it rrcticritarctica.ru/sites/default/files/magazine-file-2018-07/%e2%84%961_2… · #1/2016...

# 1/2016Е Ж Е К В А Р Т А Л Ь Н Ы Й

НАУЧНО-ТЕХНИЧЕСКИИ ЖУРНАЛ ГАУ РК «ЦИТ»

IT RRCTICR«IT Architecture, communications, technologies, information, comprehensive automation»

I/IT А Р К Т И К А W 1 / 2 0 1 6

Государственное автономное учреждениеРеспублики Коми

«Центр информационных технологий»

Научно-технический журнал

ИТ АРКТИКА(ИТ архитектура, коммуникации, технологии,

информация, комплексная автоматизация)

Журнал основан в 2016 году Выходит 4 раза в год

# 1 . 2 0 1 6

I/IT А Р К Т И К А W 1 / 2 0 1 6

СО Д ЕРЖ АН И Е:

3 К ЧИТАТЕЛЮ

КЛЮЧЕВАЯ ТЕМА

4 Пешнина Л.В., Морданое А.В., Башлачееа А.П.Идентификация пользователя по геометрии лица в управлении доступом к дистанционному образовательному информационному ресурсу

16 Вахрушев В.Ю., Морданое А.В., Малых К.В.Информационные технологии идентификации личности по физическим признакам

Защита информации в информационных системах

34 Берш А.В., Катаев Е.Е.Аппаратно-программный комплекс «Цитадель»

Информационные технологии в медицине

46 Берш А.В., Исмаилов З.Б.Аппаратно-программный комплекс онлайн-мониторинга показаний приборов учета сердечно-сосудистой системы «Доктор рядом»

56 Берш А.В., Шумилова А.А.Озонирование зараженных биоматериалов с целью перевода их из категории класса «Б» и «В» в класс «А»

Прикладные информационные системы и технологии

66 Берш А.В., Мельников В.А.Алгоритм для раскроя двумерного материала

Информационное общество и электронное правительство

74 Жиля ев Д. В.Методологическая деятельность в построении электронного правительства Республики Коми

86 CONTENTS

87 КОНТАКТЫ

88 СОСТАВ РЕДАКЦИОННОЙ КОЛЛЕЕИИ

2

IT R R C T I C R W 1 / 2 0 1 6

К ЧИ ТА ТЕЛ Ю

Государственное автономное учреждение Республики Коми «Центр информационных технологий» (ГАУ РК «ЦИТ») представляет научнотехнический журнал «ИТ Арктика» - «ИТ архитектура, коммуникации, технологии, информация, комплексная автоматизация».

Журнал "ИТ Арктика" издается в рамках просветительской деятельности ГАУ РК «ЦИТ» в области компьютерных систем и популяризации информационно-коммуникационных технологий.

Целью журнала является предоставление научному и экспертному сообществу в области информационных технологий площадки, на которой можно озвучивать актуальные проблемы и делиться опытом решения задач, предлагать новые концепции и подходы, делать прогнозы, публиковать научные исследования и интересные практические разработки.

Каждый выпуск журнала содержит статьи двух типов:

- научные статьи, преподносящие точные и «строгие» знания;- обзорно-просветительские, содержащие мнения и взгляды экспертов

по различным темам и проблемам в ИТ-отрасли.Все статьи, подаваемые авторами для публикации в журнале «ИТ

Арктика», проходят рецензирование. Рецензентами выступают эксперты ведущих ВУЗов и научных институтов страны, а также специалисты- практики.

В настоящее время редакция журнала сотрудничает с «ИТ Ассоциацией Республики Коми» (ИТАРК), Институтом точных наук и информационных технологий ФГБОУ ВО «СыктГУ им. Питирима Сорокина», Коми научным центром Уральского отделения РАН, Вятским государственным университетом, Коми республиканской академией государственной службы и управления и другими научными и образовательными организациями. Приглашаем авторов к сотрудничеству!

С уважением и надеждой на плодотворное сотрудничествоРЕДАКЦИОННАЯ КОЛЛЕГИЯ НАУЧНОГО ЖУРНАЛА «ИТ АРКТИКА»

3

I/IT RPKTI/IKR W 1 / 2 0 1 6

КЛЮЧЕВАЯ ТЕПА: Идентификация личностиУДК: 004.021, 004.9342

Пешнина Любовь Владимировна

преподаватель, кафедра Автоматики и телемеханики, Федеральное

государственное бюджетное образовательное учреждение высшего

образования «Вятский государственный университет»

Морданов Андрей Валерьевич

магистрант, кафедра Автоматики и телемеханики, ФГБОУ ВО «ВятГУ»

Башлачева Анастасия Павловна


Идентификация пользователя по геометрии лица в управлении доступом

к дистанционному образовательному информационному ресурсу

Статья посвящена вопросам реализации методов управления доступом

с использованием методов идентификации личности по физическим

признакам, в частности, с использованием геометрии лица.

Ключевые слова: управление доступом, идентификация личности,

измерение физических признаков, геометрия лица, нейронные сети,

дистанционный образовательный информационный ресурс, eigenface.

Peshnina Lubov Vladimirovna

teacher, Department of Automation and Telemechanics, Federal State Budgetary

Educational Institution of Higher Education «Vyatka State University»

Mordanov Andrey Valerievich

Graduate student, Department of Automation and Telemechanics,

FSBEI HE «VyatSU»

Bashlacheva Anastasiya Pavlovna


FSBEI HE «VyatSU»

4

IT R R C T I C R W 1 / 2 0 1 6

User identification by face geometry in controlling access to remote

educational information resource

The article is devoted to the implementation of access control methods using

the methods of identification of physical characteristics, in particular, with the

geometry of the face.

Keywords: access control, personal identification, measurement o f physical

characteristics, the geometry o f the face, neural networks, distance education

information resource, eigenface.

В связи с возросшей информатизацией современного общества и

массовым внедрением компьютеров во все сферы деятельности человека

объем информации, хранимой в электронном виде, вырос в тысячи раз. В

наши дни практически любая организация имеет в своем распоряжении

несколько компьютеров, обычно объединённых в локальную сеть. В таких

сетях существуют разделяемые информационные ресурсы, доступные для

всех пользователей. Однако на практике информация обычно разделяется на

классы в зависимости от своей важности. При этом необходимо

контролировать доступ пользователей к информации в соответствии с их

полномочиями. В последнее время значительное развитие получили системы

дистанционного образования. Эти системы позволяют оперативно получать

теоретическую информацию, выполнять практические задания с поддержкой

преподавателя, присутствовать на «вебинарах» и т.д.

Курсы дистанционного образования чаще всего являются платными.

Кроме того, в системах дистанционного образования существует четкая

иерархия пользователей. Администратор системы следит за всей системой

дистанционного образования и обычно имеет доступ ко всем данным. У

ведущих преподавателей в системе должна быть возможность создавать и

модифицировать учебные курсы, у ассистирующих преподавателей -

получать и представлять учебные курсы (возможно, не все), частично их

модифицировать и создавать учебные программы и курсы лекций. У тех, кто

5

I/IT R P K T I/ IK R W 1 / 2 0 1 6 Пешнина Л.В., Иорданов Д.В., Башлачева Д.П.Идентификация пользователя по геометрии лица в управлении доступом


ведет практическую часть, должен быть доступ к курсу лекций (на чтение и,

возможно, частично на изменение) и возможность создавать практические

задания, которые могут быть скорректированы преподавателями и ведущими

преподавателями. Обучаемые должны иметь доступ только к получению

информации и к своим личным данным: отчетам, контрольным и т.п.

Всё это порождает необходимость защиты информации от

несанкционированного доступа, а также разграничения доступа по

вышеупомянутой иерархии всех пользователей дистанционного

образовательного ресурса. Конечно, такая защита может выполняться и на

уровне авторизации, однако данный метод слабо защищён и имеет низкую

надёжность. Именно поэтому использование физических параметров при

управлении доступом в информационных системах является приоритетным

направлением разработки во многих частных фирмах, правительственных

организациях и лабораториях.

Идентификация личности, основанная на обработке «геометрии лица»

Типичный метод распознавания по геометрии лица [1] состоит из трёх

компонент:

1. Преобразование исходного изображения в начальное представление

(может включать в себя как предобработку, так и математические

преобразования, например, вычисление главных компонент);

2. Выделение ключевых характеристик (например, берутся первые и

главных компонент или коэффициентов дискретного косинусного

преобразования);

3. Создание механизма классификации (моделирования): кластерная

модель, метрика, нейронная сеть и т.п.

Кроме этого, построение метода распознавания опирается на

априорную информацию о предметной области (в данном случае -

характеристики лица человека) и корректируется экспериментальной

информацией, появляющейся по ходу разработки метода.

6

IT R R C T I C R W 1 / 2 0 1 6

Разработка системы идентификации личности,

основанной на обработке «геометрии лица»

Задача идентификации личности с использованием геометрии лица

конкретизируется как необходимость реализации модуля, позволяющего

формировать и заносить данные о пользователях в базу данных (модуля

регистрации пользователя), и модуля, выполняющего идентификацию

(модуля идентификации).

К разрабатываемым модулям предъявляются следующие требования:

• кроссплатформенность;

• возможность взаимно независимого использования модулей;

• высокая отказоустойчивость;

• простота работы.

Для достижения поставленной цели необходимо решить следующие

задачи:

• проанализировать существующие методы идентификации с

использованием обработки геометрии лица;

• выбрать оптимальный метод для создания данного модуля;

• разработать алгоритм идентификации личности по изображению,

содержащему его лицо;

• разработать базу данных для хранения информации о пользователях

и использовании ими указанных модулей;

• разработать программный модуль, который будет вносить данные в

эталонную выборку.

Модуль регистрации состоит из следующих частей:

• база данных для хранения данных о пользователе;

• модуль редактирования данных для изменения данных о

пользователях;

• модуль обработки изображения для поиска лица пользователя на

предъявляемом изображении.

7

I/IT А Р К Т И К А W 1 / 2 0 1 6 Пешнина Л.В., Иорданов А.В., Башлачвва Й.П.Идентификация пользователя по геометрии лица в управлении доступом


Модуль регистрации должен выполнять следующие функции:

1. обработка данных:

1.1. создание новой записи пользователя,

1.2.изменение записи пользователя,

1.3 .удаление записи;

2. обработка изображения:

2.1.предварительная обработка исходного изображения,

2.2.поиск лица на изображении,

2.3.сохранение изображений.

Блок-схема алгоритма функционирования модуля регистрации

пользователя приведена на Рисунке 1.

Рис. 1. Блок-схема алгоритма функционирования модуля регистрации пользователя

8

IT R R C T I C R W 1 / 2 0 1 6

Для реализации алгоритма используются следующие методы:

1. На этапе обработки информации используется приведение

вводимой информации к формату, который используется для хранения

данных в базе данных.

2. На этапе ввода изображения применяются функции работы с Web-

камерой, реализованные в библиотеке OpenCV (Open Source Computer Vision

Library - библиотека алгоритмов компьютерного зрения, обработки

изображений и численных алгоритмов общего назначения с открытым

кодом) [3].

3. Поиск лица на изображении, осуществляется с помощью метода

Виолы-Джонса.

Метод Виолы-Джонса является одним из лучших по соотношению

показателей эффективность распознавания/скорость работы. Этот метод

обеспечивает крайне низкую вероятность ложного обнаружения лица.

Алгоритм хорошо распознает черты лица даже под небольшим углом,

примерно до 30 градусов.

Данный метод основан на следующих принципах:

• Изображения используются в интегральном представлении [2], что

позволяет быстро вычислять необходимые объекты;

• Поиск нужного объекта (в данном контексте - лица и его черт)

осуществляется с использованием признаков Хаара [2].

Необходимость использования достаточно простого алгоритма

получения признаков делает использование Хаар-подобных характеристик

очень перспективным. Хаар-подобные характеристики представляют собой

результат сравнения яркостей двух прямоугольных областей изображения.

Наиболее часто используют прямоугольные признаки Хаара.

Суть данного метода состоит в следующем:

• Есть исследуемое изображение, выбрано окно сканирования,

выбраны используемые признаки;

9

I/IT А Р К Т И К А W 1 / 2 0 1 6 Пешнина Л.В., Иорданов Д.В., Башлачева Й.П.Идентификация пользователя по геометрии лица в управлении доступом


• Далее окно сканирования начинает последовательно двигаться по

изображению с шагом в 1 ячейку окна (допустим, размер самого окна есть

24*24 ячейки).

• При сканировании изображения в каждом окне вычисляется

приблизительно 200 ООО вариантов расположения признаков, за счет

изменения масштаба признаков и их положения в окне сканирования;

• Сканирование производится последовательно для различных

масштабов;

• Масштабируется не само изображение, а сканирующее окно

(изменяется размер ячейки);

• Все найденные признаки попадают к классификатору, который

«выносит вердикт».

Рис. 2. Примитивы Хаара

В расширенных методах применяют дополнительные признаки.

Рис. 3. Дополнительные признаки

IT R R C T I C R W 1 / 2 0 1 6

Модуль идентификации состоит из следующих частей:

1. база данных, для хранения данных о пользователях, которым

разрешён доступ, а также для хранения информации обо всех попытках

доступа к системе;

2. модуль, осуществляющий сравнение лица потенциального

пользователя с имеющейся в базе данных фотографией;

3. модуль обработки изображения, для поиска лица пользователя на

предъявляемом изображении.

Блок-схема алгоритма, реализующего функции модуля идентификации,

приведена на Рисунке 4.

И

I/IT А Р К Т И К А W 1 / 2 0 1 6 Пешнина Л.В., Иорданов А.В., Башлачева Й.П.

Идентификация пользователя по геометрии лица в управлении доступом к дистанционному образовательному информационному ресурсу

Методы, используемые для реализации алгоритма на этапах обработки

информации, ввода изображения и поиска лица на изображении, идентичны

методам, описанным выше.

