Автоматизована система обліку персоналу на основі використання розпізнавання обличчя

Abstract

Предмет дослідження – алгоритмічні та інженерні рішення для детекції і розпізнавання облич (класичний метод LBPH з бібліотеки OpenCV; глибинні підходи на основі метричного навчання: ArcFace, SFace), архітектура інтеграції з реляційною базою даних, методики оцінювання точності та надійності системи в різних зонах спостереження та умовах експлуатації. Мета роботи – розробити та експериментально обґрунтувати комплексний підхід до побудови системи контролю доступу з розпізнаванням облич, що забезпечує точний та швидкий облік відвідувань співробітників у реальних виробничих умовах, а також створити аналітичну надбудову для багатовимірного оцінювання ефективності та виявлення проблемних зон. Методи дослідження. У роботі використано методи комп'ютерного зору для детекції та локалізації облич у відеопотоках; класичні та глибинні підходи машинного навчання для екстракції біометричних ознак та ідентифікації осіб; методи нормалізації зображень та контролю якості кадрів за метриками яскравості, різкості та геометричних характеристик; методи реляційного моделювання даних для проєктування, схеми бази даних з підтримкою транзакційності та індексації; методи OLAP-аналізу та багатовимірної аналітики для побудови KPI та дашбордів у Power BI; експериментальні методи порівняльного тестування алгоритмів з вимірюванням метрик точності та продуктивності; статистичні методи обробки результатів експериментів та стратифікованого аналізу за множинними факторами. У роботі розроблено повнофункціональний конвеєр розпізнавання облич для системи контролю доступу, який інтегрує етапи детекції, нормалізації, контролю якості, екстракції ознак та прийняття рішень. Проведено систематичне порівняльне дослідження трьох алгоритмів розпізнавання (LBPH, ArcFace, SFace) у контексті специфічних вимог обліку персоналу, що дозволило визначити оптимальний баланс між точністю ідентифікації та швидкістю обробки для виробничого сценарію. Новизну становить комплексний підхід до оцінювання якості розпізнавання через призму множинних факторів впливу –розроблено методику багатовимірного аналізу, що враховує локацію точки контролю, час доби, метрики якості кадру (яскравість, різкість, розмір обличчя, поза) та дозволяє виявляти зони деградації точності. Спроєктовано нормалізовану схему реляційної бази даних, що забезпечує ефективне зберігання біометричних еталонів, профілів співробітників, конфігурацій пристроїв, детальних журналів подій розпізнавання з технічними метриками та причинами невдач. Схема підтримує як транзакційну обробку в реальному часі (запис подій доступу, фіксація метрик), так і аналітичні запити для побудови звітності. Розроблено систему індексації, що забезпечує швидке виконання типових запитів з фільтрацією за часовими діапазонами, пристроями, локаціями та співробітниками. Наукова новизна полягає у систематизації методичних підходів до оцінювання якості біометричних систем контролю доступу в реальних умовах експлуатації з урахуванням варіабельності факторів середовища. Запропоновано методику адаптивного калібрування порогів прийняття рішень на основі стратифікованого аналізу статистики розпізнавання по окремих зонах та часових інтервалах, що дозволяє оптимізувати баланс між зручністю користувачів (мінімізація хибних відхилень) та безпекою (мінімізація хибних прийняттів) індивідуально для кожної локації з урахуванням її специфіки. Розроблену систему рекомендується впроваджувати поетапно, починаючи з пілотного проєкту на обмеженій кількості точок контролю (2-3 локації з різними умовами освітлення) для калібрування параметрів та накопичення статистики. На основі зібраних результатів необхідно провести тонке налаштування порогів розпізнавання для кожної зони, визначити оптимальні алгоритми для різних сценаріїв (ArcFace для високої точності в контрольованих умовах, LBPH для обмежених обчислювальних ресурсів) та сформувати процедури технічного обслуговування камер і моніторингу метрик якості. Для забезпечення відповідності нормативним вимогам необхідно реалізувати процедури отримання письмової згоди співробітників на обробку біометричних даних, налаштувати політики строків зберігання різних категорій журналів, впровадити рольову модель доступу до персональних даних тааналітичних звітів. Рекомендується інтегрувати систему з існуючими корпоративними сервісами. Для масштабування на велику кількість точок контролю (50+ пристроїв) рекомендується перейти до гібридної архітектури з попередньою обробкою та контролем якості на edge-пристроях і централізованою екстракцією ознак та пошуком по базі еталонів на серверній інфраструктурі. Критично важливо впровадити систему проактивного моніторингу, що відстежує тренди деградації якості та автоматично генерує алерти для технічної підтримки. Результати роботи мають безпосереднє практичне застосування для підприємств, що впроваджують або модернізують системи контролю доступу та обліку робочого часу. Розроблений програмний прототип демонструє можливість створення ефективної системи розпізнавання облич з використанням відкритих бібліотек та доступного апаратного забезпечення, що значно знижує вартість впровадження порівняно з комерційними рішеннями. Методика багатовимірного аналізу якості розпізнавання та розроблені аналітичні дашборди можуть використовуватися не лише для систем контролю доступу, але й для інших прикладних сценаріїв біометричної ідентифікації.

