sapiСистемный анализ и прикладная информатика«System analysis and applied information science»2309-49232414-0481Belarusian National Technical University10.21122/2309-4923-2020-2-54-60sapi-472Research ArticleОбработка информации и принятие решенийData processing and decision–makingОрганизация хранения и поиска образа лица в объектно-ориентированной базе лицUsing object-oriented databases in face recognitionДонгС. Ч.DongX. C.

Донг Суан Чинь – магистрант кафедры проектирования информационно-компьютерных систем

Chinhd12vt6@gmail.comИонинВ. С.IoninV. I.

Ионин Виктор Сергеевич – кандидат технических наук, доцент кафедры проектирования информационно-компьютерных систем

ionin@bsuir.byБелорусский государственный университет информатики и радиоэлектроникиБеларусьBelarusian State University of Informatics and RadioelectronicsBelarus202018082020025460Copyright © Донг С.Ч., Ионин В.С., 20202020Донг С.Ч., Ионин В.С.Dong X.C., Ionin V.I.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://sapi.bntu.by/jour/article/view/472

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.

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.

распознавание лицактивные модели внешнего видаактивные модели формыобъектно-ориентированная база данныхсвязь между даннымиабстрактные типы данныхидентификаторface recognitionactive appearance modelsactive form modelsobject-oriented databasecommunication between dataabstract data typesidentifierReferencesАнализ существующих подходов к распознаванию лиц. – [Электронный ресурс]. – Код доступа: http://paclub.ru/assets/curriculum/programs. – Дата доступа 14.01.2020.Анализ существующих подходов к распознаванию лиц. – [Электронный ресурс]. – Код доступа: http://paclub.ru/assets/curriculum/programs. – Дата доступа 14.01.2020.Объектно-ориентированные базы данных – основные концепции, организация и управление: краткий обзор. – [Электронный ресурс]. – Код доступа: http://citforum.ru/database/articles/art_24.shtml. – Дата доступа 14.01.2020.Объектно-ориентированные базы данных – основные концепции, организация и управление: краткий обзор. – [Электронный ресурс]. – Код доступа: http://citforum.ru/database/articles/art_24.shtml. – Дата доступа 14.01.2020.Serge Abiteboul. Towards a Deductive Object-Oriented Database Language // Data and Knowledge Eng. – 5. – 1990. – 263–287.Serge Abiteboul. Towards a Deductive Object-Oriented Database Language // Data and Knowledge Eng. – 5. – 1990. – 263–287.Kyuchul Lee, Sukho Lee. An Object-Oriented Approach to Data/Knowledge Modelling Based on Logic // 6th Int. Conf. Data Eng., Los Angeles, Calif., USA, Febr. 5–9, 1990. – 289–294.Kyuchul Lee, Sukho Lee. An Object-Oriented Approach to Data/Knowledge Modelling Based on Logic // 6th Int. Conf. Data Eng., Los Angeles, Calif., USA, Febr. 5–9, 1990. – 289–294.A. M. Alashqur, S. Y. W. Su, H. Lam. A Rule-based Language for Deductive Object-Oriented Databases // 6th Int. Conf. Data Eng., Los Angeles, Calif., USA, Febr. 5–9, 1990. – 58–67.A. M. Alashqur, S. Y. W. Su, H. Lam. A Rule-based Language for Deductive Object-Oriented Databases // 6th Int. Conf. Data Eng., Los Angeles, Calif., USA, Febr. 5–9, 1990. – 58–67.Lois M. L. Delcambre, Karen C. Davis. Automatic Validation of Object-Oriented Database Structures // 5th Int. Conf. Data Eng., Los Angeles, Calif., USA, Febr. 6–10, 1989. – 2–9.Lois M. L. Delcambre, Karen C. Davis. Automatic Validation of Object-Oriented Database Structures // 5th Int. Conf. Data Eng., Los Angeles, Calif., USA, Febr. 6–10, 1989. – 2–9.Introducing Convolutional Neural Networks in Deep Learning. – [Электронный ресурс]. – Код доступа: https:// towardsdatascience.com/introducing-convolutional-neural-networks-in-deep-learning-400f9c3ad5e9. – Дата доступа 18.01.2020.Introducing Convolutional Neural Networks in Deep Learning. – [Электронный ресурс]. – Код доступа: https:// towardsdatascience.com/introducing-convolutional-neural-networks-in-deep-learning-400f9c3ad5e9. – Дата доступа 18.01.2020.Labeled Faces in the Wild. – [Электронный ресурс]. – Код доступа: http://vis-www.cs.umass.edu/lfw/. – Дата доступа 18.01.2020.Labeled Faces in the Wild. – [Электронный ресурс]. – Код доступа: http://vis-www.cs.umass.edu/lfw/. – Дата доступа 18.01.2020.A Detailed Guide to 7 Loss Functions for Machine Learning Algorithms with Python Code. – [Электронный ресурс]. – Код доступа: https://www.analyticsvidhya.com/blog/2019/08/detailed-guide-7-loss-functions-machine-learning-python-code/. – Дата доступа 18.01.2020.A Detailed Guide to 7 Loss Functions for Machine Learning Algorithms with Python Code. – [Электронный ресурс]. – Код доступа: https://www.analyticsvidhya.com/blog/2019/08/detailed-guide-7-loss-functions-machine-learning-python-code/. – Дата доступа 18.01.2020.Definition and Overview of ODBMS. – [Электронный ресурс]. – Код доступа: https://www.geeksforgeeks.org/definition-and-overview-of-odbms. – Дата доступа 18.01.2020.Definition and Overview of ODBMS. – [Электронный ресурс]. – Код доступа: https://www.geeksforgeeks.org/definition-and-overview-of-odbms. – Дата доступа 18.01.2020.

The authors declare that there are no conflicts of interest present.