Задачи по анализу методов и выбору конкретного метода,

использующегося для классификации предоставляемых изображений, были

выполнены ранее. Метод, используемый в данном модуле - Eigenface.

Проведение тестирования

После того, как модули системы разработаны, можно приступить к

тестированию. Сперва определим исходные данные, на которых будет

проводиться тестирование.

Начальными условиями являются фотографии с лицами 15 участников

эксперимента, которые будут зарегистрированы в системе при различном

освещении, наклоне/повороте головы, при разной мимике.

Результаты тестирования в краткой форме приведены в Таблице на

Рисунке 5.

О пы т 1 О пы т 2 О пы т 3 О пы т 4 О пы т 5

Эталонныефото Все

Толькосветлые

Толькотемные

Лицафронтально Лица под углом

Процентсовпадения > 95%

> 95% - светлые,> 85% - темные

> 95% - темные,> 85% - светлые

> 95% - фронтальные, > 90% - лица

под углом

> 90% - лица лсд углом,

> 85% - фронтальные

Рис. 5. Таблица «Результаты тестирования»

Опыт 1

В ходе первого эксперимента все участники зарегистрировались в

системе, меняя как мимику, так и освещение, то есть эталонные фото сильно

отличаются друг от друга. Примеры фото показаны на Рисунке 6.

12

IT R R C T I C R W 1 / 2 0 1 6

Рис. 6. Примеры фото, используемых в качестве исходных данных

После того, как участники зарегистрировались, им предлагалось

пройти аутентификацию, при этом фото для проверки во всех опытах

участники старались делать одинаковыми, также с различным освещением и

мимикой. Всего было проведено 5 опытов, на основании всех тестов были

выявлены общие характеристики, позволяющие дать оценку разработанной

системе.

Результаты первого опыта

Поскольку в базе использовалось максимальное количество

фотографий, то результаты получились положительными, более 95%

схожести. В паре попыток наблюдалась схожесть с другим лицом при

идентичных мимике и освещении.

Опыт 2

Для второго эксперимента в качестве эталонов были использованы

фотографии только светлых оттенков.

Результаты второго опыта

Процент схожести при освещенных фотографиях (естественное

освещение, лампы дневного света), лица на которых обладали разнообразной

мимикой, а также голова была повёрнута/наклонена, был выше 95%. Процент

схожести затемненных фотографий был равен 85%.

Опыт 3.

На этот раз в качестве эталонов - фотографии темных оттенков.

13

I/IT RPKTI/IKR W 1 / 2 0 1 6 Пешнина Л.В., Иорданов Д.В., Башлачева Д.П.

Идентификация пользователя по геометрии лица в управлении доступом к дистанционному образовательному информационному ресурсу

Результаты третьего опыта

Здесь наблюдается обратная картина по отношению к предыдущему

опыту. Темные фотографии - процент схожести больше 95%, светлые

фотографии - 85%.

Опыт 4

В качестве эталонов - фотографии, на которых все лица расположены

фронтально при различном освещении.

Результаты четвертого опыта

Наибольшая схожесть была с лицами с нейтральной мимикой, а также

расположенные фронтально - свыше 95%. Для тех фотографий, выражение

лица на которых было изменено, добавлены эмоции, повёрнута голова -

процент схожести чуть меньше 90%.

Опыт 5

Как и в первом опыте, используем различный набор эталонов, однако в

данном опыте исключим из него те изображения, на которых лица

расположены фронтально.

Результаты пятого опыта

Наиболее достоверными, свыше 90% схожести, были фотографии с

изображением лица, имеющего небольшой наклон, а также небольшой

мимикой. Нейтральное выражение лица обладало 85% схожести.

Оценка результатов тестирования.

В ходе тестирования система показала положительные результаты, в

целом процент схожести более 90%, что для 2D распознавания является

отличным результатом.

Также, исходя из результатов проведённых экспериментов, становится

понятно, что качество распознавания в наибольшей степени зависит от

внешних факторов: освещение, мимика, повороты/наклоны головы, задний

фон. Все эти факторы оказывают негативное воздействие на успешность

14

IT R R C T I C R W 1 / 2 0 1 6

проведения аутентификации. А это значит, что чем больше разнообразных

«эталонов» пользователя, находится в базе, тем лучше качество

распознавания.

Для разработки системы использовалось следующее программное

обеспечение: IntellijlDEA (среда разработки java), PostgreSQL (система

управления базами данных), для реализации и проверки алгоритма eigenface

использовалось программное обеспечение MathCad. Планируется доработка

системы в направлении увеличения скорости выполнения, применение и

тестирование различных связок алгоритмов, для повышения точности

распознавания.

Список литературы

1. Анализ существующих подходов к распознаванию лиц.

[Электронный ресурс] // Хабрахабр. URL:

http ://habrahabr ,ru/ company/svnesis/blo g/2 3 8129/.

2. Метод Виолы-Джонса (Viola-Jones) как основа для распознавания

лиц. [Электронный ресурс] // Хабрахабр. URL:

http ://habrahabr .ru/post/133826/.

3. Описание библиотеки компьютерного зрения OpenCV.

[Электронный ресурс] // РобоКрафт. URL:

http ://robocraft .ru/blo g/computervision/264 .html.

References

1. Analysis of existing approaches to the face detection. [Electronic

resource] // Habrahabr. URL: http://habrahabr.ru/companv/svnesis/blog/23 8129/.

2. The method of Viola - Jones (Viola-Jones) as a basis for face

recognition. [Electronic resource] // Habrahabr. URL:


3. Description of the computer vision library OpenCV. [Electronic

resource] // Robocraft. URL: http://robocraft.ru/blog/computervision/264.html.

15

http://habrahabr.ru/company/synesis/blog/238129/

http://habrahabr.ru/post/133826/

http://robocraft.ru/blog/computervision/264.html



http://robocraft.ru/blog/computervision/264.html

I/IT А Р К Т И К А W 1 / 2 0 1 6

УДК: 004.021, 004.93’ 12

Вахрушев Валерий Юрьевич

к.т.н., доцент, кафедра Автоматики и телемеханики, Федеральное

государственное бюджетное образовательное учреждение высшего

образования «Вятский государственный университет»

Морданов Андрей Валерьевич


Малых Ксения Викторовна

студент, кафедра Автоматики и телемеханики, ФГБОУ ВО «ВятГУ»

Информационные технологии идентификации

личности по физическим признакам

Статья посвящена информационным технологиям, которые

используются при идентификации личности по физическим признакам, в

частности, по геометрии лица.

Ключевые слова: идентификация личности, измерение физических

признаков, информационные технологии, геометрия лица, нейронные сети,

eigenface.

Vakhrushev Valeriy Yurievich

PhD in Technique, Associate Professor, Department of Automation and

Telemechanics, Federal State Budgetary Educational Institution of Higher

Education «Vyatka State University»

Mordanov Andrey Valerievich


FSBEI HE «VyatSU»

Malykh Ksenia Viktorovna

Student, Department of Automation and Telemechanics,

FSBEI HE «VyatSU»

16

IT R R C T I C R W 1 / 2 0 1 6

Information technology of personal identification by physical characteristics

The article is devoted to information technologies, which is used in the

identification of the person in physical characteristics, in particular the geometry of

the face.

Keywords: personal identification, measurement o f physical characteristics,

information technology, the geometry o f the face, neural networks, eigenface.

В эпоху современного информационного общества увеличение числа

объектов и потоков информации, которые необходимо защищать от

несанкционированного доступа, приводит к актуализации проблемы

использования технологий идентификации личности по физическим

признакам для разграничения доступа к информационным ресурсам. На

сегодняшний день идентификация личности по физическим признакам

является одной из быстро развивающихся отраслей информационных

технологий, где активно работают около сотни частных фирм,

правительственных организаций и лабораторий.

Идентификация личности на основе физических признаков - это

средство автоматического опознания личности на базе уникальных

физических или поведенческих параметров.

Ориентация на массовое применение систем автоматической

идентификации личности (человека) приводит к необходимости решать

задачу по минимизации их стоимости. В публикациях российских ученых

предлагается вообще отказаться от специализированной аппаратной

поддержки и ориентироваться на стандартные устройства ввода информации,

придаваемые к ПЭВМ: клавиатуру, звуковую карту, сканер, графический

планшет, мышь - используя при этом для распознавания пользователей

дополнительное программное обеспечение. Достоинство таких методов

заключается в том, что они не требуют затрат на приобретение

дополнительного оборудования и могут быть реализованы на программном

уровне.

17

I/IT А Р К Т И К А W 1 / 2 0 1 6 Вахрушев В.Ю., Иорданов А.В., Палык К.В.

Информационные технологии идентификации личности по физическим признакам

Идентификация на основе измерения физических признаков имеет ряд

преимуществ:

• достаточное количество физических параметров человека, которые

уникальны и трудно фальсифицируемы, их трудно забыть или потерять;

• нет необходимости в запоминании и сохранении в тайне паролей.

Идентификации по физическим признакам свойственны недостатки:

• недоверие со стороны пользователей;

• сравнительно малая точность измерения физических параметров

личности.

Способы идентификации личности по физическим параметрам

классифицируются по типу используемой информации:

• статические способы основываются на физиологической

(статической) характеристике человека, то есть уникальном свойстве, данном

ему от рождения и неотъемлемом от него;

• динамические способы основываются на поведенческой

(динамической) характеристике человека - особенностях, характерных для

подсознательных движений в процессе воспроизведения какого-либо

действия (подписи, речи, динамики клавиатурного набора).

Характеристика метода идентификации личности, основанного на

обработке «геометрии лица»

Существует множество методов распознавания по геометрии лица. Все

они основаны на том, что черты лица и форма черепа каждого человека

индивидуальны. Типичный метод распознавания по геометрии лица состоит

из трёх компонент [1]:

1. Преобразование исходного изображения в начальное представление

(может включать в себя как предобработку, так и математические

преобразования, например, вычисление главных компонент);

18

IT R R C T I C R W 1 / 2 0 1 6

2. Выделение ключевых характеристик (например, берутся первые и

главных компонент или коэффициентов дискретного косинусного

преобразования);

3. Механизм классификации (моделирования): кластерная модель,

метрика, нейронная сеть и т.п.

Кроме этого, построение метода распознавания опирается на

априорную информацию о предметной области (в данном случае -

характеристики лица человека), и корректируется экспериментальной

информацией, появляющейся по ходу разработки метода.

Рассмотрим два механизма классификации, которые обладают более

высокой точностью по сравнению с другими.

Первым будет метод, основанный на использовании нейронной сети с

обратным распространением ошибки.

Характеристика метода с использованием нейронной сети

Разберём более подробно механизм классификации, основанный на

использовании нейронных сетей [2].

Простая искусственная нейронная сеть

Простая искусственная нейронная сеть (Рисунок 1) - математическая

модель, а также её программное или аппаратное воплощение, построенная по

принципу организации и функционирования биологических нейронных сетей

- сетей нервных клеток живого организма.

В данной нейронной сети каждый нейрон связан с каждым, сигнал идет

только в направлении от входного слоя к выходному, нет никаких рекурсий.

Для данной сети необходимо предусмотреть, как подать данные на

вход. Самым очевидным решением является представление двумерной

матрицы изображения в виде вектора. Таким образом, для изображения

размером 50x50 пикселей будет 2500 входов, что достаточно много.

19



Рис. 1. Простая искусственная нейронная сеть

Многослойная нейронная сеть

Многослойная нейронная сеть (МНС) отличается от простой тем, что

состоит из нескольких последовательно соединённых слоев. В каждом слое

нейрон связан как со всеми предыдущими нейронами (на входе) так и с

последующими (на выходе). Пример проиллюстрирован на Рисунке 2.

входной(распределительный)

псевдослой

скрытые (промежуточные) слои выходнойслой

I|_50 Q) D12 X 00

yi

У2ш(ГX£1ф

уз о

2Q)'з

-► уп

Рис. 2. Многослойная нейронная сеть.

20

IT R R C T I C R W 1 / 2 0 1 6

Нейронная сеть, имеющая два решающих слоя, сможет с любой

точностью аппроксимировать любую многомерную функцию. Нейронная

сеть, которая имеет один решающий слой, может сформировать линейные

разделяющие поверхности. Круг задач, решаемых нейронной сетью с одним

решающим слоем, сужается и для решения задач типа «исключающее или»

такая нейронная сеть не подойдет. Нейронная сеть с нелинейной функцией

активации, имеющая два решающих слоя, может формировать любые

выпуклые области в пространстве решений, а с тремя решающими слоями -

области любой сложности, в том числе и невыпуклой.

Обучение многослойных нейронных сетей происходит с

использованием алгоритма обратного распространения ошибок, который

представляет собой метод градиентного спуска в пространстве весов, цель

которого минимизировать суммарную ошибку нейронной сети. При этом

ошибки распространяются в обратном направлении от выходов к входам

сквозь веса, соединяющие нейроны. Простейшее применение однослойной

нейронной сети, называемой автоассоциативной памятью, заключается в

обучении сети восстанавливать подаваемые изображения. Подавая на вход

тестовое изображение и вычисляя качество реконструированного

изображения, можно оценить, насколько сеть распознала входное

изображение. Таким образом, сеть сможет восстановить изображения,

которые искажены или зашумлены. Однако для более серьезных задач это не

подходит.

Многослойная нейронная сеть для классификации изображений

Многослойная нейронная сеть также используется для

непосредственной классификации изображений. На вход, в данном случае,

подаётся само изображение или, в некоторых случаях, набор каких-либо

ключевых характеристик изображения, заранее подготовленных. На выходе -

нейрон, который проявляет максимальную активность и указывает

принадлежность к распознанному классу. Однако если данная активность

21



будет ниже некоторого порога, то это означает, что поданный образ не

соответствует ни одному из определённых классов.

