Автор: José Ibarra-Estévez, Kimberly Paredes.
Перевод: Яковлев М.Ю.
Источник: José Ibarra-Estévez, Kimberly Paredes // Revista PUCE .2018. Núm. 106.
ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ ДЛЯ КОНТРОЛЯ ДОСТУПА НА ОСНОВЕ РАСПОЗНАВАНИЯ ЛИЦ
Получено: 27 сентября 2017 г.
Принято: 31 января 2018 г.
Ключевые слова: искусственные нейронные сети,
искусственный интеллект, системы контроля доступа, распознавание лиц.
Резюме
В данной работе представлена разработка системы на основе искусственных нейронных сетей для быстрого распознавания лиц и ее использования для контроля доступа. Распознавание лиц представляет собой тему, вызывающую большой интерес благодаря своему влиянию и возможностям применения в рабочих вопросах, контроле доступа в помещения, общественной безопасности, активации и эксплуатации оборудования и т. д. Контроль доступа - одна из мер, которая может способствовать обеспечению безопасности персонала в организации или в домашних условиях, поэтому важно использовать технологические инструменты, которые помогают распознавать лица и автоматизировать процессы контроля доступа. Искусственный интеллект продемонстрировал свою полезность и применимость в различных областях повседневной жизни, и в частности искусственные нейронные сети, благодаря их способности к обучению и обобщению, являются новым методом, который может быть использован для распознавания лиц. В разработанной системе искусственные нейронные сети используются для быстрого распознавания лиц путем извлечения признаков из изображения лица. Реализация системы включает в себя разработку с использованием свободных аппаратных средств для автоматизации системы контроля доступа. Разработанная система была внедрена в одной из компаний города Ибарра, Эквадор, получив положительные результаты и позволив осуществлять регистрацию и контроль доступа сотрудников и посетителей.
Аннотация
В данной статье описывается разработка системы на основе искусственных нейронных сетей для быстрого распознавания лиц и ее использование в системе контроля доступа. Распознавание лиц - тема, вызывающая большой интерес благодаря своему влиянию и возможному применению, связанному с вопросами трудоустройства, входа в контрольные помещения, безопасности, активации и эксплуатации оборудования и т. д. Контроль доступа - это один из видов деятельности, который может помочь обеспечить безопасность персонала в организации или в домашних условиях, поэтому важно использовать технологические инструменты для соответствующего распознавания лиц и автоматизации процессов контроля доступа. Искусственный интеллект доказал свою полезность и применимость в различных областях повседневной жизни, и в частности искусственные нейронные сети благодаря своей способности к обучению и обобщению являются новым и потенциальным инструментом для использования в технологии распознавания лиц. В разработанной системе искусственные нейронные сети используются для быстрого распознавания лиц путем извлечения признаков из изображения лица. Реализация системы включает разработку с использованием свободных аппаратных средств для автоматизации системы контроля доступа. Разработанная система была внедрена в одной из компаний города Ибарра, Эквадор, получив благоприятные результаты и позволив регистрировать и контролировать доступ сотрудников и посетителей.
Введение
Распознавание лиц (Serratosa, 2012) представляет собой тему, вызывающую большой интерес в связи с ее влиянием и возможным применением в таких областях, как трудоустройство, контроль доступа, безопасность граждан и др.
Биометрические системы позволяют идентифицировать человека по различным частям тела (рука, глаза, лицо, палец), кодам доступа или картам, но в ряде случаев и ключи, и карты уязвимы для мошенничества или клонирования, в отличие от систем, основанных на биометрии, которые считаются одними из самых надежных (Motato Toro & Loaiza Co rrea, 2009).
Контроль доступа (Li & Jain, 2004) - это одна из мер, которая может способствовать обеспечению безопасности персонала в коммерческой организации, поэтому предлагается разработать приложение для контроля доступа на основе технологий распознавания лиц с использованием интеллектуальных систем, в частности искусственных нейронных сетей.
В исследовании, проведенном (Romero, 2016), были проведены тесты с использованием изображений, полученных из Интернета, и изображений, полученных с помощью веб-камеры, и сделан вывод, что полученные результаты показали, что вычислительное решение достаточно устойчиво к боковому повороту лица, а также к различным типам цвета кожи, при условии достаточного уровня освещенности.
Что касается биометрических систем, то они в основном относятся к области распознавания лиц, радужной оболочки глаза и отпечатков пальцев. Их объединяет процесс работы, который состоит из трех этапов: обучение, тренировка и, наконец, этап тестирования (Espinosa Duró, 2001).
Искусственный интеллект продемонстрировал свою полезность и применение в различных областях повседневной жизни (Aguilar & Rivas, 2001), и в частности искусственные нейронные сети (Hagan, Demouth, Beale & De Jesús, 2014), благодаря их способности к обучению и обобщению они являются новой технологией, которую потенциально можно использовать для распознавания лиц. В данной работе мы намерены использовать искусственные нейронные сети для распознавания лиц для приобретения навыков разработки приложений с использованием интеллектуальной техники.
Теоретическая основа
Распознавание лиц - это область, которая является частью распознавания образов. В последние годы оно стало представлять большой интерес, особенно благодаря широкому спектру применений в различных областях, таких как безопасность, видеонаблюдение, смарт-карты и т. д.
