Preview

Информатика и образование

Расширенный поиск

Создание программного прототипа системы распознавания лиц для образовательных учреждений на платформе «1С:Предприятие»

https://doi.org/10.32517/0234-0453-2023-38-6-52-58

Аннотация

Использование информационных технологий влечет за собой не только огромные преимущества, но и большое количество новых угроз. Одной из самых опасных из них является утечка данных, поскольку она подрывает доверие потребителя и может привести к закрытию бизнеса. С подобной проблемой сталкиваются и образовательные организации, использующие в своей работе приложения на платформе 1C. Решением в данном случае может стать усложнение механизма авторизации: добавление в него еще одного шага — распознавания лиц.

Для оптимального конструирования этого способа авторизации необходимо спроектировать архитектуру программы с учетом актуальных на текущий момент бизнес-требований образовательных организаций и разработать программный прототип, готовый к интеграции в текущие образовательные программные решения.

В статье приводится пример вышеуказанной архитектуры и приложения, созданного на ее базе. В дальнейшем они могут быть интегрированы в любую систему на базе «1С:Предприятие». Для удовлетворения требований к системе наиболее подходящей архитектурой является «клиент — сервер» с отдельным сервером, выделенным для базы данных. Используется язык программирования Python, организация сетевой коммуникации согласно принципам REST при помощи метода GET и протокола HTTP, передача данных фотографий происходит в формате JSON.

Об авторах

Д. А. Барабаш
Финансовый университет при Правительстве Российской Федерации
Россия

Барабаш Дмитрий Александрович, канд. экон. наук, старший преподаватель департамента анализа данных и машинного обучения, факультет информационных технологий и анализа больших данных

Москва



П. М. Панов
Финансовый университет при Правительстве Российской Федерации
Россия

Панов Павел Михайлович, магистрант направления «Прикладная информатика», профиль «Программное управление операциями разработки информационных систем», департамент анализа данных и машинного обучения, факультет информационных технологий и анализа больших данных

Москва



Список литературы

1. Путинцев А. Н., Воинова В. Ю., Демикова Н. С., Лапина А. С. Веб-приложение «Врожденные пороки и аномалии развития»: оценка эффективности на основе обратной связи. Врач и информационные технологии. 2020;(4):6–13. EDN: BCZAOE. DOI: 10.37690/1811-0193-2020-4-6-13.

2. Ванин П. А., Нестеров А. С., Холодилин И. Ю. Внедрение технологий IIOT и AR на примере учебного лабораторного стенда для практических занятий студентов электротехнических специальностей. Вестник Южно-Уральского государственного университета. Серия: Энергетика. 2020;20(1):123–133. END: THWIQD. DOI: 10.14529/power200114.

3. Ильин В. А., Правосудов Р. Н. Технология автоматизации подготовки образовательных программ вуза в соответствии с требованиями ФГОС ВО 3++. Информатика и образование. 2020;35(3):5–10. EDN: NPBDBR. DOI: 10.32517/0234-0453-2020-35-3-5-10.

4. Преображенский Ю. П., Линкина А. В. Оптимизация внедрения электронной информационной образовательной среды в учебном заведении. Вестник Воронежского государственного университета инженерных технологий. 2021;83(4(90)):370–374. EDN: FAOSDU. DOI: 10.20914/2310-1202-2021-4-370-374.

5. McCourt S., McLaren I. P. L., Civile C. Changing face contours reduces the inversion effect and overall recognition performance. Current Research in Behavioral Sciences. 2023;4:100115. DOI: 10.1016/j.crbeha.2023.100115.

6. Huang B., Wang Z., Wang G. et al. PLFace: Progressive learning for face recognition with mask bias. Pattern Recognition. 2023;135:109142. DOI: 10.1016/j.patcog.2022.109142.

7. Boussaad L., Boucetta A. Deep-learning based descriptors in application to aging problem in face recognition. Journal of King Saud University — Computer and Information Sciences. 2022;34(6A):2975–2981. DOI: 10.1016/j.jksuci.2020.10.002.

8. Rajeshkumar G., Braveen M., Venkatesh R. et al. Smart office automation via faster R-CNN based face recognition and internet of things. Measurement: Sensors. 2023;27:100719. DOI: 10.1016/j.measen.2023.100719.