Процесс обучения устанавливает соответствие подаваемых на вход

образов с принадлежностью к определенному классу. Применительно к

решаемой задаче, то есть распознаванию человека по изображению лица,

подход хорош для управления доступом небольшой группы лиц. Такой

подход обеспечивает непосредственное сравнение сетью самих образов.

Однако, при увеличении числа классов, в нашем случае при увеличении

количества пользователей системы, увеличивается время обучения и время

работы сети, причем по экспоненте.

Обучение нейронных сетей

Обучение нейронной сети можно сравнить с обучением ребенка

алфавиту. Например, показав ребенку изображение буквы «Я», мы спросим

его: «Какая это буква?». Если ребенок ответит неверно, то мы скажем ему

что правильный ответ: «Это буква Я». Ребенок запомнит этот пример, а

также верный ответ. И так будет происходить со всеми оставшимися буквами

алфавита, пока в памяти они все твёрдо не запомнятся.

Точно так же происходит и при обучении нейронной сети. Допустим,

имеется база данных, которая содержит «правильные ответы», то есть набор

изображений букв. Подавая на вход нейронной сети текущую букву, мы

получим от неё ответ, причем этот ответ может быть и неверен. Однако нам

самим известен верный ответ, который мы хотим получить, соответственно,

нужно чтобы на выходе нейронной сети нейрон с меткой, обозначающей за

текущую букву, подавал максимальный сигнал.

22

IT R R C T I C R W 1 / 2 0 1 6

базаданных

ПРОЦЕСС ОБУЧЕНИЯ НЕЙРОСЕТИ

выборпримера

применениенейросети

подстройкавесовсети

сеть обучена

ответсети Тошибка

мала

расчетошибки

ошибкавелика

Рис. 3. Обучение нейронной сети

В таких случаях обычно используется набор (..., О, 0, 0, 1), где 1

отвечает за выход с меткой текущей буквы, а 0 - все остальные выходы.

После этого вычисляется вектор ошибки, как разница между верным ответом

и полученным ответом сети. В данном случае вектор ошибки будет

содержать 33 числа. Алгоритм обратного распространения ошибки - это

набор формул, который позволяет по вектору ошибки корректировать веса

нейронной сети. Таким образом, одну и ту же букву будем предъявлять

множество раз, пока ошибка не сведётся к минимуму.

Применение нейронной сети

Выбор типа сети ^►Обучение сети Применение

настройкавесовсети ♦

базаданных

ответ

iобученная сеть

iданные

Рис. 4. Применение нейронной сети

23

I/IT RPKTI/IKR W 1 / 2 0 1 6 Вахрушев В.Ю., Иорданов A.B., Малых K.B.


После обучения нейронной сети, её можно применять для задач

распознавания. Важнейшей особенностью человеческого мозга является тот

факт, что если мы обучились чему-либо, то можем применять данный опыт и

в тех ситуациях, которые не встречались в процессе обучения. Нейронная

сеть, качественно обученная, способна обладать такой же особенностью. То

есть, если мы изобразим букву «А» по-другому (не как в обучающей

выборке), а затем используем нейронную сеть для классификации данного

изображения, то с большой степенью вероятности мы получим верный ответ,

поскольку веса нейронной сети хранят в себе достаточно много информации

о каждом классе.

Таким образом, обучив нейронную сеть, можно подавать ей на вход

некоторое фото, с изображением лица пользователя - и на выходе получать

числовое значение соответствия тому или иному пользователю от 0 до 1.

Тестирование

Чтобы дать наиболее точную оценку метода, нужно учесть

характеристики FAR - вероятность ложного совпадения двух разных людей,

а также FRR - количество отказов для зарегистрированных в системе

пользователей. Чтобы получить общие характеристики, нужно сосчитать

значения FAR и FRR для каждого пользователя, а затем посчитать среднее

арифметическое. Для реализации и тестирования нейронной сети будем

использовать программное обеспечение NeurophStudio.

В данном случае важно не количество пользователей, а количество

попыток. Данные показатели будут проверяться на большой базе данных,

включающих все фото пользователей, а также ряд других фото, для

увеличения базы и для более точных результатов. Система тем лучше, чем

меньше показатель FRR при одинаковых значениях FAR.

Два человека пытались получить доступ в том же помещении, при тех

же условиях, в которых они создавали свои «эталоны». Два человека

выполняли процедуру аутентификации совершенно в других условиях. И два

24

IT R R C T I C R W 1 / 2 0 1 6

других участника изначально не были зарегистрированы в базе данных. А

также был добавлен такой параметр как размер базы данных (количество

всех фото): 150 и 300 (из всего количества по 10 фото на каждого участника).

Количество попыток: 100.

Для первых двух человек:

- для базы в 150 фото:

• FRR(l) = 8%;

• FRR(2) = 10%;

• FAR(l) = 1%;

• FAR(2) = 0%.

- - для базы в 300 фото:

• FRR(l) = 17%;

• FRR(2) = 18%;

• FAR(l) = 3%;

• FAR(2) = 2%.

Для 2 участников в других условиях:


• FRR(l) = 96%;

• FRR(2) = 91%;

• FAR(l) = 4%;

• FAR(2) = 9%.


• FRR(l) = 90%;

• FRR(2) = 85%;

• FAR(l) = 10%;

• FAR(2) = 15%.

Для 2 участников, не зарегистрированных в системе:


• FAR(l) = 15%;

25



• FAR(2) = 20%.


• FAR(l) = 30%;

• FAR(2) = 35%.

Общие характеристики:


• 1) FRR = 9% для тех же условий, 2) FRR = 97% при других

условиях;

• 1) FAR = 0.5%; 2) FAR = 6.5%.


• 1) FRR = 17.5%; 2) 88%.

• 1) FAR = 2.5%; 2) FAR = 12.5%.

А также более 25% ложных совпадений для незарегистрированных

участников.

Анализ полученных результатов

Полученные показатели дают более полное представление о качестве

данного метода. Исходя из этих характеристик, можно выявить следующие

недостатки:

1. Низкая статистическая достоверность;

2. Огромная зависимость от внешних факторов;

3. Желательно фронтальное изображение лица.

Преимущества:

1. Не требуется дорогостоящее оборудование;

2. Возможность распознавания на значительных расстояниях.

Таким образом, можно установить следующее. Метод, основанный на

распознавании изображений с помощью нейронной сети, подойдет для

небольших организаций, с малым числом сотрудников - не более 50. А также

обязательным условиям будет то, что все эталоны и последующая

26

IT R R C T I C R W 1 / 2 0 1 6

аутентификация должны проходить в одном помещении, при одинаковом

освещении.

Для улучшения характеристик, определяющих эффективность системы,

требуется более точный метод. Одним из вариантов такого алгоритма будет

Eigenface.

Характеристика метода Eigenface

В основе данного метода лежит использование фундаментальных

статистических характеристик: таких как математическое ожидание и

ковариационная матрица, а также использование метода главных компонент

Для применения данного метода алгоритм Eigenface необходимо

сначала обучить, для чего используется некоторая обучающая выборка, в

нашем случае это будут эталоны пользователей, полученные в ходе

регистрации. Е1осле обучения модели необходимо просто подать некоторое

изображение на вход и на выходе получить результат с ответом на вопрос, «К

какому классу (изображению) соответствует поданное на вход изображение,

и с какой вероятностью».

В общем случае задачей данного алгоритма является представление

изображения в обобщённом виде, как суммы базисных компонент (тоже

изображений).

изображение исходной выборки, центрированное в данном случае означает -

за вычетом среднего, Wj - весовой коэффициент, щ - собственный вектор

(также называемый eigenfaces).

На Рисунке 5 проиллюстрирована приведённая функция.

[3].

к

/ - 1 , где Oi представляет собой центрирование i-oe

27



т т

-ft' Mean Image

tci* £ — I

li/o U’5 И.Ц u* * «»

Рис. 5. Получение исходного изображения

взвешенным суммированием собственных векторов

Идея алгоритма заключается в следующем. Получив обучающую

выборку, её необходимо будет спроецировать в новое пространство большей

размерности. В этом пространстве каждая размерность будет вносить

некоторый вклад в общее представление. Метод главных компонент

позволяет найти базис этого нового пространства, причем таким образом,

чтобы данные в нём располагались оптимально.

Обычно размерности высокого порядка, имеющие меньшие

собственные числа, несут в себе меньше полезной информации, чем те

размерности, которым соответствуют большие собственные числа. Этот факт

позволяет оставить только те размерности, информация которых будет

максимально полезна для наших целей. Таким образом, мы получим новое

пространство признаков, где каждое изображение из обучающей выборки

представлено в обобщённом виде.

На этапе классификации, имеющееся изображение отображается на

созданное пространство, а затем определяется, к какому классу

(изображению) из обучающей выборки оно ближе всего расположено. Для

этого используется расстояние Евклида.

28

IT R R C T I C R W 1 / 2 0 1 6

Итак, последовательность обработки изображений с помощью

алгоритма Eigenface:

Шаг 1. Получение массива фотографий, которые представляют собой

обработанные фото после использования алгоритма поиска лица на

изображении методом Виолы-Джонса.

Шаг 2. Получение матрицы G[n,m] всех изображений, где и-

порядковый номер пользователя (его фото), m - номер пикселя.

Каждое фото изначально представлено в виде матрицы А[х,у], где х -

пиксель, у - значение цвета в градации серого. Затем эта матрица

преобразовывается в вектор. И из этих векторов получается результирующая

матрица.

Шаг 3. Вычисление усреднённого лица, используя матрицу G[n,m], то

есть вычисляем матрицу S[l,m], в которой элементами являются среднее

значение соответствующих пикселей из матрицы G.

Шаг 4. Получение новой матрицы М[п,ш] всех изображений за

вычетом усреднённой матрицы. Таким образом, на выходе имеем матрицу

только уникальных признаков.

Шаг 5. Вычисление ковариационной матрицы С и собственных

значений v.

С = М тх М

v = eigenvals(C)

Шаг 6. Вычисление собственных векторов и матрицы разностных

изображений М и вектора их весов w.

и = М х v

w = и х М

Совокупность вычисленных параметров и представляют собой модель.

Шаг 7. Распознавание. Для поданного на вход изображения

вычисляются подобные параметры (собственные вектора и веса), а затем

вычисляется евклидово расстояние для каждой пары параметров (имеющихся

параметров и параметров, полученных при обучении). Минимальное

29



расстояние и будет означать принадлежность к классу. Если данное

расстояние окажется больше некоторого порога, то такого изображения в

модели нет.

Сравнение алгоритма eigenface с нейронной сетью

Для тестирования алгоритмов подготовим выборку из 3 человек для

каждого по 6 фото.

Оба алгоритма перед использованием необходимо обучить на

некоторой выборке, для обучения возьмём по одному фото от каждого

участника. Остальные 5 фото будем использовать для проверки алгоритмов.

Также будет определён еще один параметр - разрешение доступа лицам,

которых нет в базе данных.

Результаты работы алгоритма нейронной сети

Таблица 1. Проверка алгоритма нейронной сети на фото участников

№ ф

ото Первый участник Второй участник Третий участник

Совпадение с оригиналом

Совпадение с ...





2 57% - - 3: 99% 99% -

3 100% - - 3: 99% 99% -

4 - 3: 13% 97% - 99% -

5 - 3: 14% 97% - 99% -

6 - 3: 98% - 3: 99% 99% -

Таблица 2. Проверка алгоритма нейронной сети на фото людей,


№ Фото 1 2 3 4 5 6

Запрет доступа - - - - - -

30

IT R R C T I C R W 1 / 2 0 1 6

Данный алгоритм проявил ряд недостатков, основным из которых

является пропуск тех людей, которых нет в базе данных. Помимо этого,

почти 35% фото распознаются некорректно. На эти результаты главным

образом влияет освещение, а, следовательно, цветовой оттенок фото.

Результаты работы алгоритма eigenface

Таблица 3. Проверка алгоритма eigenface на фото участников

№ ф

ото Первый участник Второй участник Третий участник







2 + - + - + -

3 + - + - + -

4 + - + - + -

5 + - + - + -

6 + - + - + -

Таблица 4. Проверка алгоритма eigenface на фото людей,


№ Фото 1 2 3 4 5 6Запрет

доступа - - - + - -

Алгоритм eigenface лучше справляется с определением лиц, которые

есть в базе данных, однако так же неудовлетворительно работает с лицами,

которые в базе данных отсутствуют.

По результатам тестирования можно сделать следующие выводы:

- Требуется доработка системы в направлении увеличения скорости

выполнения задач;

- Усовершенствование системы путем применения и тестирования

различных связок алгоритмов для повышения точности распознавания.

31



- Для реализации и тестирования методов использовалось следующее

программное обеспечение: NeurophStudio (программное обеспечение для

создания и обучения нейронной сети), для реализации и проверки алгоритма

eigenface использовалось программное обеспечение MathCad. Планируется

провести анализ возможности применения алгоритмов по преобразованию

20-изображения лица пользователя в ЗО-модель и анализ методов по 3D-

распознаванию.

32

IT R R C T I C R W 1 / 2 0 1 6


1. Анализ существующих подходов к распознаванию лиц.

[Электронный ресурс] // Хабрахабр. URL:

http: //habrahabr. ru/companv/svnesis/blo g/23 8129/.

2. Применение нейросетей в распознавании изображений.

[Электронный ресурс] // Geektimes. URL: http://geektimes.ru/post/74326/.

3. Распознавание изображений. Алгоритм Eigenface. [Электронный

ресурс] // Geektimes. URL: http://geektimes.ni/post/68870/.

References

1. Analysis of existing approaches to the face detection. [Electronic

resource ] // Habrahabr. URL: http://habrahabr.ru/companv/svnesis/blog/238129/.

2. The application of neural networks in image recognition. [Electronic

resource ] // Geektimes. URL: http://geektimes.ru/post/74326/.

3. Image recognition. Algorithm Eigenface. [Electronic resource ] //

Geektimes. URL: http://geektimes.ni/post/68870/.

