Организация хранения и поиска образа лица в объектно-ориентированной базе лиц
Another Title
Using object-oriented databases in face recognition
Bibliographic entry
Донг, С. Ч. Организация хранения и поиска образа лица в объектно-ориентированной базе лиц = Using object-oriented databases in face recognition / С. Ч. Донг, В. С. Ионин // Системный анализ и прикладная информатика. – 2020. – № 2. – С. 54-60.
Abstract
Целью работы является разработка алгоритма функционированием системой распознавания лиц с использованием объектно-ориентированных баз данных. Система обеспечивает автоматическую идентификацию искомого объекта или идентифицирует кого-либо по цифровой фотографии или видеокадру из видеоисточника. Технология включает сравнение предварительно сканированных элементов лица из полученного изображения с прообразами лиц, хранимых в базе данных. Современные пакеты объектно-ориентированных баз данных дают пользователю возможность создания нового класса с заданными атрибутами и методами, получения классов, наследующих атрибуты и методы от суперклассов, создавать экземпляры класса, каждый из которых обладает уникальным объектным идентификатором, извлекать эти экземпляры по одному или группами, а также загружать и выполнять эти процедуры. Использование в алгоритме свёрточной нейронной сети позволяет осуществить переход от конкретных особенностей изображения к более абстрактным деталям.
Abstract in another language
The aim of the work is to develop an algorithm functioning by a face recognition system using object-oriented databases. The system provides automatic identification of the desired object or identifies someone using a digital photo or video frame from a video source. The technology includes comparing pre-scanned face elements from the resulting image with prototypes of faces stored in the database. Modern packages of object-oriented databases give the user the opportunity to create a new class with the specified attributes and methods, obtain classes that inherit attributes and methods from super classes, create instances of the class, each of which has a unique object identifier, extract these instances one by one or in groups, and also download and perform these procedures. Using a convolutional neural network in the algorithm allows the transition from specific features of the image to more abstract details.
View/ Open
Collections
- № 2[10]