Zeitschrift für Informationstechnologie und Softwareentwicklung
Offener Zugang

Abstrakt

Kartenloser Geldautomat mit Deep Learning und Gesichtserkennungsfunktionen

Sahil Bajaj, Sumit Dawda, Pradnya Jadhav, Rasika Shirude

Geldautomaten (ATM) werden heute von verschiedenen Benutzern im Alltag für Transaktionen verwendet, da sie sehr praktisch sind. Mit Hilfe von Geldautomaten ist das Bankgeschäft jetzt einfacher. Aber es gibt viele Betrugsfälle an Geldautomaten. Daher müssen diese Geldautomaten sicherer gemacht werden. Das vorgeschlagene System bietet Echtzeiterkennung und reale Begegnung durch Haar Cascade & CNN, einen Analysedienst. Die Software macht zunächst Bilder von allen und speichert die Details in einer Datenbank. Die vorgeschlagene Aktivität arbeitet mit dem Standarderkennungssystem. Die Methode besteht aus drei Phasen: Die erste ist die Gesichtserkennung aus dem Bild und die zweite ist das Erfassen aller Gesichtsdetails zum Zweck der Ausdruckserkennung, um Lebendigkeit zu erkennen. Die nützlichsten Merkmale, die sich vom Kamerabild unterscheiden, werden aus dem Abschnitt zur Merkmalsextraktion extrahiert, um herauszufinden, ob alle Gesichtsdetails sichtbar sind. Dieser Merkmalsvektor erstellt eine aktive Gesichtsdarstellung. Im dritten Schritt wird unser Merkmalshintergrund so gestaltet, dass er herausfindet, wie ein geschmeidiges Gesicht aussieht.