Хоменко В.В.

Київський національний університет технологій та дизайну

Факультет ринкових інформаційних та інноваційних технологій

Система розмежування доступу на основі розпізнавання облич

Все частіше в сучасному світі потрібно захищати данні. Але використання великих паролів, задає великих трудностей. Тому все частіше використовуються системи які базуються на розпізнавання певних елементів облич для доступу до інформації.

Розпізнавання облич – це додаток до теорії розпізнавання образів, і завдання якого є автоматична локалізація обличчя на фотографії і подальша його ідентифікація.

Є багато алгоритмів які можуть бути використані в системах розпізнавання облич. Найбільш перспективні системи базуються на нейтронних мережах.

Нейроні мережі – представляють із себе математичне наближення, або його програмну реалізацію алгоритму який використовує біологічний організм.

Нейтронні мережі добре себе показують при розпізнавання образів, завдяки тому, що вони не програмуються як звичайна програма, а вони навчаються, що дозволяє їм знаходити правильне рішення навіть коли вхідні данні змінені відносно еталонних. Це забезпечує знаходження складних залежностей між вхідним зображенням та еталонним. Кожна нейрона мережа складається із нейронів які між собою зв’язані нейтронними зв’язками(як в біологічній мережі). Головне завдання нейтронної мережі, при використанні для розпізнавання образів, пов’язане с тим, що після потрапляння вхідного образу в нейтронну мережу вона дає відповідь на приналежність вхідного зображення до певного класу зображень які задані підчас тренування. Якщо ж на двох або більше виходах нейтронної мережі, отримується різні класи зображень, це значить, що мережа не „впевнена” в відповіді.

При побудові даних систем, також важливим фактором є використання елементів пошуку. Дані елементи характеризують об’єкт. Наприклад при пошуку облич на фотографії, можливо використовувати округлість лиця, відстані між очима, носом та очима, чи інші ознаки. Які і можуть бути вхідними елементами нейтронної мережі.

Навчання мережі можу бути із використанням „вчителя” так і без нього.

Під навчання із вчителем – розуміють те, що навчання мережі відбувається примусово, із застосуванням „стимул-реакція”. Даний вид навчання характеризується двома відповідями від системи, 1( реакція системи не міняє стан зовнішньої середи) та 2( коли реакція системи міняє стан зовнішньої середи).

Під навчанням без вчителя – розуміють те, що навчання мережі відбувається спонтанно, і система сама навчається виконувати подане завдання без застосування втручань з боку експериментатора.

Самий параметр навчання мережі підбирається експериментально, особливо при використанні „навчання із вчителем”. Від параметру навчання залежить швидкість мережі( визначення правильного результату). Але інколи при виборі низької швидкості навчання, це призведе до збільшення часу отримання правильного рішення, але при цьому дозволить уникненні так званого паралічу мережі. Також слід зазначити, що при збільшенні швидкості навчання не завжди призведе до швидкого знаходження правильного рішення мережею.

Навчання без вчителя доцільно застосовувати коли метод із використанням експериментатора не можливий.

Після навчання слід тестувати нейтронну мережу на правильність навчання, при цьому тестових підходів повинно бути скіки, скіки є високою якість навчання. Для тестування потрібно використовувати зображення які не використовувались в тренуванні нейтронної мережі. Тестування застосовується для показання на скіки дана мережа є коректно навченою.

Серед недоліків нейтронних мереж, можна вважати те що, при розпізнаванні образів може виникнути помилки першого та другого роду.

Помилка першого роду – є помилкою при якій нейрона мережа не розпізнає людину, хоч вона і є в базі даних якою її тренують.

Помилка другого роду – є помилка при якій нейрона мережа розпізнає людину хоч даної людини не має в базі даних якою її тренують.

Головним завданням для побудови даних систем є зменшення, або в ідеалі усунення даних помилок, при чому помилки другого роду є найбільш важливими.

Висновок

На даний час є досить перспективне використання систем розпізнавання облич із використанням нейтронних мереж. Подолання помилок першого та другого роду є основною задачею всіх систем. Також швидкість даних систем є досить важливим критерієм. Тому потрібно точніше встановлювати параметри навчання системи.

Література

1. Зайченко Ю.П. Основы проектирования интеллектуальных систем. Учебное пособие. — К.: Издательский дом "Слово", 2004 — 352 с.

2. Брилюк Д.В. Распознавание человека по изображению лица и нейросетевые методы. // Диссертационная работа — Институт Технической Кибернетики Национальной Академии Наук Беларуси, Минск, 2001