Ниже будут описаны методики, используемые в настоящее время для распознавания лиц (Blázquez, 2013), и приведены некоторые репрезентативные методы каждой из них. Однако важно отметить, что, хотя в последние годы в области распознавания лиц был достигнут большой прогресс за счет разработки более надежных методов, позволяющих решать такие проблемы, как изменения освещенности, повороты, окклюзии и т. д., все еще нельзя говорить о методах распознавания лиц, которые были бы высоконадежными и устойчивыми к различным условиям или обстоятельствам таким образом, чтобы они напоминали процесс распознавания, осуществляемый человеком. Поэтому одни методы лучше работают в одних условиях, а другие - в других, что говорит о том, что выбор того или иного метода и используемых технологий основывается на конкретных требованиях приложения, для которого выполняется задача распознавания.
Методики распознавания лиц по статичным изображениям
Методы, основанные на геометрических признаках
Эти методы ориентированы на построение моделей человеческого лица, основанных на геометрических характеристиках (инвариантных характеристиках), которые позволяют установить различия между одним лицом и другим. Модели могут варьироваться от набора антропометрических измерений лица, таких как межглазное расстояние, расстояние между глазами и носом, расстояние между ртом и носом, размер рта, размер глаз, высота или ширина области лица, среди прочих измерений; до более сложных моделей, таких как эластичные диаграммы, состоящие из узлов в определенных точках лица (глаза, нос, контуры, среди прочих). Как видно, одним из важнейших этапов в этих методах является обнаружение локальных особенностей (глаза, рот, нос и т. д.), поскольку они являются основой для построения модели лица. Для выделения этих признаков каждый из них рассматривается как новый паттерн (со своими особенностями). Одной из наиболее часто используемых методик для этой цели является сопоставление.
После построения модели лица обычно используются статистические методы или нейронные сети для определения личности человека на основе созданной модели и ее компонентов.
Методы, основанные на геометрических признаках, обычно меньше подвержены влиянию изменений освещенности изображений, что является их преимуществом, однако они менее устойчивы к изменениям выражения лица, а построение моделей может быть сложным и вычислительно дорогим.
Холистические или основанные на образах методы
Эти методы концептуально связаны с использованием шаблонов, они пытаются идентифицировать лица, используя глобальные представления. То есть они рассматривают изображение лица как единое целое и поэтому не пытаются анализировать его содержание, а извлекают соответствующие признаки из всей области.
После извлечения признаков области лица, как и в случае с методами, основанными на геометрических признаках, для распознавания можно использовать статистические методы или нейронные сети. Эти методы обычно используются на изображениях низкого разрешения.
Гибридные методы
Сочетание аспектов вышеперечисленных методов. Если считать, что холистические методы и методы, основанные на геометрических признаках, имеют преимущества и недостатки по отношению друг к другу, то их комбинирование позволяет добиться лучших результатов.
В данной работе будет использован один из методов, основанных на геометрических признаках, а затем для распознавания лиц будет применена искусственная нейронная сеть.
Экспериментальная процедура
В данной работе для создания прототипа будет использован один из методов, основанный на геометрических характеристиках; проведено исследование теоретических основ искусственных нейронных сетей, распознавания лиц, контроля доступа, имеющихся вычислительных инструментов.
Используемая методология основана на методологии разработки интеллектуальных систем и программной инженерии (Aguilar & Rivas, 2001).
Что касается используемых материалов и оборудования, то можно отметить следующее:
· Веб-камера Microsoft LifeCam Studio 1080p HD, которая отвечает за получение видео в момент распознавания лица.
· Ноутбук HP, на котором размещена система DaxaControlAcces.
· Arduino mega 2560, в котором хранится программа, взаимодействующая с электрозамком.
· 4-канальный релейный модуль для Arduino, который отвечает за коммутацию других токовых нагрузок, подключенных к сети.
· Электрозамок 12v viro, который отвечает за открытие двери.
· Трансформатор, который отвечает за преобразование входного напряжения 110 В в 12 В, которое и получает электрозамок.
· Блок питания, который отвечает за прием 110 В и отправку 5 В, чтобы не было перегрузки по напряжению.
· Выключатель, который отвечает за обеспечение 6 электрических розеток.
Проектирование и разработка системы распознавания лиц на основе нейронных сетей
В первую очередь получаются шаблоны лиц пользователей, на основе которых будут построены нейронные сети. Для работы используются четыре шаблона: ширина лица, высота лица, ширина и высота начала изображения.
Для получения этих параметров используется веб-камера, позволяющая получить изменения шаблона лица пользователя за определенный период времени с помощью библиотеки OpenCV (OpenCV 2018), а также наличие процесса обработки входных изображений и их реконструкции.
Рисунок 1. Входные и восстановительные изображения
Источник: Собственная разработка
После получения параметров лица пользователя строится нейронная сеть, которая в результате генерирует уравнение, которое будет использоваться в системе для валидации пользователя и контроля доступа или отказа в доступе.
Процесс валидации пользователя в системе с использованием нейронной сети:
1.
Получение значений от аутентифицируемого
пользователя
this.alto = tmp.getValor1();
this.ancho = tmp.getValor2();
this.oAncho = tmp.getValor3();
this.oAlto = tmp.getValor4();
2.
Объявление максимумов и минимумов