33


http://geektimes.ru/post/74326/





I/IT А Р К Т И К А W 1 / 2 0 1 6

Защита информации в информационных системахУДК: 004.31

Берш Алексей Васильевич

генеральный директор общества с ограниченной ответственностью

«СТАЛКЕР КОММУНИКАЦИОННАЯ ГРУППА»;

руководитель совместной научно-технической лаборатории «СТАЛКЕР»

(ООО «СТАЛКЕР» и Федеральное государственное бюджетное

образовательное учреждение высшего образования

«СыктГУ им. Питирима Сорокина»)

Катаев Егор Евгеньевич

Студент, Государственное общеобразовательное учреждение «Коми

республиканский лицей при Сыктывкарском государственном университете»

(ГОУ «КРЛ при СГУ»)

Аппаратно-программный комплекс «Цитадель»

В статье пойдет речь о разработке первых модулей комплекса

«Цитадель». Цель данного проекта состоит в том, чтобы реализовать

аппаратно-программный комплекс для обеспечения общественной

безопасности, которая в дальнейшем сможет стать частью единой системы

автоматизированного управления государством.

Ключевые слова: машинное зрение, машинное обучение, обнаружение

движения, оптический поток, определение степени агрессивности человека.

Bersh Alexey Vasilyevich

CEO of Stalker communication group, LTD.

Head of the scientific and technical laboratory «STALKER»,

Federal State Budget Educational Institution of Higher Education

"Pitirim Sorokin Syktyvkar State University"

Kataev Egor Evgen’evich

Student, GOU KRL pri SGU

34

IT R R C T I C R W 1 / 2 0 1 6

Hardware-software complex “Citadel”

The article deals about the development of the first modules of the complex

"Citadel". The aim of this project is to implement a hardware-software system to

ensure public safety, which later will become part of the unified automated system

of state administration.

Keywords: machine vision, machine learning, motion detection, optical flow,

determination o f the degree o f human aggression.

Благодаря биологии, человечество выяснило одну очень важную

закономерность: «Все люди смертны». Это монолит. С этим никак не

поспорить, во всяком случае, в данный момент. Исходя из этого

утверждения, появляется возможность перейти к сути настоящей статьи.

Каким образом общество может быть уверено в том, что следующий глава

нашего или любого другого государства, будет честный и бескорыстный

человек. Каждый раз полагаться на удачу несколько неудобно. Тут возникает

вопрос: кто сможет следить за всеми и предпринимать какие-либо решения,

лучшие для всех. Ответ напрашивается сам - если это не человек, то это

машина. Машина, которая знает и видит абсолютно все. Примером такой

машины может стать суперкомпьютер, управляемый АПК «Цитадель».

Цитадель - это комплексная многоуровневая система обеспечения

общественной безопасности, правопорядка и безопасности окружающей

среды, это первый шаг на пути в светлое будущее.

Особенность системы состоит в том, что весь проект разрабатывается с

нуля, но может быть интегрирован в любую существующую систему

безопасности.

Программную основу этого комплекса составляет математическая

модель, которая круглосуточно обрабатывает видеопоток и данные,

полученные с различных датчиков и сенсоров, тем самым позволяя

предупредить угрозы и риски.

35

I/IT А Р К Т И К А W 1 / 2 0 1 6 Бврш A.B., Катаев Е.Е.


Тут раскрывается одно из главных преимуществ цитадели - это

интеграция технологий «компьютерное зрение» и «нейронные сети».

Интеграция данных технологий позволяет компьютеру видеть в буквальном

смысле. Кроме того, для эффективной работы этой системы, планируется

использовать алгоритмы популярного на сегодняшний день Машинного

обучения, которые будут включены в каждый модуль комплекса. На основе

тех умозаключений, которые дадут эти алгоритмы, будет приниматься

решение: к примеру, ведёт ли себя субъект, попадающий в объектив камеры

наблюдения правомерно или нет в данный момент.

Таким образом, использование предлагаемой технологии приведёт риск

отрицательного влияния человеческого фактора к минимуму, поскольку ни

один человек не способен круглосуточно наблюдать за экраном монитора, и

безошибочно анализировать данные, и принимать верные решения.

В состав аппаратно-программного комплекса «ЦИТАДЕЛЬ»

следующие составляющие: фиксация массового скопления людей, фиксация

перемещённых предметов (забытых или оставленных случайно),

идентификация лиц, а также определение состояния агрессивности человека.

В прошлом году на первом форуме СорокИНН научно-технической

лабораторией «СТАЛКЕР» был представлен самый первый модуль проекта

«Цитадель» - это модуль обнаружения движения, который базировался на

гипотезе о том, что на текущем кадре движение существует в том пикселе,

изменение яркости которого по сравнению с прошлым кадром превысило

некоторый порог. Эту зависимость можно записать следующим образом:

Такую программу можно использовать вместо датчиков движения,

которые на сегодняшний день используются во многих системах

видеонаблюдения. Разработанный модуль позволяет сократить

(1)

(2)

36

IT R R C T I C R W 1 / 2 0 1 6

необходимость их установки, что может уменьшить сложность

обслуживания и конфигурирования базовой комплекции «Цитадели».

Но эта статья больше о модуле, который способен определить

состояние агрессивности человека на видео. Он основан на гипотезе о том,

что для этого необходимо посчитать скорость движения человека. Для этого

был проведён ряд научных экспериментов по вычислению оптического

потока.

Рис. 1. Пример вычисления оптического потока

Данный подход часто называют дифференциальным, поскольку в его

основе лежит вычисление частных производных по горизонтальному и

вертикальному направлениям изображения. Как мы увидим далее, одних

только производных недостаточно, чтобы определить смещения. Именно

поэтому на базе одной простой идеи появилось великое множество методов,

каждый из которых использует какую-нибудь свою математическую пляску с

бубном, чтобы достичь цели [1]. Сконцентрируемся на методе Хорн-Шунка

(Horn-Schunk), предложенном в 78 году Бертхольдом Хорном и Брайаном

Шунком.

Предложение Хорна и Шунка состоит в формулировании проблемы

вычисления оптического потока, как вариационной задачи, где искомое

векторное поле h определяется как минимизатор значений функционала J(h).

Этот функционал имеет два условия: условие привязанности данных,

37

I/IT А Р К Т И К А W 1 / 2 0 1 6 Бврш A.B., Катаев ЕЕ.


даваемых ограничением оптического потока, и регуляционное условие,

основанное на градиенте потока:

Д п ) = Jq(7xu + lyv + h )2 + a 2(\Vu\2 + |М 2)), (3)

где "а" является параметром для регулирования значения условия

мягкости, сравниваемого с ограничением оптического потока. Параметр “а” в

квадрате, так что его единицы являются единицами уровней серого, и это

можно рассматривать как интенсивность аддитивной Гауссовского шума,

присутствующего во вводимых изображениях. Эта модель использует

энергию квадратичных функционалов в обоих условиях. Это предполагает,

что шум изображения и производные потока, как ожидается, следуют

распределению Гаусса. Прямым следствием этого вида функционалов

является то, что способ очень чувствителен к присутствию шума и поля

вычисленного потока очень гладкие. Эти недостатки привели к появлению

многих научно-исследовательских работ, которые пытаются справиться с

этими ограничениями. Использование L1 функционалов, оказалось лучшим

подходом. Минимизация указанных функционалов дает следующие

уравнения Эйлера-Лагранжа:

12и + lxlyv = a 2(Vu) - /x/t , (4)

IxIyu + IyV = a 2(Vv) - IyIt . (5)

Лапласиан можно приблизительно сравнить со следующими

выражениями, которые будут полезны для дискретизации ниже:

(Fu) « (й — и), (6)

(Vv) « (Г — ц), (7)

где (й, v) являются средними значениями (u, v). Это приближение

аналогично широко используемому «различию «гауссианов», где оператор

Лапласа аппроксимируется разностью размытых версий изображения. В этом

случае наименьшее размытие равно нулю. Решая уравнения выше (u, v) и

перестанавливая условия, мы получим следующую систему уравнений:

(а 2 + I2 + / 2)(ц - й) = -1х(1хй + 1уй + /t ), (8)

38

IT R R C T I C R W 1 / 2 0 1 6

(a 2 + I2 + I2)(v - v ) = - I y {lxu + Iyv + /t ), (9)

Написав эти уравнения для каждого пикселя входных изображений, мы

получаем редкую систему линейных уравнений.

Частные производные Ix, Iy, It аппроксимируются с использованием

прямого дифференцирования и усреднения двух последовательных кадров:

1х ~ ~̂ {jx,y + l,t ~ Ix,y,t 4" Ix+l,y + l,t ~ Ix + l,y,t 4~ Ix,y + l,t+l ~ Ix,y,t+1 "Г"

lx+l,y+l,t+l ^x+l,y,t+l ), (10)

1у ~ ~̂ (jx+l,y,t ~ Ix,y,t 4~ lx+l,y+l,t — lx,y + l,t ”l~ lx+l,y,t+l — lx,y,t+1 "Т"

lx+l,y+l,t+l lx,y+l,t+l ), (11)

If ~ ~̂ {jx,y,t+1 ~ Ix,y,t 4~ lx+l,y,t+l — lx+1 ,y,t 4~ lx,y + l,t+l — lx,y + l,t "T"

lx+l,y+l,t+l lx+l,y+l,t+l ), (12)

с помощью граничных условий Неймана. Средние значения (U,v)

оцениваются по восьми соседям (u,v) как:

^ (■ (*4-1 ,у 4~ *4 + 1 ,у "I" *4,у -1 "I" *4,y+l) "1" (*4-1,у-1 "I" *4 + 1,у-1 "1"

*4-1,у + 1 ”1" ”1" *4+1,у+1 ), (13)

^ (L (VX-l,y 3" *4 + 1,у 3" *4,у-1 3" *4,y+l) 3" (*4-l,y-l 3" *4 + l,y-l 3"

^x-l.y+l + + ^x+l.y+l)? (14)с помощью граничных условий Неймана. Коэффициенты этой

дискретизации точно такие же как и в оригинальной статье Хорна и Шунка.

Для того чтобы сделать правильную дискретизацию лапласиана, они должны

быть выбраны таким образом, что сумма коэффициентов равна

коэффициенту связанного с (u, v). Решение вышеупомянутой редкой системы

линейных уравнений может быть получено с помощью следующей

итерационной схемы:

п+1 — г Ix u ^ + I y ^ + I tип+± = ип — 1Х— — —=—, (15)х а 2+1%+12 ’ v ’

п+1 — г Ix~+Iy~+It17 = Vn — Iv — —— (16)у a 2+I%+Iy v ’

39



Эта итерационная схема - метод Якоби для решения линейных

систем [2].

Алгоритм вычисления оптического потока Хорн-Шунка далеко не

единственный. Также существуют, например, методы Лукаса-Канаде,

Farneback, SimpleFlow.

Теперь, когда математика кончилась, нужно определить, что делать

дальше. Вычисление смещения точки на двух изображения дает нам одну

интересную возможность - посчитать скорость движения этой точки. Для

этого берётся смещение, которое выражено в пикселях, умножается на

определённый коэффициент и на количество кадров в секунду. Но в итоге

получается много скоростей, когда необходима лишь одна, определяющая

состояние агрессивности человека. В дальнейшем такая скорость будет

считаться лишь в одном фрагменте кадра, на котором изображен человек, но

сейчас просто рассчитывается самая большую скорость из всех найденных.

В итоге получаем следующую картинку:Т е р м и н а л - u s

| ffiaftn Щмв*4 Вид 1ео»*ичал Вдоодьи Справка

«\ J \

Рис. 2. Пример расчёта самой большой скорости из всех найденных

На данный момент очень сомнительно оценивать состояние

агрессивности человека только по его скорости движения. Но в скором

будущем будет добавлено несколько новых факторов для этой оценки.

Вот несколько идей:

• Определение температуры тела;

• Определение сердечного ритма.

40

IT R R C T I C R W 1 / 2 0 1 6

В итоге, когда в распоряжении будет несколько различных категорий

данных, будет выведена единая шкала агрессии, которая будет разработана

совместно с психологами. В дальнейших планах по развитию проекта вместо

шкалы можно будет использовать простую нейронную сеть, способную

самостоятельно определять степень агрессивности более точно, так как в

ходе проведения научной деятельности по данному проекту была создана

готовая нейронная сеть, которую необходимо обучить.

В основу разработанной сети вошел вариант простой искусственной

модели нейрона, представленной в 1943 году Warren McCulloch и Walter Pitts.

Такие простые нейроны называются персептроны.

Рис. 3. Диаграмма простой искусственной модели нейрона

Диаграмма показывает, что входы нейрона представлены ik. Каждый

вход имеет вес, который показывает силу синоптической связи своего

дендрита, представленного w. Сумма этих входов и их весов называются

активатором нейрона и обозначаются 5.

S = Y k = i W k i k (18)Далее применялся порог, который проводил бинаризацию:

(0,5 < 0.5 / | тU (1,5 >0.5

Ранние нейронные сети использовали бинарные выходы. Позже было

выяснено, что использование непрерывной выходной функции более гибко.

Таким примером является сигмоидальная функция:

0 = 7 1 ^ -s (20)



Эта функция просто заменяет пороговую функцию и всегда дает выход

между нулём и единицей. Её также называют активирующей функцией.

Основным применением нейронных сетей является распознавание

образов.

Обучение сети происходит с помощью изменения весов. К сожалению,

установка весов вручную хороша лишь на демонстрационных примерах. В

реальности нейронная сеть должна узнавать не один шаблон, а несколько

разных. Классическим примером обучения нейронной сети является

алгоритм обратного распространения ошибки. Сети, основанные на этом

алгоритме, учатся на примерах. Подавая сети на вход некоторый шаблон и

сообщая, что требуется, веса сети изменяются так, что после обучения сеть

будет выдавать требуемый результат для входных данных [3].

