Решетневские чтения.

2017

УДК 004.896
ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ РАСПОЗНАВАНИЯ ОБРАЗОВ:
СОВРЕМЕННОЕ СОСТОЯНИЕ И ПРОБЛЕМЫ РЕАЛИЗАЦИИ

С. А. Елистратов, Ю. Б. Козлова

Сибирский государственный университет науки и технологий имени академика М. Ф. Решетнева

Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31
E-mail: 79293085921@ya.ru

В современном мире интеллектуальные системы являются наиболее перспективным направлением в об-

ласти информационных технологий. Они востребованы там, где невозможно или нецелесообразно присутствие
человека (например, исследование космоса, обработка больших объемов информации). Однако данная область
до сих пор недостаточно проработана.

Ключевые слова: нейронная сеть, алгоритм, библиотека, интеллектуальные системы, распознавание

образов.

INTELLECTUAL SYSTEMS OF PERSON RECOGNITION:

MODERN CONDITION AND PROBLEMS OF IMPLEMENTATION

S. A. Elistratov, Y. B. Kozlova

Reshetnev Siberian State University of Science and Technology

31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation
E-mail: 79293085921@ya.ru

In the modern world, intelligent systems are the most promising area in the field of information technology. They
are in demand where it is impossible or inappropriate for the a person presence (for example, exploring the cosmos,
processing large amounts of information). However, this area has not been sufficiently developed yet.

Keywords: neural network, algorithm, library, intelligent systems, pattern recognition.

Современная жизнь становиться все более автома-
тизированной, ускоряя темпы экономики и жизни
общества в целом. Однако некоторые области до сих
пор полностью не проработаны, не достигнуты
желаемые результаты, способные повлиять на жизнь
человечества. Одним из таких направлений является
разработка системы распознавания образов.
Такие системы имеют большую востребованность
в космических разработках и в органах по управле-
нию безопасностью жизнедеятельности населения,
в частности, в местах массового скопления людей,
с целью предотвращения терроризма, а также распо-
знавания личностей, совершивших преступления
(аэропорты, вокзалы, банки, супермаркеты и торговые
центры, культурно-развлекательные и спортивные
объекты). Также важно контролировать порядок
на улицах города.
В настоящее время одной из проблем развития
интеллектуальных систем распознавания лиц является
отсутствие доступного технического оснащения.
Камеры, передающие очень качественное изображе-
ние, необходимое для обработки системой, имеют
высокую стоимость. Соответственно, очень малая
часть субъектов мировой экономики может себе
позволить такие расходы. Часто они являются нецеле-
сообразными. К тому же, сама система распознавания
лиц является довольно затратной.
К проблеме низкокачественного оборудования
съемки также добавляются факторы освещенности,
погодных условий, температурного режима. Также
существует несколько способов скрыть внешность
от камер – головные уборы, очки, макияж, парик,
борода, усы и т. д. Способы преодоления данных
факторов на сегодняшний день не найдено.
Также важной проблемой является отсутствие
ресурсов у компаний-разработчиков. Для разработки
интеллектуальных систем высокого уровня требуются
крупные инвестиции, вложить которые готов не каж-
дый, так как не известен результат разработки.
На сегодняшний день так и не разработан опти-
мальный алгоритм распознавания, существует не-
сколько ведущих библиотек, которым удается распо-
знавать образы на картинке, искать идентичные лица
в сети. Однако цель поиска местонахождения объекта
или его идентификации не достигнута.
Ведущие мировые компании области информаци-
онных технологий, такие как Google, Microsoft,
Facebook Apple, Intel cоздали отделы по разработке
библиотек распознавания образов. Пока результаты
их работы ограничиваются простыми приложениями
с распознаванием пород животных, людей, однако,
их ожидания в ближайшей перспективе являются
довольно высокими. В сентябре 2017 г. стало извест-
но, что ученые Индии и Великобритании научили
нейронную сеть распознавать преступников с предме-
тами маскировки [4].
Компания FaceBook, разработала алгоритм под
названием DeepFace, которая позволит визуально

