Корзина (0)
Ваша корзина пустует и скучает ;)

Исследование алгоритмов распознавания и идентификации по видеофиксации в реальном времени

ID номер GIS027
Вид Материалы к диссертации Магистра
Написана в 2019
Наполнение Работа содержит 2 таблицы, 50 рисунков, состоит из 82 страниц и ссылается на 30 источников

Содержание

СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ И ОБОЗНАЧЕНИЙ 5
ВВЕДЕНИЕ 6
ГЛАВА 1 - Распознавание и идентификация объектов по видеофиксации в режиме реального времени как объект исследования 12
1.1 Области применения и принципы работы систем распознавания и идентификации лиц по видеофиксации в реальном времени 12
1.2 Исследование существующих решений в области распознавания и идентификации лиц по видеофиксации в режиме реального времени 20
1.3 Исследование основных проблем, связанных с распознаванием и идентификацией лиц по видеофиксации в режиме реального времени 28
1.4 Постановка задач исследования 32
ГЛАВА 2 - Исследование алгоритмов распознавания и идентификации лиц по видеофиксации в режиме реального времени 34
2.1 Анализ методов и алгоритмов распознавания лиц 34
2.1.1 Интенсиональные методы распознавания лиц 36
2.1.2 Экстенсиональные методы распознавания лиц 39
2.2 Оценка эффективности алгоритмов распознавания лиц по видеофиксации в режиме реального времени 44
2.3 Совершенствование работы алгоритмов распознавания лиц по видеофиксации в режиме реального времени 54
2.4 Выводы по главе 60
ГЛАВА 3 – Проектирование эффективной системы видеофиксации в части распознавания и идентификации лиц в режиме реального времени 61
3.1 Оценка влияния архитектуры системы на эффективность процессов распознавание и идентификация лиц по видеофиксации в режиме реального времени 61
3.2 Разработка рекомендаций к проекту эффективной архитектуры системы видеофиксации в части распознавания и идентификации лиц 71
3.3 Выводы по главе 77
ЗАКЛЮЧЕНИЕ 78
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ 80

Аннотация

Работа посвящена использованию современных алгоритмов распознавания и идентификации лиц по видеофиксации в реальном времени. Наряду со стремительным развитием области применения систем распознавания и идентификации по видеофиксации в режиме реального времени, на сегодняшний день существует ряд нерешенных проблем в отношении устойчивости алгоритмов распознавания к воздействию внешних условий и вычислительных требований. В работе предложены рекомендации по проектированию современной эффективной архитектуры системы видеофиксации в части распознавания и идентификации лиц, способной оказывать качественную поддержку для успешного применения исследуемой технологии.

Разработанные рекомендации по проектированию системы видеофиксации в части распознавания и идентификации объектов в режиме реального времени могут быть применены практически для любых предприятий, одним из направлений которых является производство, внедрение или сопровождение исследуемых систем.

Ключевые слова

Видеофиксация в реальном времени, алгоритмы распознавания и идентификации, архитектура системы видеофиксации, методы и алгоритмы распознавания лиц, совершенствование работы алгоритмов, совершенствование архитектуры, рекомендации по повышению эффективности работы системы видеофиксации.

Заключение

В данной работы были исследованы функциональные возможности и области применения систем распознавания и идентификации лиц по видеофиксации в реальном времени, проанализированы возможности существующих решений, а также выявлены основные проблемы, связанные с распознаванием и идентификацией лиц по видеофиксации в режиме реального времени. Исходя из проведенного анализа, был сделан вывод о том, что выбор условий съемки и первичных настроек системы очень важен для эффективной работы систем распознавания и идентификации лиц.

Вместе с тем было проведено исследование алгоритмов распознавания и идентификации лиц по видеофиксации в режиме реального времени, в рамках которого были проанализированы интенсиональные и экстенсиональные методы распознавания лиц с учетом выявления их недостатков.

Был сделан вывод о том, что в основу методов распознавания лиц по видеофиксации в режиме реального времени заложены фундаментальные закономерности, а анализ методов распознавания показывает, что в настоящее время теоретически разработан целый ряд эффективных методов распознавания образов, однако на практике для большинства этих методов программная реализация отсутствует по ряду причин. Несмотря на значительное число исследований, до сих пор не создана система, способная работать без учета многочисленных ограничений в виде шумов, расстояния до объекта, уровня освещенности и других внешних факторов. В действительности спроектировано довольно много эффективных алгоритмов, однако на практике получение качественного результата упирается в вычислительные мощности или воздействие внешних негативных факторов.

Также были предложены рекомендации по совершенствованию работы алгоритмов распознавания лиц с целью повышения оптимальности соотношения эффективности распознавания и вычислительных мощностей в условиях воздействия внешних факторов и проведено проектирование эффективной системы видеофиксации в части распознавания и идентификации лиц в режиме реального времени. Была проведена оценка влияния архитектуры системы на эффективность процессов распознавание и идентификация лиц по видеофиксации в режиме реального времени, по результатам которой были выработаны рекомендации по проектированию эффективной системы видеофиксации в контексте данного исследования.

Список
литературы

1. Ahonen T. “Face recognition based on the appearance of local regions”, Proceedings of the 17th International Conference on Pattern Recognition, 2004. - P.61-63.