Сам алгоритм описывается следующим образом [4]:

♦♦♦ Инициализировать [иуу]. . случайными значениями в небольшомItJ

промежутке, например, от -1 до 1 и = ^

❖ Повторить заданное заранее число раз:

> Для всех d от 1 до ш:

■ Подать (xf ] на вход сети и подсчитать выходы Oj каждого узла.

■ Для всех к 6 Outputs:

• = —° к 0 - — ° k ) ( t k ~ ° к ) -

У Для каждого уровня 1, начиная с предпоследнего:

■ Для каждого узла] уровня 1 вычислить:

* = °/(l — ° i ) ^ k e C h i l d r e n ( j ) & k w j,k-

> Для каждого ребра сети

■ Л W i j = c c A w i j + (1 — a ) p S j O i .

■ Wi j = Wi j + A W i j W h t ~ W'h3 +

♦♦♦ Выдать значения.

Число а называется коэффициентом инертности и выбирается

произвольно.

42

IT R R C T I C R W 1 / 2 0 1 6

Правильно обучив нейронную сеть, мы получаем возможность

подавать ей на вход те данные, о которых говорилось раннее, и получать

верный результат оценки состояния агрессивности человека. Кроме того, при

глобализации этой системы, когда появится модуль идентификации лиц,

возможно будет установить личность человека по существующим базам

данных. Такой подход еще сильнее увеличит точность работы программы.

Дальнейшая колоссальная работа над АПК «Цитадель» и развитие

аппаратно-программного комплекса принесёт самые разнообразные плоды.

Возможно, что в процессе его разработки будет создан тот самый Верховный

алгоритм, о котором рассказывает в своей одноименной книге Педро

Домингос.

43

I/IT А Р К Т И К А W 1 / 2 0 1 6 Бврш A.B., Катаев ЕЕ.



1. Алгоритм обратного распространения ошибки. [Электронный

ресурс] // Википедия. - URL: https://ru.wikipedia.org/.

2. @Coderik. Вычисление оптического потока методом Лукаса-Канаде. Теория.

[Электронный ресурс] // @Coderik. - URL: http://liabraliabr.ru/post/169055/. - (Дата

обращения: 27.09.2016).

3. MacLeod С. An Introduction to Practical Neural Networks and Genetic

Algorithms For Engineers and Scientists. [Electronic resource] / C. MacLeod. -

157 p.

4. Meinhardt-Llopis E. Horn-Schunck Optical Flow with a Multi-Scale

Strategy. [Electronic resource] / E. Meinhardt-Llopis, J. Sanchez, D. Kondermann

// IPOL. - 2013. -№ 3. -P.151-172.

44

https://ru.wikipedia.org/wiki/%D0%9C%D0%B5%D1%82%D0%BE%D0%B4_%D0%BE%D0%B1%D1%80%D0%B0%D1%82%D0%BD%D0%BE%D0%B3%D0%BE_%D1%80%D0%B0%D1%81%D0%BF%D1%80%D0%BE%D1%81%D1%82%D1%80%D0%B0%D0%BD%D0%B5%D0%BD%D0%B8%D1%8F_%D0%BE%D1%88%D0%B8%D0%B1%D0%BA%D0%B8


IT R R C T I C R W 1 / 2 0 1 6

References

1. The back-propagation algorithm. [Electronic resource] // Wikipedia. -

URL: https://ru.wikipedia.org/.

2. @Coderik, Calculation of optical flow method of Lucas-Canada. The

theory. [Electronic resource] // @Coderik. - URL:


3. MacLeod, C. An Introduction to Practical Neural Networks and Genetic

Algorithms Lor Engineers and Scientists. [Electronic resource] / C. MacLeod. -

157 p.

4. Meinhardt-Llopis, E. Horn-Schunck Optical Flow with a Multi-Scale

Strategy. [Electronic resource] / E. Meinhardt-Llopis, J. Sanchez, D. Kondermann

// IPOL. - 2013. - № 3. - P. 151-172.

45

https://ru.wikipedia.org/wiki/%D0%9C%D0%B5%D1%82%D0%BE%D0%B4_%D0%BE%D0%B1%D1%80%D0%B0%D1%82%D0%BD%D0%BE%D0%B3%D0%BE_%D1%80%D0%B0%D1%81%D0%BF%D1%80%D0%BE%D1%81%D1%82%D1%80%D0%B0%D0%BD%D0%B5%D0%BD%D0%B8%D1%8F_%D0%BE%D1%88%D0%B8%D0%B1%D0%BA%D0%B8


I/IT А Р К Т И К А W 1 / 2 0 1 6

Информационные технологии в медицинеУДК: 608.3, 616-079

Берш Алексей Васильевичгенеральный директор общества с ограниченной ответственностью

«СТАЛКЕР КОММУНИКАЦИОННАЯ ГРУППА»; руководитель совместной научно-технической лаборатории «СТАЛКЕР»

(ООО «СТАЛКЕР» и Федеральное государственное бюджетное образовательное учреждение высшего образования

«СыктГУ им. Питирима Сорокина»)Исмаилов Заур Бекирович

студент, медицинский институт ФГБОУ ВО «СыктГУ им. Питирима Сорокина»

Аппаратно-программный комплекс онлайн-мониторинга показанийприборов учета сердечно-сосудистой системы «Доктор рядом»В статье показана возможность мониторинга состояния сердечно

сосудистой системы в течение полугода - год с применением инвазивных беспроводных датчиков, постоянного соединения с сервером и архивации данных. Необходимо применение аппаратно-программного комплекса на пациентах с тяжёлыми нарушениями ритма сердца, после обширного инфаркта миокарда, инсульта и других кардиоваскулярных патологий.

Ключевые слова: сердечно-сосудистая система, мониторинг,

диагностика, беспроводной, патологии.

Bersh Alexey VasilyevichCEO of Stalker communication group, LTD.

Head of the scientific and technical laboratory «STALKER»,Federal State Budget Educational Institution of Higher Education

"Pitirim Sorokin Syktyvkar State University"Ismailov Zaur Bekirovich

student, Medical institute, FSBEI HE "Pitirim Sorokin Syktyvkar State University"

46

IT R R C T IC R W 1 / 2 0 1 6

Hardware-software complex of online monitoring the readings the

cardiovascular system "The Doctor near"

The article shows the possibility of monitoring the state of the

cardiovascular system in six months a year with the use of invasive wireless

sensors, permanent connection to the server and data archiving. The need for the

use of hardware and software on patients with severe heart rhythm disorders, after

an extensive myocardial infarction, stroke and other cardiovascular pathologies.

Keywords: cardio-vascular system, monitoring, diagnostics, wireless,

pathology.

Заболевания сердечно-сосудистой системы - являются основной

причиной смертности в мире. По данным оценкам Всемирной Организации

Здравоохранения, «в 2012 году от сердечно-сосудистых заболеваний умерло

17,5 миллиона человек, что составило 31% всех случаев смерти в мире. Из

этого числа 7,4 миллиона человек умерли от ишемической болезни сердца и

6,7 миллиона человек в результате инсульта» [1]. Возможности

использования Холтеровского монитора (ХМ) ограничены временем (24-72

ч), создают неудобства пациентам, а так же большое количество артефактов

и снижение точности результатов при смещении электродов. ХМ не обладает

возможностями прослеживания уровня сатурации крови, что лишает

возможности диагностировать апноэ во время сна. По исследованиям,

проведённым в кардиологическом отделении ФГБУ «Центральная

клиническая больница» с поликлиникой Управления делами Президента РФ

в период с 14 марта по 14 мая 2011 года, было установлено следующее: «Из

139 пациентов достоверные результаты получены у 125 (89,9%). У 72%

пациентов индекс десатураций составил 5 и более, что указывало на

вероятность наличия у них апноэ во время сна. У 36% пациентов индекс

десатураций был >15, что соответствовало среднетяжелой форме апноэ во

время сна. И только у 28% пациентов не было патологических изменений на

кривой ночной сатурации. Таким образом, у пациентов кардиологического

47

I/IT А Р К Т И К А W 1 / 2 0 1 6 Бврш R.B., Исмаилов З.Б.

Аппаратно-программный комплекс онлайн-мониторинга показаний приборов учета сердечно-сосудистой системы «Доктор рядом»

отделения стационара выявлена чрезвычайно высокая распространенность

апноэ во время сна различного генеза» [2]. «По данным Apoor Gami, синдром

обструктивного апноэ сна сильнее связан с фибрилляцией предсердий, чем с

любым другим традиционным фактором риска, так у 49% больных с

фибрилляцией предсердий имеется высокий риск синдрома обструктивного

апноэ сна по сравнению с 32% среди других кардиологических пациентов. В

наблюдениях Singh J., et al. демонстрируется развитие фибрилляции

предсердий во время сна. В работах Kanagala R., et al. показано, что

пароксизмы мерцательной аритмии после электрокардиоверсии

рецидивировали в течение года у 82% больных с синдромом ночного апноэ,

тогда как в группе контроля только в 53%. В группе пациентов, получавших

СРАР-терапию (Continuous Positive Airways Pressure), новые пароксизмы

развивались у 42% больных, то есть достоверно реже, чем в контроле» [3].

ХМ позволяет отслеживать влияние только циркадианных биоритмов

на сердечно-сосудистую систему, в то время как аппаратно-программный

комплекс «Доктор рядом» будет рассчитан на измерение показателей в

течение полугода год, что позволит рассматривать не только суточные

изменения состояния сердечно-сосудистой системы, но и сезонные

проявления патологий. «Динамика числа обострений сердечно-сосудистых

заболеваний показала сезонный ход с летним минимумом (июнь, июль,

август и сентябрь). Максимальное число обострений пришлось на январь,

февраль, март. При этом наиболее ярко выражен сезонный характер

обострений у больных с диагнозом артериальной гипертензии» [4].

Разработка аппаратно-программного комплекса преследует цель

создания не создающего дискомфорта для пациента способа длительного

мониторинга показателей сердечно-сосудистой системы вне стационара для

профилактики рецидивов сердечно-сосудистых заболеваний, осложнений

тяжёлых нарушений ритма сердца, своевременной помощи при критических

ситуациях, возникших вне стационара, способность корректировать лечение

в реальном времени, а так же возможность проведения научных

48

IT R R C T IC R W 1 / 2 0 1 6

исследований в целях дальнейшей профилактики и лечения пациентов в

целом.

Задачами данного прибора будут являться:

1. Обеспечение оперативной связи «доктор-пациент», своевременная

реакция на результаты мониторинга;

2. Проведение анализа и хранение информации о динамике

исследуемых параметров в специализированной базе данных (автоматизация

работы доктора);

3. Мониторинг состояния сердечно-сосудистой деятельности

пациентов;

4. Предполагаемая невысокая стоимость (комплектующие

отечественного производства);

5. Автоматизированное создание форм базы данных, единая база

данных с электронными историями болезней пациентов;

6. Проведение длительного мониторинга по следующим

направлениям: ЭКГ по 12 отведениям (кардиоинтервалография,

вариабельность ритма и ST-смещение), измерение артериального давления,

частоты сердечных сокращений и парциальное давление кислорода;

7. Возможность использования беспроводных технологий передачи

данных;

8. Стандартизация данных и электронных форма медицинской

документации;

9. Обеспечение комплексной защиты объекта информатизации - базы

данных и информационной системы, обрабатывающей данные пациента.

Первоначально устройство будет включать в себя микроинвазивные

датчики, способные регистрировать электрическое поле сердца (5мВ), на

основе инертного или биоактивного материала. Инвазию датчиков

планируется совершить по методике «EASI», что позволит «отображать и

документировать изменения ST по всем 12-ти ЭКГ отведениям; отображать

нарушения ритма по всем 12-ти отведениям» [5]. При этом, количество

49



датчиков для измерения ЭКГ снижается до 5 штук. В качестве основной

шины передачи сигналов на этапе прототипирования и тестирования

прототипа будет использоваться кабель типа «витая пара». Для измерения

давления будут использованы пьезоэлектрические датчики на основе

кремния, в виде полого стента, катетеризированного в сосуд.

Пульсоксиметрия реализуется по типу датчика-источника красного и

инфракрасного света и фотодетектора, регистрирующего степень

поглощения света.

Саму процедуру инвазии планируется совершать после операции под

общим наркозом (сразу после аортокоронарного шунтирования), либо под

местной анестезией. При прототипировании будет учитываться форма и

строение датчика для лучшей фиксации и снижения дискомфорта для

пациента. Качество ЭКГ картины будет лучше ввиду снижения

сопротивления тканей при нахождении датчика под кожей. Удаление

датчиков планируется под местной анестезией.

Силовое питание датчиков планируется формировать за счёт

использования конденсатора высокой ёмкости и катушек индуктивности (для

обеспечения технологии беспроводной «подзарядки»), а также

незначительного элемента питания, который будет выполнять

стабилизирующий эффект, а также сопутствующих элементов электрической

схемы.

Передача беспроводного сигнала будет осуществляться по технологии

Bluetooth производственная спецификация беспроводных персональных

сетей Wireless personal area network. Конвертация электрического сигнала от

датчика и его передача на bluetooth-передатчик (смартфон) будет выполнена

при помощи «моста», роль которого будет выполнять микроконтроллер-

микрокомпьютер. Сигнал будет передан по 3G связи на сервер для

архивации, систематизации, а так же обработки полученных данных. При

наличии временной проблемы с 3G соединением информация будет

50

IT R R C T IC R W 1 / 2 0 1 6

сохраняться на смартфон. Когда проблемы со связью устранятся,

информация с телефона поступит на сервер.

Программная часть проекта будет выполнена по технологии

кроссплатформенности, с использованием современных высокоуровневых

языков программирования: С, C++, кроссплатформенных языков на уровне

компиляции, то есть для этих языков есть компиляторы под различные

платформы. Это позволяет при надлежащем качестве кода не переписывать

основной движок программы, меняются только особые системозависимые

части.

Программная часть компонентов управления (микроконтроллеры,

микрокомпьютеры) будет реализована по технологии открытого кода.

