Επιτομή:
Η εργασία αυτή παρουσιάζει την ανάπτυξη ενός ολοκληρωμένου συστήματος
αναγνώρισης προσώπου με τη χρήση αλγορίθμων νευρωνικών δικτύων, εστιάζοντας σε
μια μελέτη περίπτωσης για την επιτήρηση χώρου. Για την αναγνώριση προσώπου,
αξιοποιείται η βιβλιοθήκη DeepFace, η οποία υποστηρίζει σύγχρονους αλγόριθμους
μηχανικής μάθησης, όπως VGG-Face, Facenet και ArcFace. Το γραφικό περιβάλλον της
εφαρμογής υλοποιείται με PySide6 (Qt6), προσφέροντας μια διαδραστική διεπαφή χρήστη
για τη διαχείριση του συστήματος.
Επίσης υπάρχει επικοινωνία με μια web σελίδα ελέγχου μέσω WebSockets,
επιτρέποντας την απομακρυσμένη διαχείριση του προγράμματος και την προβολή
δεδομένων αναγνώρισης προσώπων σε πραγματικό χρόνο. Το control website μπορεί να
αποστέλλει εντολές στο πρόγραμμα για τον έλεγχο της λειτουργίας του και να λαμβάνει
ενημερώσεις σχετικά με αναγνωρισμένα πρόσωπα ή άλλες σχετικές πληροφορίες. Μέσω
αυτής της αρχιτεκτονικής, το σύστημα επιτρέπει την αποδοτική παρακολούθηση και
διαχείριση της επιτήρησης ενός χώρου, παρέχοντας ευελιξία και αμεσότητα στον έλεγχο
του.
Abstract
This paper presents the development of an integrated facial recognition system utilizing
neural network algorithms, focusing on a case study for space surveillance. The system employs
the DeepFace library, which supports state-of-the-art machine learning algorithms such as
VGG-Face, Facenet, and ArcFace for facial recognition. The graphical user interface is
implemented using PySide6 (Qt6), providing an interactive environment for system
management.
Additionally, the system integrates with a web-based control page via WebSockets,
enabling remote management and real-time monitoring of facial recognition data. The control
website can send commands to the application to adjust its functionality and receive updates
on detected faces or other relevant information. This architecture ensures efficient surveillance
and management, offering flexibility and immediacy in the system control.