2. Ahonen T. “Face description with Local Binary Patterns”, Application to Face Recognition. Machine Vision Group, University of Oulu, Finland, 2006. - P.63-66.

3. Bedre S. “Comparative Study of Face Recognition Techniques: A Review”, Emerging Trends in Computer Science and Information Technology - 2012 (ETCSIT2012) Proceedings published in International Journal of Computer Applications (IJCA), 2012. - P.65-69.

4. Beveridge J. R “When high-quality face images match poorly”, Proceedings, Ninth International Conference on Automatic Face and Gesture Recognition, 2011. - 97 p.

5. Barkan O. “Fast high dimensional vector multiplication face recognition”, ICCV, 2013. - P.58-61.

6. Berg T. “Tom-vs-pete classifiers and identity-preserving alignment for face verification”, BMVC, 2012. - P.23-25.

7. Chen T. “Total variation models for variable lighting face recognition”, IEEE Transactions on Pattern Analysis and Machine Intelligence, 1519 - 1524, 2006. - P.66-67.

8. Gottumukkal R. “An Improved Face Recognition Technique Based on Modular PCA Approach”, Pattern Recognition Letters, Vol.25, 429 - 436, 2004. - P.201-204.

9. Huang G. B. “Learning to align from scratch”, NIPS, 773 - 781, 2012. - 120 p.

10. Jigar M. “A Survey of Face Recognition approach”, International Journal of Engineering Research and Applications (IJERA) ISSN: 2248-9622 Vol.3, Issue 1, 632, 2013. - P.32-34.

11. Li S. Z. “Handbook of Face Recognition”, Springer-Verlag, Secaucus, NJ, 2005. - 204 p.

12. Mohammed J. “Performance Comparison of Various Face Detection Techniques”, International Journal of Scientific Research Engineering & Technology (IJSRET) Vol.2 Issue No.1, 19 - 27, 2013. - P.149-152.

13. Park U. “Face Recognition: face in video, age invariance, and facial marks”, Michigan State University, 2009. - P.96-102.

14. Taigman Y. “Leveraging billions of faces to overcome performance barriers in unconstrained face recognition”, 2011. - 165 p.

15. Viola P. A. “Robust real-time face detection”, International Journal of Computer Vision, 137 - 154, 2004. - P.13-15.

16. Zhao W. “Face recognition: A literature survey”, ACM Computing Surveys (CSUR), 399 - 458, 2003. - 79 p.

17. Алфимцев А.Н., Лычков И.И. Метод обнаружения объекта в видеопотоке в реальном времени // Вестник ТГТУ.- 2011. - 34 с.

18. Андреев А.В. Алгоритмы слияния данных в биометрических системах и применение в них неросетевых технологий. «Штучний інтелект» 4’2006. - С. 253-263.

19. Гвоздек, М. Справочник по технике для видеонаблюдения. Планирование, проектирование, монтаж / М. Гвоздек. - М.: Техносфера, 2010. - 552 c.

20. Голубев М. Н. “Использование информации о цвете в алгоритме выделения лиц на базе бустинга”, Сб. науч. труд. 13-й всерос. науч.-техн. конф. “Нейроинформатика - 2011”, М, 2011. Ч. 3. - С. 55 - 62.


Скачать работу на данную тему

Зачем покупать готовую работу?

В связи с тем, что авторы ITdiplom выполняют работы с использованием актуальной иностранной и русскоязычной литературы, собственных многолетних наработок, а также данных с официальных статистических ресурсов, готовые материалы не теряют своей актуальности и на сегодняшний день
Уникальность таких готовых работ на момент повторного приобретения по системе «Антиплагиат» варьируется в диапазоне 75-95%. При этом на протяжении учебного семестра/полугодия каждая работа реализуется единственный раз одному клиенту во избежание повторений при сдаче
Такие материалы с легкостью можно использовать как основополагающие для выполнения собственных работ

Цена готовой ВКР/НИР, дипломной работы или магистерской диссертации

Купить подобный готовый материал можно от 4.000 руб.
В стоимость включены:
- Готовый материал с уникальностью в диапазоне 75-95%
- Презентация и речь
- Корректировка до 10 страниц по замечаниям руководителя
- Репетиторские услуги вплоть до защиты
- Программный продукт (по запросу)

Как узнать точную цену готовой работы

Возможность продажи, точная стоимость конкретной работы и доп. информация предоставляются по запросу:
- Онлайн чат "Бесплатная консультация"
- Мессенджеры 8 (900) 299-30-57
- Запрос на почту zakaz@itdiplom.ru
В запросе необходимо указать ID номер или тему работы

Категории

Скачать презентацию к представленной выше работе

Скачать дипломную работу, представленную выше

Выбрать или купить другие готовые дипломные работы по схожей тематике

Заказать дипломную работу по схожей тематике или оценить стоимость можно при помощи формы Узнать стоимость моей работы.

Воспользуйтесь формой запроса точной стоимости готовых работ, указав ID номера или темы интересующих работ

В стоимость данной работы включены:

- Готовый материал с уникальностью в диапазоне 75-95%
- Презентация и речь, подготовка к защите
- Корректировка до 10 страниц по замечаниям руководителя
- Репетиторские услуги вплоть до защиты
- Программное обеспечение (зависит от темы - наличие по запросу)