Онтология идентификации человека по движениям тела и лицу в видеонаблюдениях

Онтология идентификации человека по движениям тела и лицу в видеонаблюдениях

Автор: Колоденкова А.Е.

Журнал: Онтология проектирования @ontology-of-designing

Рубрика: Прикладные онтологии проектирования

Статья в выпуске: 1 (47) т.13, 2023 года.

Бесплатный доступ

В настоящее время разработка моделей и методов распознавания по движениям тела и лицу в видеонаблюдениях является актуальной задачей. Особенно это важно в обеспечении безопасности на объектах с массовым скоплением людей для противодействия преступлениям террористической направленности. В статье приведена классификация основных биометрических признаков и параметров, характеризующих потенциального нарушителя, разработанная для систем контроля безопасности, пропускных систем предприятий. Предложена структурная схема слияния биометрических данных и распознавания нарушителя, которая может лежать в основе разработки систем контроля безопасности. Рассмотрены виды систем и методы распознавания человека по движениям тела и лицу, выявлены их достоинства и недостатки. Отмечено, что для распознавания нарушителя в условиях множества биометрических признаков целесообразно использовать комбинацию методов распознавания. Это позволит принимать правильные решения относительно выявления потенциального нарушителя. В статье сделана попытка рассмотреть основные аспекты, касающиеся распознавания человека по движениям тела и лицу в видеонаблюдениях в целом, в отличие от известных работ, посвящённых отдельным биометрическим признакам.

Еще

Методы распознавания, биометрические признаки, потенциальный нарушитель, системы контроля безопасности, видеонаблюдения, онтология

Короткий адрес: https://sciup.org/170198110

IDR: 170198110   |   DOI: 10.18287/2223-9537-2023-13-1-55-74

Список литературы Онтология идентификации человека по движениям тела и лицу в видеонаблюдениях

