УДК 004.93'12

Модуль обеспечения системы безопасности образовательной организации средствами технологии распознавания лиц

Падуков Михаил Александрович – магистрант Ленинградского государственного университета имени А. С. Пушкина.

Аннотация: В статье рассматривается проблема обеспечения безопасности в образовательных организациях, которая приобретает все большую актуальность, вызванную участившимися случаями нападений на учебные заведения. В данном контексте исследуется эффективность использования технологии видеозрения и распознавания лиц с помощью OpenCV для повышения безопасности в школах и университетах.

Обосновывается, что открытость образовательных учреждений и большое количество людей внутри создают среду для возникновения чрезвычайных ситуаций. Методы распознавания лиц на основе шаблонов, позволяющие автоматически идентифицировать лица на изображениях и видео, рассматриваются как одно из решений для улучшения безопасности.

Преимущества данного метода – высокая скорость и относительная простота реализации. Однако ограничения, такие как необходимость большой базы данных и чувствительность к изменениям условий, подробно анализируются. Автор также рассматривает альтернативные методы повышения безопасности, включая использование электронных ключей и систем биометрической идентификации.

В заключение подчеркивается важность сбалансированного подхода и учета финансовых, временных и организационных аспектов при внедрении систем обеспечения безопасности в образовательных организациях.

Ключевые слова: безопасность образовательных организаций, распознавание лиц, видеозрение, OpenCV.

Проблема обеспечения безопасности образовательных организаций становится все более актуальной в свете участившихся случаев нападений на учебные заведения. Эти инциденты наносят серьезный удар по обществу, вызывают беспокойство и тревогу у родителей учащихся, а также вызывают необходимость принятия эффективных мер для улучшения безопасности в образовательных учреждениях.

Школы и университеты являются открытыми объектами, к которым имеют свободный доступ множество людей. Кроме того, в образовательных учреждениях обычно находится большое количество людей (учащихся, преподавателей, административного персонала), что усиливает риски возникновения чрезвычайных ситуаций.

С целью обеспечения безопасности в образовательных учреждениях было предложено множество методов и технологий, такие как системы безопасности и мониторинга, эвакуационные планы и учебные программы, направленные на пропаганду безопасности. Однако, несмотря на все усилия, проблема обеспечения безопасности в образовательных учреждениях остается важной.

Технология видеозрения OpenCV и распознавание лиц могут стать одним из решений для улучшения безопасности в образовательных учреждениях, поскольку эта технология позволяет проводить автоматическую идентификацию лиц на видео. В сочетании с камерами видеонаблюдения, это может усилить защиту образовательных учреждений от потенциальных угроз.

Актуальность использования технологии видеозрения и распознавания лиц для обеспечения безопасности образовательной организации заключается в том, что безопасность является одной из ее наиболее важных задач. Сегодня школы, университеты и колледжи все чаще становятся мишенями для преступников, которые пытаются проникнуть на территорию учебных заведений и совершить противоправные действия внутри них.

Методы распознавания лиц на основе шаблонов – это один из наиболее распространенных подходов к автоматическому распознаванию лиц на изображениях и в видеопотоке. Этот метод основан на создании базы данных шаблонов, которые описывают характерные черты лица, такие как расположение глаз, носа, рта, форма и размеры лица.

Для распознавания лица на изображении или в видеопотоке, методы на основе шаблонов сопоставляют признаки объекта с эталонными шаблонами, хранящимися в базе данных. Для сопоставления шаблонов, могут использоваться различные алгоритмы, такие как метод наименьших квадратов, методы опорных векторов (SVM) и другие.

Одним из преимуществ методов на основе шаблонов является высокая скорость распознавания, что делает их привлекательными для использования в реальном времени. Кроме того, этот метод относительно прост в реализации и не требует большой вычислительной мощности.

Однако, есть несколько ограничений для использования методов на основе шаблонов. Во-первых, необходимо иметь обширную базу данных шаблонов, чтобы распознавать лица с достаточно высокой точностью. Во-вторых, этот метод не обладает высокой инвариантностью к изменениям в освещении, углу обзора и другим вариантам смены условий эксплуатации.

В целом, методы распознавания лиц на основе шаблонов являются эффективным подходом к автоматическому распознаванию лиц. Однако, они не могут обеспечить достаточно высокой точности распознавания во всех ситуациях и требуют большой базы данных для достижения высокой точности распознавания. Этот метод может быть использован в сочетании с другими методами для достижения более высокой эффективности распознавания лиц. Рассмотрим некоторые из них:

1. Использование электронных ключей. Данный метод основывается на выдаче сотрудникам и обучающимся электронных ключей, которые допускают доступ в различные зоны кампуса. Ключи могут быть связаны со специальными пропускными устройствами, которые обеспечивают открытие дверей при прикосновении ключа к ним.
2. Считывание биометрических данных. Для доступа на определенные участки территории могут быть использованы системы биометрической идентификации, такие как сканеры отпечатков пальцев или сканеры сетчатки глаза. Такие системы обеспечивают высокий уровень безопасности, так как уникальность биометрических данных исключает вероятность подделки.

В целом, установление контроля доступа эффективно обеспечивает безопасность в образовательных организациях. Однако, следует учитывать, что его реализация требует финансовых и временных затрат, а также организационных и технических мер для обеспечения своевременного обслуживания систем.

Список литературы

1. Analysis market recognition technology. [Электронный ресурс]. URL: https://www.trendforce.com.
2. Cascade Trainer GUI. [Электронный ресурс]. URL: https://amin-ahmadi.com/cascade-trainer-gui.
3. DeepFace Closing the Gap to Human. [Электронный ресурс]. URL: https://www.cs.toronto.edu/~ranzato/publications/taigman_cvpr14.pdf.
4. Face Detection and Recognition Using Hidden Markov Models. [Электронный ресурс]. URL: http://www.anefian.com/research/nefian98_face.pdf.
5. Face Recognition by Elastic Bunch Graph Matching. [Электронный ресурс]. URL: https://www.facerec.org/algorithms/ebgm/wisfelkrue99-facerecognition-jainbook.pdf.
6. Open Computer Vision Library. [Электронный ресурс]. URL: https://opencv.org.