Subject of research – algorithmic and engineering solutions for face detection and recognition (classical LBPH method from OpenCV library; deep learning approaches based on metric learning: ArcFace, SFace), architecture of integration with relational database, methodologies for evaluating system accuracy and reliability across different surveillance zones and operational conditions. Purpose of work – to develop and experimentally substantiate a comprehensive approach to building a face recognition access control system that ensures accurate and fast employee attendance tracking in real production environments, as well as to create an analytical framework for multidimensional performance evaluation and identification of problematic areas. Research methods. The work employs computer vision methods for face detection and localization in video streams; classical and deep learning approaches for biometric feature extraction and person identification; image normalization methods and frame quality control based on brightness, sharpness, and geometric characteristics metrics; relational data modeling methods for database schema design supporting transactionality and indexing; OLAP analysis and multidimensional analytics methods for building KPIs and dashboards in Power BI; experimental methods of comparative algorithm testing with measurement of accuracy and performance metrics; statistical methods for processing experimental results and stratified analysis across multiple factors. The work developed a fully functional face recognition pipeline for access control system, integrating stages of detection, normalization, quality control, feature extraction, and decision making. A systematic comparative study of three recognition algorithms (LBPH, ArcFace, SFace) was conducted in the context of specific personnel accounting requirements, which allowed determining the optimal balance between identification accuracy and processing speed for production scenarios. The novelty lies in a comprehensive approach to evaluating recognition quality through the lens of multiple influence factors – a multidimensional analysis methodology was developed that accounts for control point location, time of day, frame quality metrics (brightness, sharpness, face size, pose) and enables identification of accuracy degradation zones. A normalized relational database schema was designed that ensures efficient storage of biometric templates, employee profiles, device configurations, detailed recognition event logs with technical metrics and failure reasons. The schema supports both real-time transactional processing (access event recording, metrics capture) and analytical queries for reporting. An indexing system was developed that ensures fast execution of typical queries with filtering by time ranges, devices, locations, and employees. Scientific novelty lies in systematization of methodological approaches to evaluating biometric access control system quality in real operational conditions accounting for environmental factor variability. An adaptive decision threshold calibration methodology based on stratified analysis of recognition statistics for individual zones and time intervals was proposed, which allows optimizing the balance between user convenience (minimizing false rejections) and security (minimizing false acceptances) individually for each location considering its specifics. The developed system is recommended to be implemented in phases, starting with a pilot project on a limited number of control points (2-3 locations with different lighting conditions) for parameter calibration and statistics accumulation. Based on collected results, fine-tuning of recognition thresholds for each zone should be performed, optimal algorithms for different scenarios determined (ArcFace for high accuracy in controlled conditions, LBPH for limited computational resources), and camera maintenance procedures and quality metrics monitoring established. To ensure regulatory compliance, procedures for obtaining employees' written consent for biometric data processing must be implemented, retention policies for different log categories configured, and role-based access model to personal data and analytical reports introduced. Integration with existing corporate services is recommended. For scaling to large numbers of control points (50+ devices), transitioning to hybrid architecture with preprocessing and quality control on edge devices and centralized feature extraction and template database search on server infrastructure is recommended. Implementing a proactive monitoring system that tracks quality degradation trends and automatically generates alerts for technical support is critically important. The work results have direct practical application for enterprises implementing or modernizing access control and time tracking systems. The developed software prototype demonstrates the feasibility of creating an effective face recognition system using open-source libraries and accessible hardware, significantly reducing implementation costs compared to commercial solutions. The multidimensional recognition quality analysis methodology and developed analytical dashboards can be used not only for access control systems but also for other biometric identification application scenarios.