Разработка системы анализа посещаемости с применением методов компьютерного зрения: дипломная работа / Ксения Андреевна Ставицкая; БГУ, Факультет прикладной математики и информатики, Кафедра компьютерных технологий и систем; науч. рук. Шолтанюк С. В., Каркоцкий A. Г.

Abstract

РЕФЕРАТ

Дипломная работа – 71 страница, 5 рисунков, 2 таблицы, 1 приложение, 20 источников. Ключевые слова – КОМПЬЮТЕРНОЕ ЗРЕНИЕ, РАСПОЗНАВАНИЕ ЛИЦ, ЭМБЕДИНГИ, YOLOV5, MOBILENETV3, ARCFACE, АНАЛИЗ ПОСЕЩАЕМОСТИ, FASTAPI. Объект исследования – методы и технологии компьютерного зрения, применяемые для автоматического распознавания лиц на фотографиях и регистрации посещаемости, включая архитектуры нейронных сетей и подходы к построению векторных представлений лиц. Предмет исследования – технологии и методы автоматизированного распознавания лиц на изображениях для анализа посещаемости с применением алгоритмов компьютерного зрения и нейросетевых моделей. Цель работы – разработка программного решения для автоматизированного учёта посещаемости на основе анализа фотоснимков с применением современных методов компьютерного зрения и нейронных сетей. Методы исследования – теоретические: изучение литературы по теме распознавания лиц, нейросетевых архитектур и подходов к построению эмбедингов; анализ современных инструментов глубокого обучения и веб-разработки. Практические: реализация детекции лиц с помощью YOLOv5, генерация эмбедингов через MobileNetV3 с функцией потерь ArcFace, сравнение эмбедингов, построение API на FastAPI, тестирование точности распознавания в различных условиях. Полученные результаты и их новизна – разработана и реализована система анализа посещаемости на основе собственных нейросетевых моделей детекции (YOLOv5) и распознавания лиц. Новизна заключается в полной самостоятельной сборке и обучении компонентов, их интеграции в единую архитектуру с веб-интерфейсом и базой данных, а также адаптации к реальным условиям съёмки. Достоверность материалов и результатов дипломной работы – результаты подтверждены тестированием на открытых и собственных данных, валидацией модели по точности распознавания и устойчивостью к внешним условиям. Использованы современные методы и библиотеки, что обеспечивает воспроизводимость и объективность. Область возможного практического применения – cистема может использоваться в вузах, школах, офисах и других организациях для автоматизированного учёта посещаемости по изображениям, обеспечивая точность, надёжность и снижение затрат на ручной контроль.