  • Состояние преступности в России за январь - ноябрь 2022 года. Москва. Генеральная прокуратура Российской Федерации. 60 с. http://crimestat.ru/analytics.
  • Типовая модель действий нарушителя, совершающего на объекте образования преступление террористической направленности в формах вооруженного нападения, размещения взрывного устройства, захвата заложников, 41 с. https://minobrnauki.gov.ru.
  • Зенов А.Ю. Комплексный подход к обнаружению, классификации и распознаванию нарушителя на охраняемой территории // Известия высших учебных заведений. Поволжский регион. Технические науки. 2012. № 2 (22). С.23-32.
  • Смирнов А.М. К вопросу о фундаментально-теоретической модели изучения личности преступника // Гуманитарные, социально-экономические и общественные науки. 2020. № 1. С.1-5. DOI: 10.23672/SAE.2020.1.53256.
  • Ким Е.В., Ри П.Г. Личность преступника: криминологический анализ // Ученые заметки ТОГУ. 2013. Т.4. № 4. C.402-407.
  • Абельцев С.Н. О личности преступника и практической значимости ее изучения // Вестник Тамбовского университета. Гуманитарные науки. 2000. № 3 (19). С.83-85.
  • Копылова Г.К., Прозоров А.В. Психология в деятельности органов внутренних дел. М.: ЦОКР МВД России, 2006. 236 с.
  • Герасименко В.А. Основы защиты информации в АС. М.: Наука, 2001. 178 с.
  • Ольшанский Д.В. Психология терроризма. М.: Юрайт, 2015. 194 с.
  • Стуколова Л.С., Закирова Д.А. Психология современного терроризма // Аллея науки. 2018. Т.5. № 6 (22). С.546-549.
  • Jain, A.K., Ross A., Prabhakar S. An introduction to biometric recognition // IEEE Trans. Circuits Syst. Video Technol. 2004. Vol.14. No.1. P.4-20. DOI: 10.1109/TCSVT.2003.818349.
  • Газизулин А.И. Криминологическая характеристика личности террориста нашего времени // NovaInfo.Ru. 2018. Т.1. № 84. С.161-165. DOI: 10.24411/2312-0444-2021-4-292-297.
  • Аренова Л.К., Набиева Е.А. Личность лица, совершившего акт терроризма // Актуальные проблемы права и государства вXXI веке. 2018. Т. 10. № 1. С.38-46.
  • Пимакова О.Г. Личность преступника террориста // Виктимология. 2018. № 4 (18). С. 54-58.
  • Тарчоков Б.А. Мотивационные особенности вовлечения молодежи в террористическую деятельность // Историческая и социально-образовательная мысль. 2015. № 6. С.211-213. DOI: 10.17748/2075-9908-20157-6/1-211-213.
  • Шендра С.Е., Хонин А.А., Войлошников А.Д. Психологический портрет личности террориста // Молодой ученый. 2022. № 13.1 (408.1). С.32-33.
  • Малеева М., Кленикова Е., Мартынова Я. Психологический портрет террориста, 7 с. https://scienceforum.ru/2017/article/2017038036.
  • Лепешкин Н.Я., Василин В.Г., Обирин А.И., Талынев В.Е. Психологические основы терроризма и антитеррористической деятельности в современных условиях. Хабаровск: Хабаровский пограничный институт Федеральной службы безопасности Российской Федерации, 2008, 348 с.
  • Bouchrika I., Jain S., Arora S., Singh U.P. A Survey of using biometrics for smart visual surveillance: gait recognition // Advanced Sciences and Technologies for Security Applications. 2018. P.3-23. DOI: 10.1007/978-3-319-68533-5_1.
  • Singh J.P. Vision-based gait recognition: a survey // IEEE Access. 2018. Vol.6. P.70497-70527. DOI: 10.1109/ACCESS.2018.2879896.
  • Priyanka S, Kaur M. Classification in pattern recognition: a review // IJARCSSE All Rights Reserved. 2013. Vol. 3. P.298-306.
  • Кобец П.Н. О комплексном изучении личности преступника в отечественной криминологии // Проблемы развития личности: матер. международ. науч.-практ. конф. Прага, 2013. С.93-95.
  • Аверьянова Т.В., Белкин Р.С., Корухов Ю.Г., Россинская Е.Р. Криминалистика: учебник для вузов. М.: НОРМА (НОРМА-ИНФРА М), 2001. 908 с.
  • Ryszard С. Multimodal biometrics for person authentication. 2020, 516 p. https://www.researchgate.net/publication/345480873_Multimodal_Biometrics_for_Person_Authentication. DOI: 10.5772/intechopen.85003.
  • Evans N., Marcel S., Ross A., Teoh ABJ. Biometrics security and privacy protection //IEEE Signal Process Mag. 2015. Vol.32(5). P.17-18. DOI: 10.1109/MSP.2015.2443271.
  • Anil K.Jain, Nandakumar Karthik, Ross Arun. 50 years of biometric research: Accomplishments, challenges, and opportunities // Pattern Recognition Letters. 2016. Vol.79. P.80-105. DOI:10.1016/j.patrec.2015.12.013.
  • Криминалистическое исследование внешних признаков человека (габитоскопия). Физиогномика убийцы или как определить преступника по внешности: словесный портрет с полным описанием, 17.04.2021. https://lehre.ru/do/kriminalisticheskoe-issledovanie-vneshnih-priznakov-cheloveka-gabitoskopiya.html.
  • Федюнина А.П. Выявление характерологических признаков и составление психологического портрета возможного нарушителя и лояльного сотрудника в сфере информационной безопасности // Вестник АГТУ. 2007. № 4. C. 231-236.
  • Словесный портрет. Описание внешности человека по методу словесного портрета. 05.11.2021. https://goaravetisyan.ru/slovesnyi-portret-opisanie-vneshnosti-cheloveka-po-metodu-slovesnogo.
  • Акимов А.А., Мустафина С.А. Обзор современных методов искусственного интеллекта по распознаванию девиантного поведения индивида // Вестник Технологического университета. 2020. Т. 23. № 8. С.69-79.
  • Siddiqui A.M.N., Telgad R., Deshmukh P.D. Multimodal biometric systems: study to improve accuracy and performance // International Journal of Current Engineering and Technology. 2014. Vol.4. No.1. P.165-171.
  • Gad R., Nawal El-Fishawy, Ayman El-Sayed, Zorkany M. Multi-biometric systems: a state of the art survey and research directions // International Journal of Advanced Computer Science and Applications. 2015. Vol. 6(6). P. 128-138. D0I:10.14569/IJACSA.2015.060618.
