Недостатком традиционной системы контроля доступа (на базе магнитных носителей или чипа) является возможность манипуляции с карточками: их можно передавать другим людям, терять, несанкционированно копировать.  Эти недостатки устраняются в программном техническом комплексе «WinDetectFace», алгоритм которого построен на распознавании и идентификации личности используют уникальную совокупность признаков изображения лиц конкретных людей.

Система предназначена для автоматической обработки данных практически в режиме «реального времени.  Информация в программно- технический  комплекс поступает напрямую с видеокамер или изображений, содержащих лица людей, с целью определения позиций лица, его характерных особенностей и дальнейшей идентификации на предмет совпадений хранящихся в базе данных совокупности изображений лиц. Комплекс рассматривается, как дополнительное средство обеспечения взаимодействия с системой контроля и управления доступом, с системами наблюдения.                
Данный программный комплекс построен на технологии сервер- клиент.
Для обработки изображения используется библиотека OpenCV.

На клиенте происходит предварительная обработка изображения, состоящая из следующих этапов:
1. определение что в кадре находится лицо
2.  положения лица
3. выделения лица из кадра
4.преобразования полученного лица к стандартному размеру
5. наложения фильтров
6. передача полученного изображения на сервер
7. обработка данных от сервера
8. если лицо не определенно предлагается добавить в базу данных
9. генерация сообщений о результате проверки

Алгоритм работы сервера:
Распознавание лица основано на методе главных компонент
Метод главных компонент (Principal Component Analysis, PCA) [PCA, Головко1] применяется для сжатия информации без существенных потерь информативности. Он состоит в линейном ортогональном преобразовании входного вектора X размерности N в выходной вектор Y размерности M, N < M. При этом компоненты вектора Y являются некоррелированными и общая дисперсия после преобразования остаётся неизменной. Матрица X состоит из всех примеров изображений обучающего набора. Решив уравнение , получаем матрицу собственных векторов , где – ковариационная матрица для X, а – диагональная матрица собственных чисел. Выбрав из подматрицу , соответствующую M наибольшим собственным числам, получим, что преобразование , где – нормализованный вектор с нулевым математическим ожиданием, характеризует большую часть общей дисперсии и отражает наиболее существенные изменения X.

Выбор первых M главных компонент разбивает векторное пространство на главное (собственное) пространство , содержащее главные компоненты, и его ортогональное дополнение (рис. 15).
Рис. 15. а) полное пространство, разбитое на собственное пространство и его ортогональное дополнение . DIFS – distance in feature space, расстояние в собственном пространстве, DFFS – distance from feature space, расстояние до проекции в собственном пространстве; б) типичный спектр собственных чисел и его разбиение на два ортогональных подпространства

Применение для задачи распознавания человека по изображению лица имеет следующий вид. Входные вектора представляют собой отцентрированные и приведённые к единому масштабу изображения лиц. Собственные вектора, вычисленные для всего набора изображений лиц, называются собственными лицами (eigenfaces). Метод главных компонент в применении к изображениям лиц так же называют методом собственных лиц. Собственные лица имеют полезное свойство, заключающееся в том, что изображение, соответствующее каждому такому вектору имеет лице подобную форму, рис. 16. С помощью вычисленных ранее матриц входное изображение разлагается на набор линейных коэффициентов, называемых главными компонентами. Сумма главных компонент, умноженных на соответствующие собственные вектора, является реконструкцией изображения, рис. 17.

Рис. 16. Пример изображений собственных векторов (собственные лица)

Рис. 17. а) выровненное изображение лица, б) реконструкция по 85-и главным компонентам, в) JPEG - реконструкция (530 байт)
Для каждого изображения лица вычисляются его главные компоненты. Обычно берётся от 5 до 200 главных компонент. Остальные компоненты кодируют мелкие различия между лицами и шум. Процесс распознавания заключается в сравнении главных компонент неизвестного изображения с компонентами всех остальных изображений. Для этого обычно применяют какую-либо метрику (простейший случай – Евклидово расстояние). При этом предполагается что изображения лиц, соответствующих одному человеку, сгруппированы в кластеры в собственном пространстве. Из базы данных (или тренировочного набора) выбираются изображения-кандидаты, имеющие наименьшее расстояние от входного (неизвестного) изображения.

