Дослідження параметрів вхідних зображень для вдосконалення інформаційної технології ідентифікації особи

DOI: 10.31673/2412-9070.2023.042030

Анотація

Досліджено алгоритм, який ґрунтується на локально-текстурних дескрипторах, що лежить в основі інформаційної технології ідентифікації особи, з метою підвищення його ефективності та зменшення ймовірності помилок ідентифікації.
Аналіз попередніх досліджень показав, що ефективність алгоритму розпізнавання та ідентифікації обличчя може значно відрізнятися після його застосування до зображень із різних наборів даних. Тому основною метою цієї статті є дослідження параметрів зображень облич, які будуть використовуватися в процесі ідентифікації.
Під час дослідження було проведено експерименти з кількома найпоширенішими базами даних зображень облич, у результаті чого ефективність алгоритму досягла рівня точності ідентифікації 95% на зображеннях, зроблених у контрольованих умовах та уніфікованих у межах однієї базі даних.

Ключові слова: інформаційні технології; біометрична ідентифікація; розпізнавання обличчя.

Список використаної літератури
1. Zennayi Y., F. Bourzeix, Guennoun Z. Analyzing the Scientific Evolution of Face Recognition Research and Its Prominent Subfields // IEEE Access. 2022. vol. 10, P. 68175–68201.
2. Brodsky S. The Air Force’s Drones Can Now Recognize Faces. Uh-Oh. Popular Mechanics, 2023. February 24. URL: https://www.popularmechanics.com/military/a43064899/air-force-drones-facial-recognition/
3. Kim M., Jain A. K., Liu X. AdaFace: Quality Adaptive Margin for Face Recognition // IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2022.
4. Magface: A universal representation for face recognition and quality assessment / O. Meng [et al.] // IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2021.
5. Past, Present, and Future of Face Recognition: A Review / I. Adjabi, A. Ouahabi, A. Benzaoui, A. TalebAhmed // Electronics, 2020. №9. P. 1188.
6. Learning features from covariance matrix of gabor wavelet for face recognition under adverse conditions / C. Li, Y. Huang, W. Huang, F. Qin // Pattern Recognition, 2021. Vol. 119.
7. Student attendance with face recognition (LBPH or CNN): Systematic literature review / A. Budiman, Fabian, R. A. Yaputera, S. Achmad, A. Kurniawan // Procedia Computer Science. 2023. vol. 216. P. 31–38.
8. Rajan A. P., Mathew A. R. Evaluation and Applying Feature Extraction Techniques for Face Detection and Recognition // Indonesian Journal of Electrical Engineering and Informatics (IJEEI). 2019. Vol. 7, №4. P. 742–749.
9. Development of information technology for person identification in video stream / O. Bychkov, K. Merkulova, Y. Zhabska, A. Shatyrko // The II International Scientific Symposium «Intelligent Solutions» (IntSol-2021), CEUR Workshop Proceedings. 2021. 3018. P. 70–80.
10. Mantoro T., Ayu M. A., Suhendi. Multi-Faces Recognition Process Using Haar Cascades and Eigenface Methods // 6th International Conference on Multimedia Computing and Systems (ICMCS), Rabat, Morocco, 2018. P. 1–5.
11. Face Recognition System Using Feature Extraction Method of 2-D Gabor Wavelet Filter Bank and Distance-Based Similarity Measures / R. R. Isnanto, A. A. Zahra, A. L. Kurniawan, I. P. Windasari // Seventh International Conference on Informatics and Computing (ICIC), Denpasar, Bali, Indonesia, 2022. P. 1–4.