Разработка алгоритма для распознавания лиц в системах безопасности для контроля доступа в бизнес-центр

Коротко: как написать ВКР по теме «Разработка алгоритма для распознавания лиц в системах безопасности для контроля доступа в бизнес-центр»

ВКР по теме «Разработка алгоритма для распознавания лиц» включает анализ бизнес-процессов контроля доступа, проектирование ИС с использованием OpenCV и deep learning, реализацию на Python, экономический расчёт эффекта. Работа должна соответствовать ГОСТ 34.602-2020 и методичке Синергия. Ключ — измеримый результат: снижение времени верификации на 60% или повышение уровня безопасности.

Нужен разбор вашей темы Разработка алгоритма для распознавания лиц в системах безопасности для контроля доступа в бизнес-центр? Получите бесплатную консультацию: @Diplomit | +7 (987) 915-99-32 (MAX, WhatsApp)

Актуальность темы

В 2024 году 68% бизнес-центров в Москве внедрили системы биометрической идентификации, сократив несанкционированный доступ на 43% (источник: CyberLeninka, 2024). При этом 41% из них используют устаревшие алгоритмы на базе Haar-каскадов, которые не справляются с масками, плохим освещением или подменой фото. Это создаёт уязвимости.

Разработка современного алгоритма на базе нейросетей (например, FaceNet или ArcFace) позволяет повысить точность распознавания до 98,7%. В условиях роста киберугроз и требований ФСТЭК к контролю доступа (Требования по защите персональных данных, 2023), такие системы становятся критически важными.

По практике: студенты, которые привязывают актуальность к реальным утечкам данных (например, инцидент в БЦ «Москва-Сити» в 2023 году), получают выше оценки. Это показывает понимание предметной области.

Цель и задачи

Цель ВКР: Разработка и внедрение алгоритма распознавания лиц для контроля доступа в бизнес-центре, обеспечивающего точность не менее 97% и время обработки до 1,2 сек.

Задачи:

1. Анализ существующих систем контроля доступа в БЦ (на примере ООО «Гранд-Сервис»).
2. Моделирование процессов «как есть» и «как должно быть» с использованием BPMN и DFD.
3. Выбор и обоснование стека технологий: Python, OpenCV, MTCNN, FaceNet.
4. Разработка алгоритма с обучением на датасете LFW и адаптацией под условия БЦ.
5. Расчёт экономической эффективности: снижение затрат на охрану на 25% за счёт автоматизации.

Задачи соответствуют структуре методички Синергия: от анализа до экономики. Каждая задача — отдельный логический блок в работе.

Рекомендуемая структура дипломной работы

Пример введения для Синергия

Контроль доступа в бизнес-центрах остаётся уязвимым звеном в системе безопасности. Традиционные методы — пропуска, PIN-коды — подвержены копированию и утере. По данным Роскомнадзора, в 2023 году 18 инцидентов с доступом в БЦ были связаны с фальшивыми пропусками. Внедрение биометрических систем на базе распознавания лиц позволяет решить эту проблему.

Объект исследования — процесс контроля доступа в бизнес-центре «Скай Тауэр». Предмет — алгоритм идентификации лиц на основе нейросетевых моделей. Цель — разработка программного решения, интегрируемого с IP-видеонаблюдением.

Задачи включают анализ аналогов, проектирование ИС, разработку алгоритма, оценку экономического эффекта. Методология — ГОСТ 34.602-2020. Практическая значимость — снижение времени верификации с 15 до 1,2 сек и повышение уровня безопасности.

Этапы разработки информационной системы

graph TD
  A[Анализ требований] --> B[Проектирование системы]
  B --> C[Разработка]
  C --> D[Тестирование]
  D --> E[Внедрение]
  

Как написать заключение по Разработка, сопровождение и обеспечение безопасности информационных систем

В ходе работы был проанализирован процесс контроля доступа в бизнес-центре, выявлены узкие места: ручная проверка, низкая скорость, риск подмены. Разработан алгоритм на базе FaceNet с точностью 97,4%, протестированный на 1200 изображениях сотрудников. Система интегрирована с камерами Hikvision через ONVIF.

Экономический эффект составил 1,2 млн руб. в год за счёт сокращения штата охраны и снижения инцидентов. ROI — 14 месяцев. Работа соответствует требованиям ГОСТ и методичке Синергия. Рекомендуется внедрение в пилотном режиме.

Требования к списку литературы Синергия

Список оформляется по ГОСТ Р 7.0.100-2018. Включайте:

• Официальную документацию: OpenCV Documentation
• Научные статьи: Schroff, F., Kalenichenko, D., & Philbin, J. (2015). FaceNet: A Unified Embedding for Face Recognition. CVPR.
• Нормативные документы: ФСТЭК. Требования к средствам биометрической идентификации

Вопросы, которые часто задают студенты

Можно ли использовать готовые решения в ВКР?

Да, но с адаптацией. Например, можно взять FaceNet, но дообучить на датасете сотрудников БЦ и добавить шумоподавление. Наши студенты теряют баллы, когда просто копируют GitHub. Уникальность — в доработке под ТЗ.

Сколько страниц должна быть практическая часть?

В Синергия — 40–60 страниц. Включайте: схемы (UML, ERD), листинги кода, тесты, интерфейс. Если меньше — могут не допустить до защиты. Проверяйте методичку.

Можно ли использовать open-source решения?

Обязательно. OpenCV, TensorFlow, Dlib — стандарт для таких работ. Главное — правильно оформить ссылки и показать, как вы их адаптировали. Это не плагиат, а грамотное использование инструментов.

Проверьте свою тему ВКР

• □ Есть ли реальная организация для анализа?
• □ Есть ли измеримый эффект внедрения?
• □ Можно ли построить диаграммы процессов?
• □ Есть ли реальные данные для экономических расчетов?