СОПРЯЖЕНИЕ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ПОТОКОВОГО РАСПОЗНАВАНИЯ ЛИЦ СО СРЕДСТВАМИ ГЕНЕРАЦИИ ОТЧЕТОВ

Введение.

Вопрос контроля посещаемости и времени прохода на пропускном пункте на предприятиях может быть решен с помощью технологий при минимальном участии человека в этом процессе. На данный момент существует достаточное количество как систем потоковой обработки информации, различных систем управления базами данных (СУБД), так и огромное количество программ для автоматической генерации отчетов по собранным данным. Но возникает проблема интеграции таких достаточно сложных систем в единую.

Таким образом, вопрос создания единой интегрированной системы, которая обрабатывает информацию в режиме реального времени, заносит полученные данные в базу данных, а также генерирует по этим данным отчеты, является актуальным.

Объектом данного исследования являются система распознавания изображений, а предметом исследования являются характеристики создаваемой системы, такие как выгрузка информации по детектированному изображению из системы потокового распознавания в СУБД и выгрузка данных из СУБД в систему генерации отчетов.

Цель данной работы – создать централизованное хранение результатов детектированных лиц и вывод отчетов для удобного мониторинга количества посещений людьми объекта, на котором используется система потокового распознавания лиц, в том числе время входа и выхода с объекта.

Средства анализа потоковой информации.

Интенсивность генерации данных на сегодняшний день с помощью различных компьютерных систем может достигать нескольких десятков петабайт в секунду. Системы потоковой обработки решают проблему, проводя анализ в реальном времени и обладая задержкой обработки элемента данных в несколько миллисекунд.

На данный момент существует несколько программ, которые являются средствами потоковой обработки данных. Например, Apache Storm, Akka и IBM InfoSphere Streams. Но, к сожалению, не все из них поддерживают потоковую обработку таких данных как изображения и видеозаписи. Модули, поддерживающие соответственный анализ присутствуют только в программных продуктах Apache Storm и IBM InfoSphere Streams.

Фреймворк Apache Storm написан на языках программирования Clojure и Java и исполняется на (java virtual machine) JVM. IBM InfoSphere Streams же разработан на С++ и Java. Одним из главных отличий Apache Storm от IBM InfoSphere Streams является то, что в последнем управление на главном узле архитектуры производится не одним, а множеством сервисом, ориентированных на различные аспекты.

Также IBM InfoSphere Streams включает в себя графический интерфейс с выводом метрик производительности в отличие от своих аналогов.

В дополнение к этому, несмотря на то, что при небольших объемах данных работа Apache Storm превосходит по пропускной способности IBM InfoSphere Streams, Apache Storm при увеличении размеров данных начинает потреблять огромное количество памяти относительно IBM InfoSphere Streams.

Таким образом, можно сделать вывод, что при обработке больших объемов информации выгоднее использовать программу потоковой обработки информации IBM InfoSphere Streams.

Система управления базами данных.

Для работы с программой, которая занимается потоковой обработкой данных, необходима база данных для обрабатываемой информации. Далее был проведен анализ и выбор наиболее подходящей и эффективной базы данных для работы с IBM InfoSphere Streams.

Для сравнения были выбраны наиболее используемые базы данных такие как Oracle, MySQL и IBM DB2. Последние две базы данных имеют объектную подстройку над реляционным ядром системы. На ранних стадиях проектирования информационной системы, основанной на объектном подходе, выбор объектной системы управления базами данных позволит в полном объеме реализовать возможность объектного моделирования предметной области и анализа отображения ее сущностей в проектируемые объекты и классы.

В дополнение к этому на основе изученных материалов и описаний по базам данных Oracle 12.1.0.2, MySQL 5.7.11 и IBM DB2 10.5 была создана таблица, содержащая в себе основные отличительные характеристики описанных выше бах данных. (табл. 1)

Таблица 1 Основные отличительные характеристики сравниваемых баз данных.

Таким образом, из проведенного анализа можно сделать вывод, что для работы с таким продуктом как IBM InfoSphere Streams наиболее эффективно будет с базой данной IBM DB2.

