Розробка системи контролю і управління доступом з використанням термограм частин тіла людини
Автор: Хандій Тарас Ігорович
Кваліфікаційний рівень: магістр
Спеціальність: Радіоелектронні апарати та засоби
Інститут: Інститут телекомунікацій, радіоелектроніки та електронної техніки
Форма навчання: денна
Навчальний рік: 2020-2021 н.р.
Мова захисту: українська
Анотація: Хандій Т.І., Ліске О.М. (керівник). Розробка системи контролю і управління доступом з використанням термограм частин тіла людини. Магістерська кваліфікаційна робота. – Національний університет «Львівська політехніка», Львів, 2020. Розширена анотація. Об’єкт дослідження – система контролю управління доступом. Предмет дослідження – термограми частин тіла людини. Мета дослідження – розробити систему контролю управління доступом з використанням термограм частин тіла, в якості біометричних ідентифікаторів. Однією з ключових областей дослідження систем контролю і управління доступом є обробка зображень, що містять людські обличчя. Найчастіше вирішувані завдання включають виявлення обличчя, локалізацію орієнтира обличчя, розпізнавання обличчя та аналіз виразу обличчя. Інші, більш спеціалізовані завдання, такі як ефективні обчислення, вилучення життєво важливих показників із відеозаписів або аналіз соціальної взаємодії, як правило, включають одне або декілька з вищезазначених завдань у процес їх обробки. В першому розділі було розглянуто системи контролю й управління доступом (СКУД), також принципи функціонування систем біометричної ідентифікація. Встановлено, що проблема безпеки стає з кожним роком дедалі актуальнішою. Це пов’язано із підвищенням рівня криміногенності, зростанням терористичних загроз, необхідністю захисту інформаційних ресурсів і т.д. СКУД відіграють особливу роль у системах безпеки. Будь-яка система безпеки повинна визначити на контрольованій території кожну людину за принципом «свій або чужий» для захисту об’єкта від проникнення на його територію сторонніх осіб чи для захисту людини від дії будь-яких небезпечних чинників за умови, якщо вони присутні на об’єкті. СКУД хоча б в початковому вигляді функціонують у будь-якій установі. Базовим принципом роботи СКУД є здійснення процедури порівняння будь-яких ідентифікаційних ознак, яка була попередньо закладена та зберігається в пам’яті системи. СКУД на основі використання біометричних ідентифікаторів стають доволі розповсюдженими. Це пов’язано з тим, що системи біометричної ідентифікації є надійними, а ціни на них постійно знижуються [1]. Встановлено, що кожна система має свої параметри, які залежать від типу ідентифікатора. Основним параметрами є: помилки першого та другого роду, час спрацювання, тип біометричного ідентифікатора, стійкість системи до муляжів [2]. В другому розділі проведено порівння біометричних ідентифікаторів, які використовують системи розпізнавання на основі термограм частин тіла, а також розроблено систему на основі розпізнавань частин тіла людини. Системи біометричних ідентифікацій на основі термограм можуть використовувати в якості ідентифікатора зображення обличчя, вен долоні та судин пальця [3, 4]. Технологія ідентифікації людини за венами долоні була розроблена компанією «Fujitsu» в Японії та отримала широке розповсюдження завдяки високому рівню захисту від підробок. Точність подібного методу ідентифікації є досить високою, оскільки форма малюнка вен у людини не змінюється впродовж усього життя. Ще одна перевага даної технології полягає в її безконтактності. Існує ще один спосіб ідентифікації за термограмами обличчя, які є унікальними у кожної людини. Розроблено систему, яка використовує спеціальну інфрачервону камеру для отримання зображення термограми на віддалі кількох метрів та може бути використана в неосвітленому приміщенні. Температура тіла, охолодження шкіри обличчя у морозну погоду, природне старіння організму людини, використання спеціальних масок, проведення пластичних операцій не впливають на точність цього термографічного методу [5]. В третьому розділі виконано дослідження роботи системи, яка використовує метод власних облич. В основу цього методу покладено використання середніх значень та коваріаційної матриці, а також використання методу головних компонент. Спочатку систему необхідно навчити первинній вибірці, яка складається з певної кількості зображень термограм облич. Система представляє вхідні зображення у вигляді однієї спільної матриці, що складається із суми базисних компонент зображень. Отримуємо вихідне зображення обличчя зваженою сумою власних векторів та додаванням середнього значення. В режимі розпізнавання на вхід системи подаються зображення осіб, яких потрібно ідентифікувати. Ці зображення проходять той самий шлях, що і навчальні зображення: вирахування середнього значення, додавання до спільного простору компонент, знаходження ваги та визначення, з яким об’єктом з вибірки вхідний об’єкт найбільш схожий. Для цього використовується пошук евклідової відстані. При цьому той об’єкт, з яким відстань буде мінімальна, вважається таким, що пройшов ідентифікацію. Якщо подати на вхід зображення термограми обличчя, яке не було використано в процесі навчання, воно не буде розпізнано системою. Для того, щоб отримати оптимальне співвідношення між помилками першого та другого роду, передбачено можливість коригування порогового значення відстані, при якому відбувається класифікація об’єкту до певного класу з первинної вибірки. Ключові слова – біометрична ідентифікація, термограма, метод власних облич. Перелік використаних літературних джерел. 1. Kowalski M., Grudzie?n A. High-resolution thermal face dataset for face and expression recognition. Metrol. Meas. Syst., Vol. 25 (2018) No. 2, pp. 403–415. 2. Goulart C., Valadao C., Delisle-Rodriguez D., Funayama D., Favarato A., Baldo G., Binotte V., Caldeira E., Bastos-Filho T. Visual and Thermal Image Processing for Facial Specific Landmark Detection to Infer Emotions in a Child-Robot Interaction. 26 June 2019. 3. Kristo M., Ivasic-Kos M.. An Overview of Thermal Face Recognition Methods. Proceedings of 41st International Convention on Information and Communication Technology, Electronics and Microelectronics (MIPRO). Opatija, Croatia. 21- 25 May 2018. 4. Papez B. J., Palfy M., Mertik M., Turk Z. Infrared Thermography Based on Artificial Intelligence as a Screening Method for Carpal Tunnel Syndrome Diagnosis. The Journal of International Medical Research. 2009; 37: 779 – 790. 5. Corcoran P., Reviews, Refinements and New Ideas in Face Recognition Hard cover. InTech Published online. 2011. 328.