. The system consists of three subsystems: access control subsystem, face recognition subsystem and information management subsystem. And developed the relevant database and stipulated the method and content of information transfer between subsystems.

• Распознавание объектов в движении методами машинного обучения
  • Введение
  • 1. Постановка задачи
  • 2. Обзор задач распознавания лиц
  • 3. Остаточная нейронная сеть
  • 4. Разработка программного обеспечения
  • 5. Результаты работы
  • Заключение
  • Список сокращений и условных обозначений
  • Список использованных источников
  • Приложение 1. Исходные коды