Программная часть в рамках настоящей работы будет представлена

следующими компонентами:

1. Операционная система АРМ: Windows 7 Professional, с

последующим обновлением до версии Windows 10;

2. Операционная система микроконтроллеров и сервера: Android OS и

Linux;

3. Серверная часть.

Серверная часть представляет собой:

• веб-сервер размещения информационной системы;

• информационную систему, отвечающую за получение, хранение

данных в базе данных SQL, категорирование данных, предоставление

данных, шифрование и дешифрование данных, отправку предупреждающий

сообщений пользователям.

Взаимодействие между АРМ-ом и серверной частью будет реализовано

по открытому каналу связи с использованием сети интернет.

В данный момент в перечне предоставления медицинских услуг

отсутствует готовое техническое оборудование, позволяющие

мониторировать показатели сердечно-сосудистой системы постоянно.

Единственный аналог, отличающийся сравнительной дороговизной, малым

51



сроком службы, скудным спектром показателей и неудобством для

потребителя, является Холтеровский монитор, цена на который начинается

от 59 тысяч рублей. Как уже упоминалось ранее, данный аппарат не обладает

всеми необходимыми параметрами для обширной диагностики пациентов,

оперативного вмешательства и профилактики рецидивов заболеваний

сердечно-сосудистой системы и риска внезапной смерти.

«Стоит упомянуть и о приказе Минздравсоцразвития РФ № 4 от

24.01.2003 «О мерах по совершенствованию организации медицинской

помощи больным с артериальной гипертензией в Российской Федерации», в

котором фигурирует полисомнография как необходимый метод уточнения

генеза вторичной артериальной гипертензии. Однако в стандартах

стационарной помощи больным артериальной гипертензией, утверждённым

Минздравсоцразвития РФ, каких-либо методов обследования для выявления

синдрома обструктивного апноэ сна не предусмотрено. Аналогичная

ситуация складывается и со стандартами по диагностике и лечению других

сердечно-сосудистых заболеваний, при которых имеется высокий риск

синдрома обструктивного апноэ сна. На этом основании врачи не могут

проводить адекватное обследование пациентов в целях выявления апноэ во

время сна, так как формально это нарушение стандартов и чрезмерное

использование ресурсов с последующими санкциями от страховых

компаний» [6].

Создание и использование аппаратно-программного комплекса онлайн-

мониторинга показаний приборов учета сердечно-сосудистой системы

«Доктор рядом» позволит выйти на новый уровень диагностики заболеваний

сердечно-сосудистой системы. Большой спектр возможностей расчёта

результатов длительного исследования состояния сердечно-сосудистой

систему улучшит степень выявляемое™ сердечно-сосудистых заболеваний,

снизит риски внезапной смерти. Способность постоянной архивации данных

поможет врачу подобрать верную терапию, а регистрация изменения

сегментов ST, изменения частоты сердечных сокращений и автоматическая

52

IT R R C T IC R W 1 / 2 0 1 6

подача сигнала на скорую помощь даст возможность спасти пациента при

возникновении экстренного случая.

53




1. Сердечно-сосудистые заболевания. [Электронный ресурс] //

Всемирная Организация Здравоохранения. URL:

http://www.wlio.int/mediacentre/factsheets/fs317/т/.

2. Легейда И.В. и др. Применение мониторинговой компьютерной

пульсоксиметрии для скрининга апноэ во время сна у пациентов

кардиологического отделения стационара. [Текст] / Кардиология. - 2012. -

№2. - С.2-59.

3. Баллюзек М.Ф., Александрова Л.Н. Возрастные особенности

течения фибрилляция предсердий при синдроме обструктивного апноэ-

гипопноэ сна. [Текст] / Санкт-Петербургская клиническая больница РАН. -

2011.-С .З.

4. Алябина О.В. и др. Изучение взаимосвязи между обострениями

сердечно-сосудистых заболеваний, метеофакторами и солнечной

активностью [Текст] / Известия Алтайского государственного университета.

- 2007. - №3. - С.8.

5. Шульгин В.И. Двенадцатиканальное холтеровское

мониторирование с использованием системы 12-lead EASI. [Текст] / Харьков:

ХАИ МЕДИКА. - 2002. - 11 с.

6. Легейда И.В. и др. Применение мониторинговой компьютерной

пульсоксиметрии для скрининга апноэ во время сна у пациентов

кардиологического отделения стационара. [Текст] / Кардиология. - 2012. -

№2. - С.2-61.

54

http://www.who.int/mediacentre/factsheets/fs317/ru/

IT R R C T IC R W 1 / 2 0 1 6

References

1. Cardiovascular disease. [Electronic resource] // The official website of

the World Health Organization. URL:

http://www.who.int/mediacentre/factsheets/fs317/ru/.

2. Legeyda I.V. and other. Application of computer monitoring of pulse

oximetry screening for sleep apnea patients hospital cardiology department. [Text]

/ Cardiology. - 2012. - №2. - P.2-59.

3. Ballyuzek M.F., Alexandrov L.N. Age peculiarities of atrial fibrillation

in the syndrome of obstructive sleep apnea-hypopnea. [Text] / St. Petersburg

Academy of Sciences Hospital. - 2011. - C.3.

4. Alyabin O.V. and other. The study of the relationship between

exacerbation of cardiovascular disease, meteorological factors and solar activity.

[Text] / News of Altai State University. - 2007. - №3. - P. 8.

5. Shulgin V.I. Dvenadtsatikanalnoe Holter monitoring with the use of 12-

lead EASI system. [Text] / Kharkov: Publishing House of the HAI Medica. - 2002.

- lip .

6. Legeyda I.V. and other. Application of computer monitoring of pulse

oximetry screening for sleep apnea patients hospital cardiology department. [Text]

/ Cardiology. -2012. -№ 2. - P.2-61.

55

http://www.who.int/mediacentre/factsheets/fs317/ru/

I/IT А Р К Т И КА W 1 / 2 0 1 6

УДК: 608.3; 614.484

Берш Алексей Васильевичгенеральный директор общества с ограниченной ответственностью

«СТАЛКЕР КОММУНИКАЦИОННАЯ ГРУППА»; руководитель совместной научно-технической лаборатории «СТАЛКЕР»

(ООО «СТАЛКЕР» и Федеральное государственное бюджетное образовательное учреждение высшего образования

«СыктГУ им. Питирима Сорокина»)Шумилова Ангелина Александровна

студент, медицинский институт ФГБОУ ВО «СыктГУ им. Питирима Сорокина»

Озонирование зараженных биоматериалов с целью перевода их из категории класса «Б» и «В» в класс «А»

В статье описывается один из методов обезвреживания зараженных биоматериалов - озонирование, и как он может применяться для перевода медицинских отходов из категории класса «Б» и «В» в класс «А».

Ключевые слова: озонирование, обезвреживание, медицинские отходы,

безопасность, медицина, действие озона, переработка, экономика.

Bersh Alexey VasilyevichCEO of Stalker communication group, LTD.

Head of the scientific and technical laboratory «STALKER»,Federal State Budget Educational Institution of Higher Education


Shumilova Angelina Alexandrovna student, Medical institute, FSBEI HE "Pitirim Sorokin Syktyvkar State University"

Infected biomaterials ozonation with the aim of transfer the category class"B" and "C" in the class "A"

56

IT R R C T IC R W 1 / 2 0 1 6

This article deals with a method of infected biomaterials neutralization ozonation, and how it can be used for medical waste transfer from the category class "B" and "B" in the class "A".

Keywords: ozone treatment, disposal, medical waste, safety, medicine, effect

o f ozone, processing, econom ics.

«Всемирная организация здравоохранения (ВОЗ) в 1979 году отнесла

медицинские отходы к группе опасных и указала на необходимость создания

специальных служб по их переработке» [1]. В связи с этим велась разработка

аппаратного комплекса, способного перерабатывать эти материалы путем

деструктурирования и обработки озоном. В статье будет описываться один из

методов обезвреживания озонирование, и как он может применяться для

перевода медицинских отходов из категории класса «Б» и «В» в класс «А».

В настоящее время озонирование применяется в озон-терапевтических

установках, водоочистных сооружениях, очищении злаков от вредителей и

др. Все эти технологии основаны на действии активной формы кислорода на

свободные радикалы. Впервые в 1891 году Охмюллер на основе

практических исследований показал, что озоном можно уничтожать бактерии

тифа и холеры. Механизм воздействия окислителя состоит в разрушении

бактерий путем инактивации бактериальных протеинов, т. е. диффузией

через мембрану клетки в цитоплазму с поражением жизненных центров.

«Благодаря высокому окислительному потенциалу (2,076 в) озон обладает

более сильным бактерицидным действием, чем хлор (1,36 в). Озон действует

на бактерии быстрее хлора и расход его значительно меньше» [4].

Медицинские отходы чаще всего загрязнены кровью и/или другими

биологическими жидкостями (отделяемое из раны, носа, ушей, мокрота и

проч.).

Зачастую именно наличие на поверхности биологических жидкостей

является фактором опасности. В связи с этим отходы делятся на классы:

57

I/IT А Р К Т И К А W 1 / 2 0 1 6 Бврш R.B., Шумилова й.й.

□зонирование зараженный биоматериалов с целью перевода их из категории класса «Б» и «В» в класс «А»

- «Класс А» - эпидемиологически безопасные отходы,

приближенные по составу к твердым бытовым отходам (далее - ТБО);

- «Класс Б» - эпидемиологически опасные отходы;

- «Класс В» чрезвычайно эпидемиологически опасные отходы;

- «Класс Г» - токсикологически опасные отходы 1-4 классов

опасности;

- «Класс Д» - радиоактивные отходы» [5].

Озон не способен справиться с токсикологически опасными и

радиоактивными отходами, а вот уничтожить бактерии или обезвредить

биологические жидкости ему не составит труда. Таким образом, можно

сделать безопасными отходы медицинских организаций класса «Б» и «В» [3].

Перед тем, как провести обезвреживание, нужно транспортировать

отходы. В соответствии с СанПиНом 2.1.7.2790-10 система сбора,

временного хранения и транспортирования медицинских отходов должна

включать следующие этапы:

- сбор отходов внутри организаций;

- перемещение отходов из подразделений и их временное хранение

на территории организации;

- обеззараживание/обезвреживание;

- транспортирование отходов с территории организации; захоронение

или уничтожение медицинских отходов.

Так же, в соответствии с СанПиНом 2.1.7.2790-10, медицинские отходы

должны быть не только обезврежены, но и деструктурированы, т.е.

перемолоты. Эта процедура направлена на устранение механических травм,

которые могут причинить острые предметы медицинского обихода

(например, иглы и катетеры).

Данные мероприятия проводятся с целью предотвращения попадания

зараженных отходов в окружающую среду. Конечно, это достаточно долгий,

затратный, сложный процесс. Цель проекта - упростить эти процедуры.

58

IT R R C T IC R W 1 / 2 0 1 6

Аппаратно-программный комплекс

С точки зрения размещения оборудования, комплекс выглядит

следующим образом столешница по типу рабочего стола с установленными

колесами для транспортировки, подключенная к системе холодного

водоснабжения и канализации (слива).

База комплекса будет выполнена, в основном, из металлических

конструкций, ввиду необходимости жесткой и безопасной фиксации деталей.

Другая часть комплекса будет выполнена из пластика, стекла и оргстекла, в

тех местах, где это возможно, с целью уменьшения веса конструкции и

сложности изготовления.

С точки зрения конструкции разрабатываемый аппаратно

программный комплекс представляет собой комплекс устройств, состоящий

из нескольких блоков, которые выполняют следующие процедуры: подача

воды в камеру озонирования —► озонирование зараженных биоматериалов,

загруженных в блок размещения —► слив отработанной воды —► перегрузка

обеззараженных материалов в камеру деструкции, механическим способом

деструкция материалов путем механического «перемалывания».

Рис. 1. Схема основных блоков разрабатываемого устройства

59



Работа устройства напоминает действие конвейера:

1. Зараженные биоматериалы загружаются в блок размещения,

который представляет собой металлический бак, в крышку которого

вмонтирован озонатор.

2. Крышка бака опускается, герметично закрывая бак, и начинается

заполнение бака водой при помощи блока подачи и слива холодной воды.

Озонирование производится в воде в целях безопасности. Ни для кого не

секрет, что озон очень легко воспламеняется, и малейшая искра может стать

причиной взрыва установки. В воде вероятность возникновения искры

значительно снижается. Когда бак заполнится, срабатывают датчики

заполнения (контроль герметичности будет осуществляться на программном

уровне, путем взаимодействия с контактным датчиком примыкания, по типу

контроля закрытия двери), и подача воды прекращается.

3. Озонатор включается и обрабатывает содержимое бака.

4. Происходит сброс воды при помощи блока подачи и слива

холодной воды.

5. Обработанные биоматериалы перемещаются в камеру деструкции,

где происходит их перемалывание.

6. Обеззараженные и деструктурированные материалы покидают

устройство.

Весь процесс контролирует оператор, который сидит за сенсорной

панелью управления. Перемещение биоматериалов из камеры в камеру пока

механическое, но планируется автоматизировать этот процесс.

Необходимая мощность озонатора (концентрация озона в воде и

длительность обработки) будет установлена экспериментально, в ходе

стендовых испытаний. «Озон получают с помощью «тихого разряда» -

электрического разряда без искр» [2]. Исходя из этого, стендовый озонатор

будет изготовлен по следующей схеме:

60

IT R R C T IC R W 1 / 2 0 1 6

Рис. 2. Схема элементов стендового озонатора

По завершении экспериментов стендовый озонатор будет вмонтирован

в рабочий прототип.

В ходе испытаний зараженные биоматериалы будут обрабатываться

озонатором, после чего их транспортируют в лабораторию Роспотребнадзора.

Если в ходе экспертизы будет установлено, что биоматериалы обезврежены,

значит, мощности озонатора достаточно, чтобы провести их обработку.