Системы Business Intelligence.

Для обработки колоссального количества получаемой информации необходим инструмент для перевода необработанной информации в осмысленную и более удобную форму. Технологии Business Intelligence обрабатывают большие объемы неструктурированных данных, чтобы найти стратегические возможности для бизнеса.

Business Intelligence предоставляет множество различных бизнес- решений от операционных до стратегических. Основные операционные решения включают в себя позиционирование продукта или цен. Стратегические бизнес-решения включают в себя приоритеты, цели и направления в самом широком смысле. BI наиболее эффективен, когда он объединяет данные, полученные из рынка, на котором работает компания (внешние данные), с данными из источников внутри компании, таких как финансовые и операции с данными (внутренние данные).

Таким образом, для дальнейшего выполнения данной курсовой работы требуется инструмент Business Intelligence, который интерпретирует полученные данные, уделяя внимание только ключевым факторам эффективности, моделируя исход различных вариантов действий и отслеживая результаты принятия решений.

Для выбора инструмента Business Intelligence были выбраны наиболее используемые на данных момент: Orcale BI, QlikView и IBM Cognos BI.

По результатам проведенного анализа информации о данных инструментах Business Intelligence платформа QlikView является одной из самых быстрых в работе и легких в использовании за счет обработки данных в оперативной памяти. Но также следует отметить, что QlikView и IBM Cognos BI в отличие от Oracle BI имеют адаптированное представление системы   для   мобильных  устройств,  работающее  в   режиме   реального времени.

Кроме того, были выбраны система потоковой обработки информации IBM InfoSphere Streams и система управления базами данных IBM DB2. IBM Cognos BI является продуктом разработки одноименной компании, что предоставляет возможности упрощённой установки данной системы для совместного использования с вышеперечисленными продуктами IBM. Таким образом, в качестве системы Business Intelligence была выбрана платформа IBM Cognos BI.

Автоматизированная система распознавания изображений.

Данная работа является составляющей частью проекта разработки автоматизированной системы для потокового распознавания лиц людей под названием «Распознавание». Разработанная программа выполняет следующие функции:

1)    Считывание видеоизображения с камеры;

2)    Определение и выделение лица;

3)    Обрезание картинки по выделенной области лица;

 4)    Совмещение и сравнение изображений;

 5)    Добавление подписи к детектированному изображению;

 6)    Выгрузка в БД;

 7)    Загрузка из БД данных для работы с отчетами;

 8)    Вывод отчета.

Заключение.

Важнейшей задачей данной научной работы было создать централизованное хранение результатов детектированных лиц и вывод отчетов для удобного мониторинга количества посещений людьми объекта, на котором используется система потокового распознавания лиц, в том числе время входа и выхода с объекта. Проведя аналитический обзор материалов по используемым программным продуктам, а также сравнительный анализ продуктов, были выбраны следующие программы: система потоковой обработки изображений IBM InfoSphere Streams, СУБД IBM DB2 и система генерации отчетов IBM Cognos BI, которые в последствии были успешно сопряжены в единую систему.

Созданная единая система является более удобной для использования, чем применение трех различных систем в отдельности. Также преимущество полученной единой системы является в повышении скорости ее работы в отличие от работы ее компонентов в отдельности. Созданная система удовлетворяет заданным требованиям.

Список литературы

1.                Казанский Н.Л., Проценко В.И., Серафимович П.Г. Сравнение производительности  систем   потокового  анализа  данных  в   задаче обработки изображений скользящим окном. // Компьютерная оптика, 2014, том 38, №4.

2.                ТехнологииBI. // Режим доступа:http://www.tadviser.ru/index.php/BI(Датаобращения10.02.2016)

 3.                IBMCognosBI//Режимдоступа: http://www.tadviser.ru/index.php/%D0%9F%D1%80%D0%BE%D0%B4% D1%83%D0%BA%D1%82:IBM_Cognos(Датаобращения10.02.2016)

4.       IBMCognosAnalytics.//IBM.Режимдоступа:http://www- 03.ibm.com/software/products/en/cognos-analytics   (Дата      обращения 30.02.2016)