Особливості створення та використання автоматизованих робототехнічних і мехатронних систем в освітньому процесі

Південноукраїнський національний педагогічний університет імені К. Д. Ушинського

Корабльов В., Мазурок Т.

За останні кілька років стало необхідно мати надійну систему безпеки, яка може захистити наші активи найкращим та найбезпечнішим способом.

Традиційні системи безпеки вимагають від користувача ключ, пароль безпеки, RFID-картку або ID-картку, щоб мати доступ до системи. Однак у цих систем безпеки є недоліки, наприклад, їх можна забути або вкрасти. В результаті виникає потреба у розробці програмного забезпечення, що гарантує вищий рівень безпеки. Розпізнавання обличчя – один з найпопулярніших методів біометричних технологій. У порівнянні з іншими біометричні технології, такі як відбитки пальців, розпізнавання голосу, та сканування сітківки, розпізнавання обличчя можна розглянути, як більш природний метод. Розпізнавання обличь також дозволяє отримати доступ для більш ніж одній особі, надаючи привілеї доступу лише певним людям.

У нашому пристрої ми будемо використовувати камеру Pi, яка буде надавати наші вхідні дані у вигляді зображень. Відео трафік буде опрацьований кадрами та збережений . Після збереження зображення будуть перетворені в цифрові зображення. Коли камера сканує особу, яка намагається пройти аутентифікацію, вона порівнює зображення з попередніми, збереженими в базі даних.

Для управління сигналами буде використовуватися обладнання Raspberry, яке пов’язане з магнітним замком. Якщо вхідні данні обличчя будуть розпізнані, система надішле сигнал про відкриття магнітного замку на 5 секунд, що автоматично заблокується після того.

Ми використовували PCA (аналіз основних компонентів) алгоритм. Ретельно підібрали цей конкретний алгоритм, оскільки він простий у використанні та ефективніший за інші алгоритми. Використовуючи PCA, ми мінімізували аналіз та необхідний розвиток шляхом аналізу лише деяких подібних зображення з нашої бази даних.

По-перше, ми використовували базу даних AT&T з 90-х, для негативних зображень. Ці зображення навчать нашу система, робити більш точні та правильні вибори на основі нових даних.

Другим кроком було збереження більшої кількості зображень для людини, в різних положеннях. Ми використовували 5 позицій, і для кожної з них ми записали 10 зображень, в результаті – це 50 позитивних ображень на людину.

І останній крок – це зниження рівня прийняття несанкціонованих людей, є зниження позитивної межі. Оскільки наша система видає низький значення для відомих людей (чим нижче значення, тим більше людина надійна), ми спробували використовувати мінімальні значення як позитивний результат для нашої системи. На основі порівняння можемо зробити висновок, що наше система розпізнавання обличчя має шкалу точності понад 62%.

Протягом нашого проекту ми пояснювали реалізацію програми, яка контролюватиме доступ до будівлі. Ми бачили, як рівень точності вищий, коли такі фактори, як: фон, освітлення та кількість зображень контролюються. Ми помітили, що якщо контролювати всі фактори, рівень точності буде вищим. Тому, як висновок, бажано контролювати такі фактори, як фон, освітлення та мати принаймні 50 зображень для людини, враховуючи, що пристрій має достатньо пам’яті. Якщо вам вдається контролювати всі фактори, наша система пропонує точність 62%.

Першою метою нашого проекту було навчання та ідентифікація у вбудованих пристроях. Хоча наш пристрій може проводити навчання та ідентифікацію самостійно, не підключаючись до жодної іншої машини, ми робимо висновок, що наша мета була досягнута. Оскільки ми знаємо, що на ринку існує багато подібного обладнання, але ми вирішили реалізувати такий вид додатків з огляду на вартість. На основі порівнянь наше обладнання пропонується за нижчою ціною, ніж комерційне обладнання.

Другою метою нашого проекту була реалізація програми розпізнавання обличь з використанням алгоритму PCA (Principal Component Analysis). Цей конкретний алгоритм дуже підходить і швидко. Його використання дозволяє зменшити кількість зображень у нашій базі даних. Крім того, використання цього алгоритму дозволяє нам використовувати прості камери, які пропонуються за низькою ціною. В результаті ми можемо зробити висновок, що наша мета - впровадити систему розпізнавання обличь за допомогою PCA (аналіз основних компонентів) була досягнута.

СПИСОК ДЖЕРЕЛ

1. Nazeer, S.A., Omar, N., and Khalid, M., “Face Recognition System using Artificial Neural Networks Approach,” International Conference on Signal Processing, Communications and Networking. ICSCN. 2007. 420-425, 22-24 February 2007 http://dx.doi.org/10.1109/icscn.2007.350774.

2. Liu, S., and Silverman, M., “A Practical Guide to Biometric Security Technology,” IT Professional, 27-32, 2001. http://dx.doi.org/10.1109/6294.899930

3. Jain, A. K., Ross, A., and Prabhakar, S., “An Introduction to Biometric Recognition,” IEEE Transaction on Circuits and System for Video Technology, 4-20, 2004.

4. Faundez-Zanuy, M., “Biometric Security Technology,” IEEE Transaction on Aerospace and Electronic System, 15-26, 2006. http://dx.doi.org/10.1109/MAES.2006.1662038

5. Kar, S., Hiremath, S., Joshi, D.G., Chadda, V.K, and Bajpai, A.,”A MultiAlgorithmic Face Recognition System,” International Conference on Advanced Computing and Communication, 321-326, 2006.