Таким образом, будут установлены необходимые параметры установки,

которые разместятся в модуле управления.

Работа устройства будет контролироваться на программном уровне. В

случае поломки озонатора сработает система оповещения, и будут проведены

соответствующие корректировки.

Экономическое значение устройства

Обезвреженные и деструктурированные материалы могут быть

вторично использованы. Такая перспектива открывает прекрасные

возможности не только для сохранения окружающей среды, но и для

оптимизации экономики. Требуется создание новых методик или

модернизация имеющихся. Разрабатываемая установка объединяет в себе

опыт озонирования и перспективу использования озона для обезвреживания

медицинских отходов. «На сегодняшний день количество образующихся

61



отходов в медицинских организациях составляет 2% от общего объема

твердых бытовых отходов (ТБО)» [1]. Несмотря на кажущуюся скромность

показателей, медицинские отходы занимают немалую долю ТБО. Перевод

отходов из класса «Б» и «В» в класс «А» позволит снизить риск образования

большего количества ТБО, так как предоставит возможность для их

переработки.

Разработанные системы обезвреживания медицинских отходов в

России в настоящее время в практическом исполнении не совершенны.

Примером тому может служить мусоросжигательный завод. Поскольку

хранить зараженные биоматериалы запрещено, а количество их постоянно

растет, требуется избавляться от них. К недостаткам мусоросжигательного

завода можно отнести его высокую экономическую себестоимость

(строительство, проведение коммуникаций), фактор загрязнения

окружающей среды, временные затраты. Обезвреживание материалов путем

озонирования намного дешевле, быстрее и качественнее.

Таблица 1. Классификация опасности отходов

Класс опасности Описание класса опасности

Класс А

(эпидемиологически

безопасные отходы, по

составу приближенные к

ТБО)

Отходы, не имеющие контакта с биологическими

жидкостями пациентов, инфекционными

больными.

Канцелярские принадлежности, упаковка,

мебель, инвентарь, потерявшие потребительские

свойства. Смет от уборки территории и так далее.

Пищевые отходы центральных пищеблоков, а

также всех подразделений организации,

осуществляющей медицинскую и/или

фармацевтическую деятельность, кроме

инфекционных, в том числе фтизиатрических.

Класс Б

(эпидемиологически

Инфицированные и потенциально

инфицированные отходы. Материалы и

62

IT R R C T IC R W 1 / 2 0 1 6

опасные отходы) инструменты, предметы, загрязненные кровью

и/или другими биологическими жидкостями.

Патологоанатомические отходы. Органические

операционные отходы (органы, ткани и так

далее).

Пищевые отходы из инфекционных отделений.

Отходы из микробиологических, клинико

диагностических лабораторий,

фармацевтических, иммунобиологических

производств, работающих с микроорганизмами

3-4 групп патогенности. Биологические отходы

вивариев.

Живые вакцины, непригодные к использованию.

Класс В

(чрезвычайно

эпидемиологически

опасные отходы)

Материалы, контактировавшие с больными

инфекционными болезнями, которые могут

привести к возникновению чрезвычайных

ситуаций в области санитарно

эпидемиологического благополучия населения и

требуют проведения мероприятий по санитарной

охране территории.

Отходы лабораторий, фармацевтических и

иммунобиологических производств, работающих

с микроорганизмами 1-2 групп патогенности.

Отходы лечебно-диагностических подразделений

фтизиатрических стационаров (диспансеров),

загрязненные мокротой пациентов, отходы

микробиологических лабораторий,

осуществляющих работы с возбудителями

туберкулеза.

63

I/IT RPKTI/IKR W 1 / 2 0 1 6 Берш R.B., Шумилова A.A.

Озонирование зараженных биоматериалов о целью перевода их из категории класса «В» и «В» в класс «А»

Класс Г

(токсикологически

опасные отходы)

Лекарственные (в том числе цитостатики),

диагностические, дезинфицирующие средства, не

подлежащие использованию.

Ртутьсодержащие предметы, приборы и

оборудование. Отходы сырья и продукции

фармацевтических производств.

Отходы от эксплуатации оборудования,

транспорта, систем освещения и другие.

Класс Д

Радиоактивные отходы

Все виды отходов, в любом агрегатном

состоянии, в которых содержание радионуклидов

превышает допустимые уровни, установленные

нормами радиационной безопасности.

64

IT R R C T IC R W 1 / 2 0 1 6

Список литературы1. Базельская конвенция о контроле за трансграничной перевозкой

опасных отходов и их удалением. [Текст] // Chatelaine: International Environment House, 2011. - 138 с.

2. Иванова М.А., Кононова М.А. Химический демонстрационный эксперимент. Учеб. пособие для хим. спец. Вузов: 2-е изд., перераб. и доп. [Текст] / Под ред. С. А. Щукарева. - Москва: Высш. шк., 1984. - 208 с.

3. Кульский JI.A. Теоретические основы и технологии кондиционирования воды (процессы и аппараты). [Текст] / Киев: Наукова Думка, 1971.

4. Орлов В. А. Озонирование воды. [Текст] / Москва: Стройиздат, 1984.-88 с.

5. СанПиН 2.1.7.2790-10. Санитарно-эпидемиологические требования к обращению с медицинскими отходами: утв. Постановлением Гл. гос. санитар. Врача Рос. Федерации от 09.12.2010 № 163. [Текст] / Санкт- Петербург: ЦОТПБСППО, 2014. - 32 с.

References1. Basel Convention on the Control of Transboundary Movements of

Hazardous Wastes and their Disposal. [Text] / Chatelaine : International Environment House, 2011. - 138 p.

2. Ivanov M.A., Kononov M.A. Chemical demonstration experiment. Proc.A manual for the chemical specialist Universities: 2 nd ed., Revised, and ext. [Text] / Ed. S. A. Schukareva. - Moskov: High School, 1984. - 208 p.

3. Kulskyi L.A. Theoretical Foundations and water conditioning technology (Processes and devices). [Text] / Kiev: Naukova Dumka, 1971.

4. Orlov V.A. Ozonation of water. [Text] / Moskov: Stroyizdat, 1984. -88p.

5. SanPiN 2.1.7.2790-10. Sanitary requirements for the treatment of medical waste sanitary regulations: regulatory and technical material. [Text] / Saint Petersburg: TSOTPBSPPO, 2014. - 32 p.

65

I/IT А Р К Т И К А W 1 / 2 0 1 6

Прикладные информационные системы и технологииУДК: 608.3; 519.673

Берш Алексей Васильевич

генеральный директор общества с ограниченной ответственностью

«СТАЛКЕР КОММУНИКАЦИОННАЯ ГРУППА»;

руководитель совместной научно-технической лаборатории «СТАЛКЕР»

(ООО «СТАЛКЕР» и Федеральное государственное бюджетное

образовательное учреждение высшего образования

«СыктГУ им. Питирима Сорокина»)

Мельников Вадим Андреевич

студент, Институт точных наук и информационных технологий

ФГБОУ ВО «СыктГУ им. Питирима Сорокина»

Алгоритм для раскроя двумерного материала

Данная статья посвящена вопросам резки материала на заготовки

неправильной формы в двумерном пространстве. В статье рассмотрены

основные вопросы, связанные с представлением геометрической

информации, методами отыскания оптимальной раскройной

последовательности и оптимизацией алгоритма.

Ключевые слова: раскрой, генетические алгоритмы, двумерное

пространство.

Bersh Alexey Vasilyevich

CEO of Stalker communication group, LTD.

Head of the scientific and technical laboratory «STALKER»,

Federal State Budget Educational Institution of Higher Education


Melnikov Vadim Andreevich

student, Institute of Exact Sciences and Information Technology

FSBEI HE "Pitirim Sorokin Syktyvkar State University"

66

IT R R C T IC R W 1 / 2 0 1 6

Algorithm for the two-dimensional material cutting

This article deals with issues of cutting the material on irregularly shaped

workpiece in two dimensions. The article discusses the main issues related to the

representation of geometric information, methods for finding optimal cutting

sequence and optimization algorithm.

Keywords: cutting, genetic algorithms, a two-dimensional space.

Эффективное расходование сырья - актуальная и сложная задача,

которая составляет проблему промышленного производства, при

промышленном раскрое различных материалов типа листов металла, стекла

или дерева, трубы, профильного проката, изделия сложной формы. Для

решения такой задачи необходимо достичь максимально выгодного

использования материала, из которого вырезаются заготовки, что по сути и

является рациональным раскроем материала, т.е. таким раскроем, при

котором достигается наименьшее количество бесполезных отходов

(остатков). Эффективное использование сырьевого материала прямо

пропорционально влияет на экономическую эффективность.

На самом деле, задача раскроя является NP-полной даже для

прямоугольников. Для фигур неправильной формы геометрическая

сложность увеличивает количество совершаемых вычислений, поэтому

применяются различные эвристические методы решения задачи.

Прежде чем приступать к рассмотрению алгоритмов решения задачи

раскроя, следует рассмотреть характеристики, влияющие на то, как будет

выглядеть итоговый алгоритм решения. В статье Harald Dyckhoff приводит

достаточно полное описание характеристик задач раскроя [1]:

• как в легкой так и в тяжёлой промышленности производители

сталкиваются с задачей рационализации расхода материла;

• данная проблема возникает у всех производителей, вырезающих

детали из любого плоского материала, будь то ткань или металл;

67

I/IT А Р К Т И К А W 1 / 2 0 1 6 Бврш R.B., Мельников В.й.


• проблема возникает при подготовках плана раскроя - сложно

отыскать оптимальное расположение фигур относительно друг друга в

двумерном пространстве, нельзя говорить о сходимости к конкретному

решению;

• зачастую проблема решается использованием раскроя с

аппроксимацией фигур прямоугольниками.

Пример: соотношение потерь в денежном (руб.) и количественном

(квадратные метры) выражении при фигурной резке стекла на предприятии

ООО «Белые окна», полученное по результатам применения ПО «Раскрой».

СООТНОШЕНИЕ ПОТЕРЬ ПРИ РЕЗКЕ СТЕКЛА2 365 200р.Потери при

I раскрое24%

7 8 8 4 0 0 р .

>ой/порча

8%6 7 9 0 9 5 0 р

Готовые

Рис.1. Соотношение потерь при резке стекла (руб.).

С О О Т Н О Ш Е Н И Е П О Т Е Р Ь П Р И Р Е З К Е С Т Е К Л А

(М2)

Ь о й /п о р ч а ,

1177,34 :8%

Рис.2. Соотношение потерь при резке стекла (М ).

68

IT R R C T IC R W 1 / 2 0 1 6

Основная характеристика раскроя — количество измерений:

• раскрой в одномерном пространстве;

• раскрой в двумерном пространстве;

• раскрой в трёхмерном пространстве.

Например, загрузка поддонов является задачей в двумерном

пространстве. В отличие от задач в двух и более измерениях, задача в

одномерном пространстве имеет явное решение. Достаточно подробно

данная задача описывается в книге Канторовича-Залгаллера -

«Рациональный раскрой промышленных материалов» [2]. Так же в данной

книге можно найти методы решения задач двумерного раскроя для случая

прямоугольных заготовок.

К другим основным характеристикам «раскроя» относятся:

количественные характеристики, геометрические характеристики и

характеристики по ограничениям на результат.

Прежде чем переходить к алгоритмам, применяемым для решения задачи

раскроя, следует рассмотреть математическую постановку задачи. Задача ставится

по аналогии с задачей раскроя в одномерном пространстве [3].

Имеется сырьё площади 5, на котором необходимо расставить

заготовки М различных типов. Площади заготовок задаются вектором s[M], а

количество заготовок каждого типа задаётся вектором b [М].

Пусть матрица А [М, N] - целочисленная матрица всех потенциально

возможных способов раскроя одной единицы сырья, |iV| = п - число таких

способов. Потенциально возможный способ раскроя - столбец матрицы

A[M,j], j 6 1: N, удовлетворяющий условию:

s[M] • A[M,j] < S. (1)

Пусть x[M] - искомый вектор, являющийся некоторым столбцом

матрицы А. Тогда задача минимизации суммарных отходов сырья запишите я

следующим образом:

69

I/IT А Р К Т И К А W 1 / 2 0 1 6 Бврш R.B., Мельников В.й.


rf = S — хт[М] • s[M] -> m i n

х[М\ < Ъ[М]S — хт[М] • s[M] > О

х[М] > О[М]

Важной особенностью задачи раскроя в двумерном пространстве

является то, что не каждый столбец матрицы А удовлетворяющий заданным

условиям является реальным решением. Данный факт объясняется

произвольностью форм заготовок, поэтому нельзя однозначно утверждать,

что если заданные условия выполнены для некоторой последовательности, то

эта последовательность является решением.

Из сказанного выше следует нелинейность задачи и то, что решение

задачи может быть не только на границе многогранника, заданного

условиями. Таким образом, необходимо отыскивать последовательность с

помощью некоторого «оптимизированного» перебора. Также заданные

условия никак не определяют координаты расстановки заготовок на единице

сырья. Методы для решения данных проблем и будут реализованы в

разрабатываемом отечественном программном обеспечении «раскроя»

материалов.

• Данный продукт реализует решение задачи с помощью

генетических алгоритмов.

• Предполагается уменьшение отходов при внедрении продукта до

21,3%.

• Г енетический алгоритм гарантированно находит некоторое

решение, предположительно являющееся оптимальным - некоторая

последовательность фигур.

• Представления фигур: аппроксимация полигоном, растром, true

shape.

• В настоящий момент подготовлен «пакет документов» для

патентования инновационного решения.

70

IT R R C T IC R W 1 / 2 0 1 6

• Внедрение продукта не предполагает изменения технологии

производства, так как является лишь математическим решением задачи

подготовки плана раскроя. Сам технический план не затрагивается.

Рис.З. Пример работы ПО «РАСКРОЙ»: 63 фигуры за 2,4 минуты.

