Комплексная система распознавания лиц: интеграция python, opencv, face_recognition и баз данных sql
DOI:
https://doi.org/10.52754/16948645_2025_2(7)_88Ключевые слова:
Ключевые слова: распознавание лиц, Python, OpenCV, face_recognition, PCA, SQLite, база данных, компьютерное зрение, глубокое обучение.Аннотация
Распознавание лиц является одной из самых важных областей компьютерного зрения, находящей применение в безопасности, медицине, маркетинге и других сферах. Данная статья представляет комплексный подход к созданию системы распознавания лиц с использованием языка программирования Python, библиотек OpenCV и face_recognition, а также интеграцией с реляционной базой данных SQLite. Рассматриваются теоретические основы метода главных компонент (PCA) и современные подходы на основе глубокого обучения. Детально описаны этапы разработки: проектирование архитектуры базы данных, реализация распознавания на статичных изображениях и в видеопотоке реального времени, оптимизация производительности, обеспечение безопасности данных. Представлены практические применения системы: контроль доступа и учет рабочего времени. Результаты тестирования показали высокую точность распознавания даже при неидеальных условиях освещения.
Библиографические ссылки
Литература
Bradski, G. (2000). The OpenCV Library. Dr. Dobb's Journal of Software Tools, Vol. 25, №11, pp. 120-125.
Elmasri, R., Navathe, S. B. (2015). Fundamentals of Database Systems (7th ed.). Boston: Pearson Education.
Jain, A. K., Flynn, P., Ross, A. A. (2016). Handbook of Biometrics. New York: Springer. Available at: https://doi.org/10.1007/978-0-387-71041-9.
Kazemi, V., Sullivan, J. (2014). One millisecond face alignment with an ensemble of regression trees. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 1867-1874. Available at: https://doi.org/10.1109/CVPR.2014.241.
King, D. E. (2009). Dlib-ml: A Machine Learning Toolkit. Journal of Machine Learning Research, Vol. 10, pp. 1755-1758.
Krizhevsky, A., Sutskever, I., Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems, Vol. 25, pp. 1097-1105.
Owens, M. (2006). The Definitive Guide to SQLite. Berkeley: Apress.
Parkhi, O. M., Vedaldi, A., Zisserman, A. (2015). Deep Face Recognition. Proceedings of the British Machine Vision Conference, pp. 41.1-41.12. Available at: https://doi.org/10.5244/C.29.41.
Schroff, F., Kalenichenko, D., Philbin, J. (2015). FaceNet: A unified embedding for face recognition and clustering. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 815-823. Available at: https://doi.org/10.1109/CVPR.2015.7298682.
Taigman, Y., Yang, M., Ranzato, M., Wolf, L. (2014). DeepFace: Closing the gap to human-level performance in face verification. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 1701-1708. Available at: https://doi.org/10.1109/CVPR.2014.220.
Turk, M., Pentland, A. (1991). Eigenfaces for Recognition. Journal of Cognitive Neuroscience, Vol. 3, №1, pp. 71-86. Available at: https://doi.org/10.1162/jocn.1991.3.1.71.
Viola, P., Jones, M. J. (2004). Robust real-time face detection. International Journal of Computer Vision, Vol. 57, №2, pp. 137-154. Available at: https://doi.org/10.1023/B:VISI.0000013087.49260.fb.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2026 Вестник Ошского государственного университета. Математика. Физика. Техника
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
