Магистранты КузГТУ разрабатывают интеллектуальную систему распознавания лиц

Современные системы распознавания лиц играют ключевую роль в безопасности предприятий и автоматизации множества задач, для которых необходима идентификация личности. Однако низкое качество изображений, как следствие плохого освещения или низкого разрешения камеры, остаётся вызовом для разработчиков и компаний. Решить проблему взялись магистранты ИИТМА и участники СНО «Area 3.14» Даниил Красновский и Юрий Негров.

Молодые учёные представили интеллектуальную систему распознавания лиц, которая способна работать в реальном времени и обеспечивать высокую точность благодаря использованию нейронных сетей и предварительному улучшению качества изображения. За считанные секунды система фиксирует изображение человека с камеры и передаёт его в модуль обработки. Нейросеть анализирует изображение, устраняет искажения, повышает его качество, производит распознавание по базе данных, после чего оператор получает результат.

Создать систему высокой точности возможно благодаря комбинации моделей распознавания лиц с технологиями улучшения качества изображений. Такие модели могут извлекать более точные признаки, что приводит к снижению количества ошибок, ложноположительных и ложноотрицательных результатов при идентификации. Особенно это актуально для работы в условиях реального времени, где система должна обрабатывать поток изображений с камеры, зачастую низкого качества, – объясняют студенты.

Аппаратная часть проекта – плата на базе процессора с нейронным ускорителем, который обеспечивает производительность до шести триллионов операций в секунду. На сегодняшний день магистранты интегрировали модели улучшения входного изображения в процесс распознавания лиц и частично реализовали приложение для взаимодействия с системой. Однако поиски лучших комбинаций продолжаются.

Наши следующие действия – оптимизировать время обработки для улучшения эффективности работы в реальном времени, а также интегрировать другие методы для повышения устойчивости системы к внешним факторам, влияющим на входные данные, например, тёмное время суток. В ближайшее время планируем добавить модель CodeFormer как альтернативу улучшения входного изображения, фильтры для обработки изображений на замену моделям улучшения, детектор YOLOv11 и YOLO-NAS, чтобы выяснить, какой из них будет потреблять меньше ресурсов и памяти на плате, модель для распознавания AdaFace или MagFace на замену текущей ArcFace.

Проект Даниила и Юрия занял первое место в конкурсе «Лучшие студенческие инновации» (номинация «Студенческий проект») в рамках Студенческой научной сессии. Он ориентирован на использование в системах безопасности, коммерческих компаниях и государственных учреждениях. В будущем команда планирует провести тестирование на реальных объектах и расширить возможности системы.