Biometryczna kontrola dostępu z wykorzystaniem algorytmów uczenia maszynowego w języku Python

Głównym celem tej pracy było przygotowanie programu opartego o algorytmy uczenia maszynowego, służącego do analizy obrazów linii papilarnych użytkowników. Przygotowanie projektu polegało między innymi na utworzeniu i przystosowaniu bazy zdjęć obiektów biometrycznych, którą w odpowiedni sposób wczytywano do modelu sieci neuronowej. Przeprowadzenie procesu uczenia i testowania miało dać możliwość predykcji przyszłych wyników na podstawie poznanych przykładów oraz wyuczonych wzorców.
W tym celu wykorzystano architekturę powiązaną z językiem Python. W jej skład można wliczyć biblioteki: OpenCV oraz PyTorch, które odpowiadały za najważniejsze etapy pracy. W całym procesie powstało wiele programów pobocznych, które miały za zadanie zoptymalizować zbiory danych. Ze względu na pewne problemy sprzętowe wykorzystano więcej stacji roboczych tworząc pewnego rodzaju porównania pomagające wyciągnąć wnioski do końcowej postaci projektu.
Wykonanie części praktycznej wiązało się z wielokrotnymi testami różnych wariantów programu głównego, zmieniając kluczowe parametry i konfigurując jak najskuteczniejsze rozwiązanie. Późniejszy etap przewidywał implementację rozwiązania do przygotowanego, w powiązanej tematem pracy, modelu windy.
Przez duże zaawansowanie techniczne tematu pracy, projekt ma wiele możliwości rozwoju. Tematyka pracy obejmuje zakres rozwijający się wraz z rozwojem technologii. W związku z tym istnieje duże pole do rozwoju i korekt obranego kierunku realizacji systemu.
Wyniki uzyskane mimo napotkanych przeszkód są satysfakcjonujące, a rozwiązania pokazały ewentualny kierunek rozwoju tego projektu.