9. Billah M. F. R. M., Adnan M. A. SMARTLET: A dynamic architecture for real time face recognition in smartphone using cloudlets and cloud. Big Data Research. 2019;17:45–55. DOI: 10.1016/j.bdr.2018.07.001.

10. Ai H., Cheng X. Research on embedded access control security system and face recognition system. Measurement. 2018;123:309–322. DOI: 10.1016/j.measurement.2018.04.005.

11. Kumar B. D., Mir H. A., Ahmed M. K., Siddiqui M. T. Exam form automation using facial recognition. Materials Today: Proceedings. 2023;80:2236–2240. DOI: 10.1016/j.matpr.2021.06.190.

12. Sardar A., Umer S. Implementation of face recognition system using BioCryptosystem as template protection scheme. Journal of Information Security and Applications. 2022;70:103317. DOI: 10.1016/j.jisa.2022.103317.

13. Xu H., Li W., Cai Z. Analysis on methods to effectively improve transfer learning performance. Theoretical Computer Science. 2023;940:90–107. DOI: 10.1016/j.tcs.2022.09.023.

14. Хаметова Э. Ф., Бакиева О. Р. Разработка программного комплекса для количественного анализа химического состава по Оже-электронным спектрам. Химическая физика и мезоскопия. 2023;25(1):113–119. EDN: SKVCNE. DOI: 10.15350/17270529.2023.1.12.

15. Лисовец Ю. П., Романова Е. Л., Вай Я. М. Подготовка базы данных для автоматизированного контрольно-пропускного пункта на режимный объект. Известия высших учебных заведений. Электроника. 2020;25(4):367–373. EDN: EOEDJF. DOI: 10.24151/1561-5405-2020-25-4-367-373.

16. Fielding R. T. Architectural styles and the design of network-based software architectures: Dr. philos. sci. diss. University of California, Irvine, USA, 2000. 162 p. https://ics.uci.edu/~fielding/pubs/dissertation/top.htm

17. Иванько Д. В. Использование системы распознавания лиц для осуществления покупок в мобильных устройствах и веб-приложениях. Научно-технический вестник информационных технологий, механики и оптики. 2018;18(3):457–461. EDN: XPUCYX. DOI: 10.17586/2226-1494-2018-18-3-457-461.

18. Бычков И. В., Ружников Г. М., Федоров Р. К., Попова А. К., Авраменко Ю. В. О классификации космических снимков Sentinel-2 нейронной сетью ResNet-50. Компьютерная оптика. 2023;47(3):474–481. EDN: KSJOVZ. DOI: 10.18287/2412-6179-CO-1216.

19. Салех Л. О. А., Хлопин С. В. Методы распознавания лиц на основе анализа видеоизображений. Системный анализ в проектировании и управлении. Сборник научных трудов XXVI Международной научно-практической конференции. Санкт-Петербург: ПОЛИТЕХ-ПРЕСС; 2023;2:132–140. EDN: RZCZGE. DOI: 10.18720/SPBPU/2/id23-89.

20. Балашов Н. А., Балашова М. В., Книгин С. Р., Кутовский Н. А. Применение стека технологий ELK для сбора и анализа системных журналов событий. Современные информационные технологии и ИТ-образование. 2021;17(1):61–68. EDN: PSZFBI. DOI: 10.25559/SITITO.17.202101.731.

21. Лазарева Н. Б. Оптимальный подход к разработке программного обеспечения с использованием современных методологий и технических средств. Инженерный вестник Дона. 2020;(10(70)):54–63. EDN: QBMAPA.


Рецензия

Для цитирования:


Барабаш Д.А., Панов П.М. Создание программного прототипа системы распознавания лиц для образовательных учреждений на платформе «1С:Предприятие». Информатика и образование. 2023;38(6):52-58. https://doi.org/10.32517/0234-0453-2023-38-6-52-58

For citation:


Barabash D.A., Panov P.M. Creating a software prototype of the face recognition system for educational institutions on the "1C:Enterprise" platform. Informatics and education. 2023;38(6):52-58. (In Russ.) https://doi.org/10.32517/0234-0453-2023-38-6-52-58

Просмотров: 218


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 0234-0453 (Print)
ISSN 2658-7769 (Online)