М.М. Гершкович – ст. науч. сотрудник, 

Институт проблем информатики ФИЦ ИУ РАН (Москва) E-mail: makmg@mail.ru

Постановка проблемы: необходимо сформулировать постановку задач идентификации информационных объектов (ИО) с использованием изображений в территориально-распределенных информационных системах, обрабатывающих данные о событиях с участием ИО, поступающие из различных источников. Под ИО понимается сформированная по определенным правилам совокупность данных, трактуемых информационной системой как единое целое. Применяемая методика решения заключается в подборе критериев слияния и кластеризации ИО с неточно известными параметрами.

Цель: предложить постановки и пути решения задач автоматического мониторинга данных с фотографиями физических лиц в потоке информации о событиях, поступающем в территориально-распределенные информационные системы.

Результаты: в ходе кластеризации в системе формируются «Сложные ИО», состоящие из связанных ИО, «похожих» по определенному критерию, что позволяет использовать при анализе всю имеющуюся информацию об ИО, включая все его изображения. Показано, что автоматически формируемая кластерная организация множеств ИО в информационной системе существенно расширяет возможности решения аналитических задач, в частности поиска связей между ИО и событиями, в которых они участвовали.

Практическая значимость: область применения предложенных технологий идентификации ИО – создание развитого аналитического функционала для поиска ИО (в том числе содержащих изображения), выявления связей между ними, мониторинга данных в больших ведомственно и территориально распределенных информационных системах. Системы, обладающие широкими возможностями анализа неточно известных данных, могут применяться для информатизации различных государственных и коммерческих структур, в частности, имеющих большое число распределенных по большой территории объектов автоматизации: в сфере обеспечения общественной безопасности, в банковской деятельности, в обучающих школьных и вузовских системах, в информационных системах Федеральной миграционной службы, Пенсионного фонда РФ, органов ЗАГС, территориальных Управлений социальной защиты населения. Разработанные алгоритмы могут быть использованы при проведении значимых мероприятий – федеральных, региональных и муниципальных выборов, спортивных соревнований и др.

1. Гершкович М.М., Бирюкова Т.К. Задачи идентификации информационных объектов в распределенных массивах данных // Системы и средства информатики. 2014. Т. 24. № 1. С. 224−241.
2. Будзко В.И. Развитие систем высокой доступности с применением технологии «большие данные» // Системы высокой доступности. 2013. № 4. С. 3−11.
3. Захаров В.Н., Садовников Д.А., Смирнов М.В., Хорошилов А.А. Автоматическое выявление угроз обществу и государству в социальных сетях и средствах массовой информации // Системы высокой доступности. 2017. № 4. С. 13−17.
4. Белоусов В.В. Современные подходы к развитию интеллектуальных технологий для информационно-управляющих систем // Системы высокой доступности. 2015. № 2. С. 43−49.
5. Арлазаров В.Л. Метод нечеткого поиска изображений в больших объемах видеоданных // Системы высокой доступности. 2016. № 1. С. 53−58.
6. Гершкович М.М., Бирюкова Т.К., Синицин В.И. Проблемы проектирования федеральных информационнотелекоммуникационных систем, организация взаимодействия хранилищ данных в территориально-распределенных системах и задачи распознавания информационных объектов // Доклад на IX Междунар. научно-технич. конф. «Оптикоэлектронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» – «Распознавание – 2010». Россия, Курск. 18−20 мая 2010.
7. Гершкович М.М., Бирюкова Т.К., Синицин В.И., Долгополов B.C., Заикин М.Ю., Козлова Л.М. Особенности организации информационного обмена в многоуровневых территориально-распределенных системах // Труды XII Междунар. научнотехнич. конф. «Кибернетика и высокие технологии XXI века». Россия, Воронеж. 2011. Т. 1. С. 1−12.
8. Ушмаев О.С., Босов А.В. Реализация концепции многофакторной биометрической идентификации в интегрированных аналитических системах // Системы высокой доступности. 2007. Т. 3. № 4. С. 13−23.
9. Ushmaev O.S. Problems of automatic fusion of biometric identificators // Pattern Recognition and Image Analysis. 2009. V. 19. № 3. P. 534−538.
10. Кухарев Г.А., Каменская Е.И., Матвеев Ю.Н., Щеголева Н.Л. Методы обработки и распознавания изображений лиц в задачах биометрии / Под ред. М.В. Хитрова. СПб.: Политехника. 2013. 388 с.
11. Нгуен Зуй Тхань, Хачумов В.Н. Модели и методы сопоставления изображений в задаче распознавания лиц // Искусственный интеллект и принятие решений. 2016. № 4. С. 5−14.
12. Muhаmmаd Shаrif, Fаrаh Nаz, Mussаrаt Yаsmin, Muhаmmаd Аlyаs Shаhidаnd Аmjаd Rehmаn Fаce Recоgnitiоn: А Survey // Journal of Engineering Science and Technology Review. 2017. V. 10. № 2. P. 166−177. URL = http://www.jestr.org/downloads/ Volume10Issue2/fulltext201022017.pdf.
13. Himаnshu Shаrmа, Аnаnd Pаwаr, Chаndhrvаrdаn Chоurаsiа, Sushmа Khаtri Imlementаtiоn оf fаce recоgnitiоn system bаse оn Elаstic grаph mаtching // Internаtiоnаl jоurnаl оf engineering Sciences & Reseаrch technоlоgy. 2016. V. 5. № 3. P. 888−895. URL = https://zenodo.org/record/48386#.XFAJlVwzZ9M.
14. Lin Wu, Chunhuа Shen, Аntоnvаnden Hengel Deep lineаr discriminаnt аnаlysis оn fisher netwоrks: А hybrid аrchitecture fоr persоn re-identificаtiоn // Pаttern Recоgnitiоn. 2017. V. 65. P. 238−250. URL = https://doi.org/10.1016/j.patcog.2016.12.022.
15. Chаngxing Dingа, Dаcheng Tао Pоse-invаriаnt fаce recоgnitiоn with hоmоgrаphy-bаsed nоrmаlizаtiоn // Pаttern Recоgnitiоn. 2017. V. 66. P. 144−152. URL = https://doi.org/10.1016/j.patcog.2016.11.024.