Details

Выпускная квалификационная работа посвящена проектированию и реализации автономного десктопного комплекса для автоматизации кадрового контроля на базе биометрической идентификации. Основная цель исследования заключается в создании локального приложения, обеспечивающего бесконтактную фиксацию присутствия сотрудников, ведение журнала посещаемости и защищенное хранение аналитических данных. В ходе проекта была сформирована модульная архитектура системы и программно реализованы конвейеры обнаружения и распознавания лиц с использованием инструментов OpenCV DNN и алгоритма LBPH. Для обеспечения прикладного функционала спроектирована база данных SQLite и графическая оболочка на базе фреймворка Tkinter, а также интегрирован комплекс логических фильтров для повышения стабильности распознавания. По итогам проведения экспериментальной проверки подтвердились: общая отказоустойчивость ПО, высокая точность верификации персонала и способность вычислительного конвейера функционировать в режиме реального времени на CPU без привлечения специализированных GPU-ускорителей. Полученные результаты доказывают практическую ценность и готовность разработанного продукта к внедрению в инфраструктуру малого и среднего бизнеса.

This thesis presents the design and implementation of an autonomous desktop system for automated HR and attendance control based on biometric identification. The primary objective of the study is to develop a local application that provides contactless employee tracking, attendance logging, and secure storage of analytical data. Throughout the project, a modular system architecture was engineered, and face detection and recognition pipelines were deployed using OpenCV DNN tools and the LBPH algorithm. To support the core application features, an SQLite database and a graphical user interface were developed using the Tkinter framework, alongside an integrated suite of logical filters to enhance recognition stability. Experimental evaluation confirmed the softwares overall fault tolerance, high accuracy in personnel verification, and the computational pipelines capacity to run in real-time on a CPU without requiring specialized GPU accelerators. The results demonstrate the practical viability of the developed product and its readiness for deployment within small and medium-sized enterprise infrastructures.