  • Ayodele Oloyede, Aderonke Adegbenjo. Current practices in information fusion for multimodal biometrics // American Journal of Engineering Research (AJER). 2017. Vol. 6. P. 148-154.
  • Ковалев С.М., Колоденкова А.Е., Снасель В. Интеллектуальные технологии слияния данных при диагностировании технических объектов // Онтология проектирования. 2019. Т.9. №1(31). С.152-168. D0I: 10.18287/2223-9537-2019-9-1-152-168.
  • Долгий А.И., Колоденкова А.Е., Ковалев С.М. Проблемы и методы слияния разнородных данных в гибридных интеллектуальных системах // Гибридные и синергетические интеллектуальные системы: матер. IV Всерос. Поспеловской конференции с междунар. участием. 2018. С. 181-187.
  • Ailon N., Charikar M., Newman A. Aggregating inconsistent information: ranking and clustering // In Proceedings of 37th Annual ACM Symposium on Theory of Computing (STOC). 2015. P.684-693.
  • AlMahafzah H., AlRwashdeh M.Z. A Survey of multibiometric systems // International Journal of Computer Applications. 2012. Vol.43. No.15. P.36-43.
  • Soltane M., Bakhti M. Multi-modal biometric authentications: concept issues and applications strategies // International Journal of Advanced Science and Technology. 2012. Vol. 48. P.1-38.
  • Sathish G., Saravanan S.V., Narmadha S., Maheswari S.U. Multi-algorithmic iris recognition // International Journal of Computer Applications. 2012. Vol.38. No.11. P.13-21.
  • Mwaura G. W., Mwangi W., Otieno C. Multimodal biometric system: fusion of face and fingerprint biometrics at match score fusion level. International Journal of Scientific & Technology Research. 2017. Vol. 6. P.41-49.
  • Ross A., Jain A. Information fusion in biometrics. Pattern Recognition Letters. 2003. P.2115-2125.
  • Delac K., Grgic M. A Survey of biometric recognition methods // 46th International Symposium, ELMAR-2004, 2004. P.184-193.
  • Aly O.M., Salama G.I., Mahmoud T.A., Onsi H.M. A multimodal biometric recognition system using feature fusion based on PSO // International Journal of Advanced Research in Computer and Communication Engineering. 2013. Vol.2. P.4336-4343. D0I:10.1007/s10916-019-1391-5.
  • Ghayoumi M. A review of multimodal biometric systems: fusion methods and their applications. IEEE/ACIS 14th International Conference Computer and Information Science (ICIS). 2015. P.131-136. DOI: 10.1109/ICIS.2015.7166582.
  • Radha N., Kavitha A. Rank level fusion using fingerprint and iris biometrics // Indian Journal of Computer Science and Engineering (IJCSE). 2011. Vol.2. No.6. P.917-923.
  • Haryati Jaafar, Dzati Athiar Ramli. A review of multibiometric system with fusion strategies and weighting factor // International Journal of Computer Science Engineering (IJCSE). 2013. Vol.2. No.4. P.158-165.
  • Abderrahmane H., Noubeil G., Ziet L., Zahid A., Dipankar D. Weighted quasi-arithmetic mean based score level fusion for multi-biometric systems // IET Biometrics. 2020. Vol. 9(3). P.91-99. DOI: 10.1049/iet-bmt.2018.5265.
  • Nandakumar K., Chen Y., Dass C., Jain A.K. Likelihood ratio based biometric score fusion // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2007. P.1-9.
  • Ross A., Jain A.K. Fusion techniques in multibiometric systems // Face Biometrics for Personal Identification. 2007. P.185-212.
  • Cogkun M., Ugar A., Yildirim O., Demir Y. Face recognition based on convolutional neural network // 2017 International Conference on Modern Electrical and Energy Systems (MEES). 2017. P.376-379.
  • Уздяев М.Ю., Яковлев Р.Н., Дударенко Д.М., Жебрун А.Д. Идентификация человека по походке в видеопотоке // Известия Юго-Западного государственного университета. 2020. №24(4). C.57-75. DOI: 10.21869/2223-1560-2020-24-4-57-75.
  • Sokolova A., Konushin A. Pose-based deep gait recognition // IET Biometrics. 2019. Vol.8. P.134-143. DOI: 10.48550/arXiv.1710.06512.
  • Ivanna T., Iwan S., Andreas F. Face recognition between two person using kernel principal component analysis and support vector machines. International Journal on Electrical Engineering and Informatics. 2010. Vol.2. P.53-61. DOI:10.15676/ijeei.2010.2.1.5.
  • Maret Y., Oberson D., Gavrilova M. Real-time embedded system for gesture recognition // 2018 IEEE International Conference on Systems, Man, and Cybernetics (SMC). 2018. P.30-34. DOI: 10.1109/SMC.2018.00014.
  • Chia-Feng, Chung-Wei Liang, Lee Chiung-Ling, Chung I-Fang Vision-based human body posture recognition using support vector machines // Proceedings: 4th International Conference on Awareness Science and Technology. 2012. P.150-155. DOI:10.1109/iCAwST.2012.6469605.
  • Мокеев А.В., Мокеев В.В. Об эффективности распознавания лиц с помощью линейного дискриминантного анализа и метода главных компонент // Вестник Южно-Уральского государственного университета. Компьютерные технологии, автоматическое управление, радиоэлектроника. 2013. Vol.13. No.3. P.61-70.
  • Струкова О.В., Ширипова Л.В., Мясников Е.В. Распознавание личности по походке: опыт использования метода главных компонент и машины опорных векторов // Информационные технологии и нанотехноло-гии: сб. тр. IV междунар. конф. и молодеж. школы (ИТНТ-2018). Самара: Новая техника, 2018. С.822-832.
  • Li C., Diao Y., Ma H., Li Y. A Statistical PCA method for face recognition // Intelligent Information Technology Application. 2008. P.376-380.
  • Nefian Ara, Hayes Monson. Face detection and recognition using hidden Markov models. 1998. Vol.1. P.141-145.
Еще
Статья научная
SciUp 2024 © 2024 ©