Дальнейшее совершенствование заключалось в использовании метрики Махаланобиса и Гауссовского распределения для оценки близости изображений [PCA].
Для лиц значения компонент в собственном пространстве имеют большие значения, а в дополнении собственного пространства – близки к нулю. По этому факту можно обнаружить, является ли входное изображение лицом. Для этого проверяется величина ошибки реконструкции, чем больше ошибка, тем больше вероятности, что это не лицо.
По значениям соответствующих главных компонент можно определить, например, расу или пол человека [PCA].

При изменении ракурса изображения, наступает момент, когда этот метод при распознавании начинает реагировать больше на ракурс изображения, чем на межклассовые отличия. Классы при этом больше не являются кластерами в собственном пространстве. Это решается добавлением в обучающую выборку изображений в различных ракурсах. При этом собственные вектора теряют лице подобную форму. В работе [EigenSign], развивающей эту идею, показано, что при изменении угла поворота головы, главные компоненты вычерчивают кривые в собственном пространстве, которые однозначно идентифицируют лицо человека и по которым можно провести распознавание. Эти кривые были названы собственными сигнатурами (eigensignatures).
Аналогичные трудности имеют место при изменении условий освещения. Вычисление набора собственных векторов отличается высокой трудоёмкостью. Один из способов – это свёртка изображений по строкам и столбцам, и дальнейшая работа с полученными результатами [2D-KLT, PRIP2002]. В такой форме представление изображения имеет на порядок меньший размер, вычисления и распознавание происходит быстрее, но восстановить исходное изображение уже невозможно.

Основное преимущество применения анализа главных компонент – это хранение и поиск изображений в больших базах данных, реконструкция изображений [PCA].

Основной недостаток – высокие требования к условиям съёмки изображений. Изображения должны быть получены в близких условиях освещённости, определенном  ракурсе и должна быть проведена качественная предварительная обработка, приводящая изображения к стандартным условиям (масштаб, поворот, центрирование, выравнивание яркости, отсечение фона).
При получении запроса от клиента полученное изображение передается методу главных компонент.
Если человек найден в базе, в ответе клиенту посылаются  данные  найденного человека и уровень доступа .

Функциональные возможности программы:
1.Клиент-северное приложение
2. Лицензируется сервер на количество клиентов и количество людей в базе
3.Клиент может иметь подключение к нескольким серверам
5.Сервер может выступать в роли клиента к самому себе так и к другим серверам
6.Разграничение прав доступа к программе
7.Многоязыковая поддержка (возможность добавления языка интерфейса)
8.Настройка разных уровней доступа людей
9.Система сообщений
10.Подключение к ОРС серверам для передачи данных о прохождении человека через точку доступа
11. Обучаемость (для человека можно добавлять фотографии)
12. реализована функция, которая устанавливает соответствие документа с фотографией его владельцу,  автоматически определяет наличие в документе таких данных как фамилия, имя, отчество, обрабатывает данные и заносит в базу данных. 

Автоматическое определение вышеперечисленных данных, позволяет обрабатывать документы произвольной формы, например паспорта  или удостоверения личности на любом языке, написанных  с использованием шрифта на латинице или кириллице.  Для этого необходимо произвести небольшую настройку конфигурации, а именно ввести в словарь соответствие перевода с данного языка таких слов как «Фамилия», «Имя», «Отчество». Это обеспечивает возможность поиска необходимых данных в форме документа.
Преимущество данного программно-технического комплекса  основано на том, что не требуется специальное дорогостоящее оборудование. Комплект оборудования состоит из персонального компьютера, видеокамеры и сканера для обработки документов.
Использование данного программно-аппаратного комплекса позволяет  автоматизировать процесс регистрации посетителя для системы контроля доступа и сокращает время на выполнение однотипных операций, поскольку пользователю не нужно будет вводить паспортные данные вручную, проверять введённую информацию на корректность, сравнивать фотографию в паспорте с лицом предъявителя.