326
 Программные средства и информационные технологии
анализировать, сравнивать и идентифицировать чело-
веческие лица с невероятно высокой точностью
(до 97,25 %). DeepFace будет использовать технику
3D-моделирования для сканирования объекта, но сам
алгоритм строится на основе процесса «фронтализа-
ции», то есть изменения угла изображения таким
образом, чтобы лицо человека смотрело прямо впе-
ред. Затем полученные данные переводятся в число-
вое значение и обрабатываются для последующего
сравнения. На данный момент, DeepFace проходит
этапы тестирования, для которого FaceBook уже
идентифицировали порядка 4 млн фотографий своих
пользователей [2].
Компанией Google была разработана открытая
программная библиотека для машинного обучения
под названием «TensorFlow». Она позволяет решать
задачи построения и тренировки нейронной сети
с целью автоматического нахождения и классифика-
ции образов, достигая качества человеческого вос-
приятия. В то время как эталонная реализация работа-
ет на единичных устройствах, TensorFlow может ра-
ботать на многих параллельных процессорах, как
CPU, так и GPU, опираясь на архитектуру CUDA для
поддержки вычислений общего назначения на графи-
ческих процессорах). Уникальность библиотеки со-
стоит в следующих характеристиках:
– основная библиотека подходит для широкого
семейства техник машинного обучения, а не только
для глубинного обучения;
– линейная алгебра и другие внутренности хорошо
видны снаружи;
– в дополнение к основной функциональности
машинного обучения, TensorFlow также включает
собственную систему логирования, собственный
интерактивный визуализатор логов и даже мощную
архитектуру по доставке данных;
– модель исполнения TensorFlow отличается от
scikit-learn языка Python и от большинства инструмен-
тов в R.
Вычисления TensorFlow выражаются как графы
потоков данных с сохранением состояния (stateful).
Библиотека алгоритмов от Google инструктирует ней-
ронные сети воспринимать информацию и рассуждать
подобно человеку, так что новые приложения изна-
чально обладают такими «человеческими» качества-
ми. Само название TensorFlow происходит от назва-
ния операций, которые эти нейросети осуществляют
над многомерными массивами данных. Эти много-
мерные массивы именуются «тензорами», как одно-
имённые математические объекты, линейно преобра-
зующие элементы одного линейного пространства
в элементы другого. Задача TensorFlow – учить
нейросети обнаруживать и распознавать паттерны
и корреляции в массивах данных [5].
OpenCV – библиотека алгоритмов компьютерного
зрения, обработки изображений и численных алго-
327
ритмов общего назначения с открытым кодом. Реали-
зована на C/C++, также разрабатывается для Python,
Java, Ruby, Matlab, Lua и других языков. Может сво-
бодно использоваться в академических и коммерче-
ских целях – распространяется в условиях лицензии
BSD [3]. OpenCV предоставляет различные классифи-
каторы, которые можно использовать для распознава-
ния лиц, глаз, автомобилей, и многих других объек-
тов. Эти классификаторы, однако, достаточно просты,
они не обучены с использованием технологий
машинного обучения, поэтому, при распознавании
лиц точность составит примерно в 80 % [1].
Технологии распознавания объектов достигли
высоких результатов, однако недостаточных для реа-
лизации крупных задач, таких как исследования кос-
моса и планет, где невозможно присутствие человека.
В связи с этим требуется постоянное совершенство-
вание алгоритмов распознавания объектов и обучения
нейронных сетей.
Библиографические ссылки
1. Веб-камера, Node.js и OpenCV: делаем систему
распознавания лиц [Электронный ресурс]. URL:
https:// habrahabr.ru/company/ruvds/blog/335770/ (дата
обращения: 14.09.2017).
2. Программа Deepface – определяет лица почти
как живой человек [Электронный ресурс]. URL: http://
www.sciencedebate2008.com/deepface-defines-a-person-
as-a-living-person/ (дата обращения: 14.09.2017).
3. Распознаем лица на фото с помощью Python
и OpenCV [Электронный ресурс]. URL: https://habra-
habr. ru/post/301096/ (дата обращения: 14.09.2017).
4. Распознавание образов [Электронный ресурс].
URL: http://ai-news.ru/raspoznavanie obrazov.html (дата
обращения: 14.09.2017).
5. TensorFlow [Электронный ресурс]. URL: https://
www.tensorflow.org/ (дата обращения: 14.09.2017).
References
1. Webcam, Node.js and OpenCV: we make a face
recognition system. Available at: https://habrahabr.ru/
company/ruvds/blog/335770/ (accessed: 14.09.2017).
2. The Deepface program – defines persons almost
like a living person. Available at: http://www.sciencede-
bate2008.com/deepface-defines-a-person-as-a-living-
person/ (accessed: 14.09.2017).
3. Recognize the faces in the photo using Python and
OpenCV. Available at: https://habrahabr.ru/post/301096/
(accessed: 14.09.2017).
4. Pattern Recognition. Available at: http://ai-news.ru/
raspoznavanie obrazov.html (accessed: 14.09.2017).
5. TensorFlow. Available at: https://www.tensorflow.
org/ (accessed: 14.09.2017).
© Елистратов С. А., Козлова Ю. Б., 2017