Архитектура систем распознавания лиц: этапы обработки и классификация методов
Автор: Спиричев И.И., Лабунец Л.В.
Рубрика: Управление сложными системами
Статья в выпуске: 1, 2026 года.
Бесплатный доступ
Рассматриваются архитектурные основы современных систем распознавания лиц. Проанализированы ключевые этапы обработки: обнаружение, предварительная обработка, выравнивание, извлечение признаков и сравнение. Представлена детальная классификация методов – от традиционных подходов и методов на основе локальных признаков (локальные бинарные шаблоны, гистограммы направленных градиентов, масштабно-инвариантное преобразование признаков, ускоренные устойчивые признаки) до современных архитектур глубокого обучения (сверточные нейронные сети, включая подходы FaceNet и ArcFace). Показана взаимосвязь качества всех этапов конвейера обработки и её влияние на конечную точность распознавания.
Распознавание лиц, этапы обработки, локальные признаки, глубокое обучение, сверточные нейронные сети, биометрия
Короткий адрес: https://sciup.org/148333229
IDR: 148333229 | УДК: 004.93 | DOI: 10.18137/RNU.V9187.26.01.P.146
Architecture of face recognition systems: Processing stages and classification of methods
The article examines the architectural foundations of modern face recognition systems. Key processing stages are analyzed: detection, preprocessing, alignment, feature extraction, and matching. The authors provide a detailed classification of methods – from traditional approaches and local-feature-based methods (Local Binary Patterns, Histogram of Oriented Gradients, Scale-Invariant Feature Transform, Speeded-Up Robust Features) to modern deep learning architectures (Convolutional Neural Networks, including FaceNet and ArcFace approaches). The article demonstrates the interdependence of all pipeline stages and its impact on final recognition accuracy.
