Авторы данной статьи рассмотрели проблему безопасности и распознавания объектов и изображений с использованием сверточной нейронной сети. В статье проводится анализ современных методов распознавания необходимых нам фрагментов на изображении, а также изучается процесс идентификации лиц и объектов. Также представлен полный алгоритм процесса идентификации — от построения набора баз данных для обучения нейронной сети до процесса распознавания. Кроме того, проведен сравнительный анализ различных методов обнаружения ключевых точек лица. Предлагаемая модель демонстрирует высокую точность в различении лиц с маской и без нее. Результаты имеют практическое значение для систем безопасности и мониторинга. Целью исследования является разработка и оптимизация методов распознавания лиц и объектов с использованием алгоритмов машинного обучения, в частности сверточных нейронных сетей. Исследование направлено на повышение точности и эффективности идентификации людей, включая различение таких особенностей, как наличие маски, бороды или хиджаба, а также на совершенствование существующих методов для обеспечения безопасности и мониторинга в общественных местах. Методы исследования включают использование технологий глубокого обучения с применением сверточных нейронных сетей. Процесс состоит из подготовки и обработки набора данных, разработки модели нейронной сети, обучения модели с использованием таких библиотек, как TensorFlow, OpenCV и dlib, и тестирования модели в реальных условиях, включая обработку видеопотоков с камер наблюдения.

сверточные нейронные сети (CNN), глубокое обучение (DL), идентификация объектов и лиц, местоположение лица на изображении, ключевые точки лица, обнаружение маски на лице.