В современном мире теория распознавания образов играет важную роль. Она практически применяется в распознавании лиц, в задачу которого входит автоматическая локализация лица на изображении и, при необходимости, идентификация человека по лицу. Быстротечность современной жизни диктует растущие требования для всё более новых и совершенных методов локализации и распознавания лиц. Интерес к ним довольно значителен ввиду их широкого практического применения в таких областях, как охранные системы, системы обеспечения безопасности в местах массового пребывания людей, антитеррористические системы, криминалистическая экспертиза, верификация, мобильные устройства и т. д.

Технология идентификации личности на основе изображения лица не требует физического контакта с устройством, как это требуется при использовании других биометрических показателей, и с учетом стремительного развития цифровых технологий является наиболее предпочтительной для массового применения. Но она имеет основную трудность, заключающуюся в зависимости качества результата распознавания человека по изображению лица от положения, ракурса, условий освещенности и т. д.

Данная работа посвящена выработке рекомендаций по выбору параметров, в привязке к алгоритму, который на выходе будет выдавать ожидаемую точность результата работы. Для анализа были взяты алгоритмы распознавания лиц: метод главных компонент, активные модели внешнего вида, метод гибкого сравнения на графах, сверточные нейронные сети. Для каждого из алгоритмов выявлены преимущества и недостатки. Описана архитектура выбранного алгоритма распознавания лица. Определены параметры, влияющие на точность результатов работы. По итогам исследования были выявлены недостатки выбранного алгоритма, а также предложены варианты модификации алгоритма с целью повышения процента точности распознавания.

1. Мищенкова Е.С. Сравнительный анализ алгоритмов распознавания лиц // Вестник Волгоградского государственного университета. Серия 9, Исследования молодых ученых. – 2016. – № 11. – С. 74–76.

2. 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.

3. Кухарев Г.А. Биометрические системы: методы и средства идентификации личности человека. – СПб.: Политехника, 2012. – 240 с.

4. Тропченко А.А., Тропченко А.Ю. Нейросетевые методы идентификации человека по изображению лица // Известия высших учебных заведений. Приборостроение. – 2015. – Т. 55, № 10. – С. 31–36.

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

6. Анализ существующих подходов к распознаванию лиц [Электронный ресурс]. – URL: https://habr.com/ru/company/synesis/blog/238129/ (дата обращения 06.06.2019).

7. Face recognition with OpenCV [Electronic resource]. – URL: https://docs.opencv.org/2.4/modules/contrib/doc/facerec/facerec_tutorial.html (accessed: 06.06.2019).

8. Выделение и распознавание лиц – Техническое зрение [Электронный ресурс]. – URL: http://wiki.technicalvision.ru/index.php/Выделение_и_распознавание_лиц (дата обращения: 06.06.2019).

9. Распознавание лиц с помощью OpenCV, Python и deep learning [Электронный ресурс]. – URL: http://ai-news.ru/2018/06/raspoznavanie_lic_s_pomoshu_opencv_python_i_deep_learning.html (дата обращения: 06.06.2019).

10. OpenFace – распознаем лица с помощью Google FaceNet [Электронный ресурс]. – URL: https://pythondigest.ru/view/7328 (дата обращения: 06.06.2019).