Интеллектуальная система контроля доступа в учебную аудиторию
https://doi.org/10.35596/1729-7648-2025-31-4-47-54
Аннотация
В статье представлена схема интеллектуальной системы контроля доступа, включающая камеру, направленную на вход в помещение, оператора и приложение на компьютере оператора. Сформулированы требования к приложению для системы контроля доступа по распознаванию лиц из различных видеоисточников, удобного в использовании пользовательского интерфейса, модульности для удобства расширения системы. Разработанная интеллектуальная система контроля доступа позволяет преподавателям контролировать посещаемость на занятиях, способна захватывать видео из различных видеоисточников благодаря алгоритмам распознавания и отслеживания, устойчива к низкому качеству видео.
Ключевые слова
интеллектуальная система,
изображение,
нейронные сети,
детектор,
трекер,
распознаватель,
графическая оболочка
При поддержке: Работа выполнена в рамках задания Государственной программы научных исследований «Фотоника и электроника для инноваций» (№ ГР 20212701).
Об авторах
С. С. Индюков
Белорусский государственный университет
Беларусь
Беларусь
Индюков С. С., студ.
Минск
В. А. Чуйко
Белорусский государственный университет
Беларусь
Беларусь
Чуйко Владислав Александрович, магистр физ.-мат. наук, ст. преп. каф. интеллектуальных систем
220064, Минск, ул. Курчатова, 5
Тел.: +375 29 853-07-96
Е. И. Козлова
Белорусский государственный университет
Беларусь
Беларусь
Козлова Е. И., канд. физ.-мат. наук, доц., зав. каф. интеллектуальных систем
Минск
Список литературы
1. Головатая, Е. А. Нейросетевые технологии в обработке и защите данных / Е. А. Головатая, А. В. Курочкин. Минск: Белор. гос. ун-т, 2021. C. 51–61.
2. Sample and Computation Redistribution for Efficient Face Detection [Electronic Resource] / Jia Guo [et al.]. Mode of access: https://openreview.net/pdf?id=RhB1AdoFfGE. Date of access: 09.03.2025.
3. Yaseen, M. What Is YOLOv8: An In-Depth Exploration of the Internal Features of the Next-Generation Object Detector [Electronic Resource] / М. Yaseen. Mode of access: https://www.researchgate.net/publication/383494295_What_Is_YOLOv8_An_In-Depth_Exploration_of_the_Internal_Features_of_the_Next-Generation_Object_Detector. Date of access: 09.03.2025.
4. ByteTrack: Multi-Object Tracking by Associating Every Detection Box [Electronic Resource] / Y. Zhang [et al.]. Mode of access: https://github.com/ifzhang/ByteTrack. Date of access: 10.09.2024.
5. Милль, Д. С. Система логики силлогистической и индуктивной. Изложение принципов доказательства в связи с методами научного исследования / Д. С. Милль; пер. с англ. М.: Изд-во магазина «Книжное дело», 1900.
6. ArcFace: Additive Angular Margin Loss for Deep Face Recognition [Electronic Resource] / J. Deng [et al.]. Mode of access: https://paperswithcode.com/paper/arcface-additive-angular-margin-loss-for-deep?ref=broutonlab.com/. Date of access: 11.11.2024.
7. Large-Scale CelebFaces Attributes (CelebA) Dataset [Electronic Resource] / Z. Liu [et al.]. Mode of access: https://mmlab.ie.cuhk.edu.hk/projects/CelebA.html. Date of access: 10.01.2025.
8. О защите персональных данных: закон Республики Беларусь от 7 мая 2021 года № 99-З [Электронный ресурс]. Режим доступа: https://pravo.by/document/?guid=12551&p0=H12100099. Дата доступа: 09.03.2025.
9. Train with Mixed Precision [Electronic Resource] // NVIDIA Deep Learning Performance. Mode of access: https://docs.nvidia.com/deeplearning/performance/mixed-precision-training/index.html. Date of access: 30.03.2025.
10. Davis, J. Understanding Mixed Precision Training [Electronic Resource] / J. Davis // TDS Archive. Mode of access: https://medium.com/data-science/understanding-mixed-precision-training-4b246679c7c4. Date of access: 10.04.2025.
Рецензия
Для цитирования:
Индюков С.С., Чуйко В.А., Козлова Е.И. Интеллектуальная система контроля доступа в учебную аудиторию. Цифровая трансформация. 2025;31(4):47-54. https://doi.org/10.35596/1729-7648-2025-31-4-47-54
For citation:
Indziukou S.S., Chuyko V.A., Kozlova A.I. Intelligent Access Control System for Classrooms. Digital Transformation. 2025;31(4):47-54. (In Russ.) https://doi.org/10.35596/1729-7648-2025-31-4-47-54
Просмотров:
12
Послать статью по эл. почте 