Безопасность стала главной проблемой во всём мире, и чтобы управлять проблемами безопасности и свести риски, были созданы такие биометрические системы, как системы обнаружения и распознавания лиц. На текущий момент существует большое количество алгоритмов распознавания лиц. Все обладают своими достоинствами и недостатками. Каждый из них опирается на свои специфические требования входных данных. Например, качество изображения, количество точек на пикселях, освещенность, естественное освещение, неестественное освещение, наличие помех, шума. Основной трудностью распознавания лиц является зависимость качества результата идентификации человека по изображению лица от ракурса, положения, условий освещенности и т. д. Работапосвящена разработке обобщенной модели, позволяющей учитывать взаимосвязь входных характеристик, в привязке к алгоритму, которая на выходе будет выдавать ожидаемое качество результата алгоритма при заданных параметрах. В связи с этим в статье выявлены алгоритмы распознавания лиц, а также приведено краткое описание выбранных методов распознавания лица, которые будут использоваться в дальнейшем исследовании. Для анализа были взяты алгоритмы распознавания лиц: метод главных компонент,линейный дискриминантный анализ,метод гибкого сравнения на графах,алгоритм Виолы–Джонса,сверточные нейронные сети,метод опорных векторов. Определены свойства входных данных изображения: освещенность, ракурс, мимика, помехи, шум, качество изображения. Выявлены шкалы для характеристик изображения, в дальнейшем планируется разработать единую шкалу для оценки качества алгоритмов. Также в данной статье описаны критерии оценки качества распознавания лиц: F-мера, Precision, Recall, Accuracy, Confusion matrix, AUC-ROC; приведены полученные результаты.

1. Мищенкова Е.С. Сравнительный анализ алгоритмов распознавания лиц //Вестник Волгоградского государственного университета. Серия 9, Исследования молодых ученых. – 2013. – № 11. – С. 74–76.

2. Гончаров А.В., Каркищенко А.Н. Влияние освещенности на качество распознавания фронтальных лиц// Известия ЮФУ. Технические науки. – 2008. – № 4 (81). – С. 88–92.

3. Фан Н.Х., Буй Т.Т.Ч., Спицын В.Г. Распознавание жестов на видеопоследовательности в режиме реального времени на основе применения метода Виолы-Джонса, алгоритма CAMShift, вейвлет-преобразования и метода главных компонент // Вестник Томского государственного университета. –2013. – Т. 23, № 2. – С. 102–111.

4. Арсентьев Д.А., Бирюкова Т.С.Метод гибкого сравнения на графах как алгоритм распознавания образов // Вестник МГУП имени Ивана Федорова. – 2015. – № 6. – С. 74–75.

5. Рогозин О.В., Кладов С.А. Сравнительный анализ алгоритмов распознавания лиц в задаче визуальной идентификации// Инженерный журнал: наука и инновации. – 2013. – № 6 (18). – DOI: 10.18698/2308-6033-2013-6-818.

6. Буй Т.Т.Ч., Фан Н.Х., Спицын В.Г.Распознавание лиц на основе применения метода Виолы-Джонса, вейвлет-преобразования и метода главных компонент // Известия Томского политехнического университета. – 2012. – Т. 320, № 5. – С. 54–59.

7. Усилин С.А. Алгоритмическое развитие Виола-Джонсовских детекторов для решения прикладных задач распознавания изображений: дис. ... канд.техн. наук. – М., 2017. – 149 с.

8. Самаль Д.И., Фролов И.И. Алгоритм подготовки обучающей выборки с использованием 3D-моделирования лиц // Системный анализ и прикладная информатика.– 2016.– № 4. – С. 17–23.

9. Тропченко А.А., Тропченко А.Ю.Нейросетевые методы идентификации человека по изображению лица // Известия высших учебных заведений. Приборостроение. – 2012. –Т. 55, № 10. – С. 31–36.

10. Скопченко А.А., Дорофеев В.А. Анализ методов распознавания лиц // ТехнологииMicrosoft в теории и практике программирования: сборник трудов XIII Всероссийской научно-практической конференции студентов, аспирантов и молодых ученых, 22–23 марта 2016 г. – Томск, 2016. –С. 176–178.

11. Оценка точности классификатора [Электронный ресурс]. – http://www.michurin.net/computer-science/precision-and-recall.html(дата обращения: 15.03.2019).

12. Оценка классификатора [Электронный ресурс]. – http://bazhenov.me/blog/2012/07/21/classification-performance-evaluation.html (дата обращения: 15.03.2019).