При использовании программы «раскроя» потери (отходы) при раскрое

материала составляют в среднем 2,7%, что на 21,3% меньше, чем потери при

резке материала без использования программы «раскроя».

Финансовая выгода от использования программы «раскроя» на

примере резки стекла составляет 2 096 454 рублей.

С О О Т Н О Ш Е Н И Е З А Т Р А Т П Р И И С П О Л Ь З О В А Н И И

П Р О Г Р А М М Ы " Р А С К Р О Я "

1 0 0 0 0 0 0 0 р .

8 0 0 0 0 0 0 р .

6 0 0 0 0 0 0 р .

4 0 0 0 0 0 0 р .

2 0 0 0 000 р .

Ор.

Потери при раскрое Ь ой/порчз Готово® изделия

■ без использования про) раммы раскроя

■ При использовании програм м ы раскроя

Рис.4. Соотношение затрат при использовании программы «раскроя».

71

I/IT R P K T I/ IK R W 1 / 2 0 1 6 Берш R.B., Мельников B.A.Алгоритм для раскроя двумерного материала

Примечание: расчёт составлен по результатам фигурной резки стекла

на предприятии ООО «Белые окна» с применением ПО «Раскрой».

Потенциальными клиентами разрабатываемого программного

обеспечения являются предприятия, занятые в отраслях машиностроения,

бумажной, деревообрабатывающей, сталепрокатной, стекольной,

кожевенной, текстильной промышленности, стремящиеся к оптимизации

производства путём снижения затрат через уменьшение отходов.

К конкурентным преимуществам разрабатываемого программного

обеспечения можно отнести:

• является самостоятельным программным обеспечением;

• кроссплатформенность, позволяющая интегрировать ПО

непосредственно в станки с ЧПУ;

• возможность регулировать соотношение скорость-качество;

• низкие требования к аппаратным ресурсам.

72

IT R R C T IC R W 1 / 2 0 1 6


1. Dyckhoff H. A typology of cutting and packing problems. [Text] /

European Journal of Operational Research. - 1990. - № 44. - P. 150—152.

2. Залгаллер В.А., Канторович JI.В. Рациональный раскрой

промышленных материалов. [Текст] / Новосибирск: Наука. - 1971. - 299 с.

3. Никитенков, В.Л., Холопов А.В. Задачи линейного

программирования и методы их решения. [Текст] / Сыктывкар: СыктГУ. -

2008. - 143 с.

References

1. Dyckhoff Н. A typology of cutting and packing problems. [Text] /

European Journal of Operational Research. - 1990. - № 44. - P. 150—152.

2. Zalgaller V. A., Kantorovich L.V. Rational cutting of industrial

materials. [Text] / Novosibirsk: Nauka. - 1971. - 299 p.

3. Nikitenkov V.L., Holopov A.V. Linear programming problems and

recommended solutions. [Text] / Syktyvkar: Sykt.state University. - 2008. - 143 p.

73

I/IT А Р К Т И К А W 1 / 2 0 1 6

Информационное общество и электронное правительствоУДК 005

Жиляев Дмитрий Витальевичконсультант управления методологии развития электронного правительства

Республики Коми, Государственное автономное учреждение Республики Коми «Центр информационных технологий» (ГАУ РК «ЦИТ»)

Методологическая деятельность в построении электронного правительства Республики Коми

В статье рассматривается методологическая деятельность в рамках построения электронного правительства Республики Коми, описывается роль методологии в разработке концептуальных идей создания республиканской ИТ-архитектуры, освещается вклад методологов в конкретные проекты по информатизации Республики Коми.

Ключевые слова: методология, электронное правительство,

информатизация, государственные услуги, компьютерные информационные

технологии.

Zhilyaev Dmitriy VitalevichConsultant of The Komi Republic E-government development methodology department, Komi state autonomous establishment «Centre for information

technologies»

Methodological practice in creation of the e-government of the Komi RepublicThe article deals with methodological activities under the creation of the

e-government of the Komi Republic, describes the role of methodology in the development of conceptual ideas of creating republican IT architecture, highlights the contribution of methodology in specific projects in the Komi of the informatization.

Keywords: methodology, e-government, informatization, public services,

information and computer technology.

74

IT R R C T IC R W 1 / 2 0 1 6

Любой гражданин государства любит жить в комфорте, получать свои

причитающиеся от государства дивиденды. Для него важно, чтобы его права

и льготы соблюдались в полном объеме. И мы все, как граждане, хотим

иметь возможность без особых проблем заказать и получить любую из

предусмотренных для нас государственных услуг, по возможности, не

выходя из дома. Мы хотим, чтобы уровень нашего обслуживания со стороны

государства совершенствовался, чтобы каждый из нас был на особом счету, и

чтобы скорость ответной реакции на наши запросы увеличивалась.

Именно в этом направлении сегодня развиваются механизмы

обслуживания граждан во всем мире, и, в частности, в Республике Коми. И

если сказать совсем просто, то электронное правительство - это не что иное,

как способ общения граждан и государства, при котором используются

самые современные информационные технологии для достижения таких

положительных эффектов, как:

- сокращение времени общения гражданина и

госслужащего/чиновника;

- минимизация трудозатрат на обработку запросов граждан и, как

следствие, повышение скорости социального обслуживания;

- достижение максимального комфорта для граждан при заказах

услуг и получении результатов (вплоть до того, чтобы получать услугу, не

вставая с дивана, и это не шутка).

Основным документом, определяющим стратегию по формированию

электронного, открытого и клиентоориентированного правительства, на

сегодняшний день является Г осударственная программа Российской

Федерации «Информационное общество (2011-2020 годы)» [1]. Ключевым

направлением программы стало повышение интеракции государственных

институтов, то есть обратной связи с организациями и гражданами, степени

интерактивности, участия в постановке и поиске решений отраслевых

проблем. Дополнительно стоит отметить, что на региональном уровне в

Республике Коми существует аналогичная государственная программа [2].

75

I/IT R P K T I / I K R W 1 / 2 0 1 6 Жиляев Д.В.


Можно дать несколько определений электронного правительства.

Например, в Европейском союзе принято определение, что электронное

правительство - это применение в государственных структурах

информационно-телекоммуникационных технологий на фоне проведения

организационных реформ и формирования у государственных служащих

навыков, направленных на улучшение функционирования госструктур и

повышение уровня оказываемых ими услуг. Согласно определению,

принятому в ООН, электронное правительство - это такое правительство,

которое применяет информационно-телекоммуникационные технологии с

целью преобразования своих внутренних и внешних взаимоотношений.

Известная российская исследовательница И. Бачило определяет электронное

правительство как «форму организации деятельности органов

государственной власти, обеспечивающую за счет широкого применения

информационно-коммуникационных технологий качественно новый уровень

взаимодействия и исполнения их функциональных обязанностей,

оперативности и удобства получения организациями, гражданами и иными

физическими лицами государственных услуг и информации о деятельности

государственных органов» [3].

С одной стороны, необходимо понимать, что создание электронного

правительства не меняет саму суть существующих процессов

государственного обслуживания, которые уже заложены и закреплены

нормативно (например, функции и задачи органов государственной власти).

С другой стороны, на технологическом уровне изменяются методы

обработки запросов граждан, способы подачи заявлений на получение услуг,

расширяется перечень информационных и интерактивных сервисов,

доступных для граждан (ведь так удобно получать всю необходимую

информацию из сети «Интернет» прямо с домашнего компьютера,

обращаться в орган власти, не вставая со стула и т.д.).

В этом и кроется вся сложность и вся особенность построения

электронного правительства - разработать и внедрить информационные

76

IT R R C T IC R W 1 / 2 0 1 6

компьютерные технологии в деятельность государственного аппарата так,

чтобы не разрушить существующих норм и правил, но при этом улучшить их

функциональное исполнение. Чтобы гражданин мог получить всю социально

значимую информацию через сеть «Интернет», чтобы любую из услуг он мог

заказать не только в органе власти, ее предоставляющем, но и в центрах

«Мои Документы» (МФЦ) или с домашнего компьютера, чтобы он получал

на электронную почту уведомления об оказанных услугах и т.п.

Бездумное внедрение информационных технологий, так называемая

информатизация ради информатизации, практически с полной гарантией

приводит к полному краху ИТ-проектов. Когда процессы государственной

деятельности автоматизируются и компьютеризируются порознь, это не

способно никоим образом привести к достижению положительных эффектов,

перечисленных выше. В итоге создаются отдельные, не взаимодействующие

между собой, сегменты информационной среды государственного аппарата,

которые не то что не улучшают его функциональность, а создают

дополнительные проблемы для его работы и создают административные

барьеры. О каком, в таком случае, построении мощного востребованного

электронного правительства может идти речь!

Подобный стиль ИТ-архитектуры (логики, связывающей в одно целое

структуру государственного аппарата, архитектуру данных, прикладную и

техническую составляющие) справедливо назван «лоскутным одеялом» и

возник он исторически первым. Основной признак «лоскутного одеяла» - это

большая избыточность данных, их дублирование в различных системах и

приложениях («лоскутах»). При этом, механизмом интеграции данных

являются межличностные связи, что вполне может быть характерным для

бизнес-структур, но является нежелательным для государственного аппарата,

ведь любые проблемы с лояльностью и связями при такой ИТ-архитектуре

моментально сказываются на качестве обрабатываемых данных и,

соответственно, на качестве нашего с вами обслуживания.

77

I/IT А Р К Т И К А W 1 / 2 0 1 6 Жиляев Д.В.


Министерство массовых коммуникаций, информатизации и связи

Республики Коми - орган исполнительной власти, реализующий построение

электронного правительства в нашей республике, и его руководство с самого

начала понимало эти простые истины и фундаментальные основы

информатизации. Поэтому первоосновой начала всех процессов по

внедрению компьютерных информационных технологий являлась и является

их методологическая проработка, а попросту - грамотное и вдумчивое

исследование и серьезная аналитическая работа по разработке эффективной

ИТ-архитектуры электронного правительства, определению роли и способов

технической реализации его отдельных сегментов (информационных

систем).

Управлением методологии Министерства массовых коммуникаций,

информатизации и связи Республики Коми с самого зарождения

республиканской информатизации данный процесс всесторонне

сопровождался. За несколько лет плодотворной работы было сделано многое,

в результате чего Республика Коми сегодня является одним из лидеров среди

субъектов Российской Федерации по качеству воплощаемых идей, по

внедрению информационных технологий в жизнь общества в целом и

государственную деятельность в частности, что неоднократно было отмечено

победами на общероссийских конкурсах «ПРОФ-ИТ»:

- Системный проект на создание автоматизированной системы «Учет

и управление объектами государственной собственности Республики Коми и

муниципальной собственности (АСУС)» (I место на конкурсе «ПРОФ-ИТ»

2013 года в номинации «1Т в сфере обеспечения жизнедеятельности»);

- реализация проекта «Электронный ЗАГС» в Республике Коми - (II

место на конкурсе «ПРОФ-ИТ» 2013 года в номинации «1Т в сфере

регистрации прав: Информационные системы»);

- Системный проект «Информатизация здравоохранения Республики

Коми на период 2011-2020 годы» (II место на конкурсе «ПРОФ-ИТ» 2013

78

IT R R C T IC R W 1 / 2 0 1 6

года в номинации «IT в социальной сфере. Концепции и методические

разработки»);

- Единая автоматизированная информационно-аналитическая

система обеспечения деятельности органов власти Республики Коми (ЕИАС)

(I место на конкурсе «ПРОФ-ИТ» 2014 года в номинации «Системы для

внутренней автоматизации: системы сбора, анализа и предоставления

данных»);

- Информационно-аналитическая система прогнозирования,

мониторинга лесопожарной обстановки и ликвидации лесных пожаров в

Республике Коми (ИАС «Лесные пожары РК») (I место на конкурсе «ПРОФ

ИТ» 2014 года в номинации «1Т в безопасности жизнедеятельности»).

Но с чего же нужно было начинать этот глобальный процесс? Такой

вопрос и такая задача стояли перед первым составом методологов. Тогда еще

не было частных задач по встраиванию новых компьютерных решений в

существующую рабочую схему, тогда не было и самой схемы. Необходимы

были концептуальные (основополагающие) идеи по построению

электронного правительства, нужно было разработать единые стандарты и

подходы, чтобы в дальнейшем не получить разрозненные и несшиваемые

«лоскуты» информационно-компьютерной среды. При недостаточной

проработке данного вопроса Республика Коми могла получить

дополнительные проблемы и расходы в процессе создания и дальнейшей

эксплуатации единой инфраструктуры электронного правительства,

недовольство со стороны населения и работников госсектора.

В первую очередь методологами были разработаны нормативные акты,

которые закрепляли понятия и правовые положения, применяемые в

процессе информатизации, среди которых Закон Республики Коми «О

государственных информационных системах Республики Коми» [4],

Постановление Правительства Республики Коми «Об утверждении

Положения о регистрации и учете государственных информационных систем

Республики Коми» [5] и т.д. Это тот базис, на котором все строится, который

79



регулирует первоосновы. Здесь методологи с ювелирной точностью

определили понятия, которые работаю и по сей день, на которые опирается

весь процесс информатизации.

Однако все технические аспекты и технологические детали будущего

процесса невозможно заложить в законы. Для этого нужны документы

стратегического плана - концепции, политики, методические рекомендации и

т.д. Разработка таких документов требует большого труда, ведь необходимо

учесть все современные подходы в сфере информационных технологий,

особенности государственного аппарата Республики Коми, продумать все

шаги и этапы становления электронного правительства, его внедрение в

жизнь общества и деятельность госслужащих. Процесс информатизации

многоэтапный, поэтому необходимо чётко понимать ЧТО, ДЛЯ ЧЕГО, КАК

и В КАКОЙ ПОСЛЕДОВАТЕЛЬНОСТИ делать.

Первые редакции основных документов, на которые опираются при

информатизации сегодня, были подготовлены и утверждены (кстати, тоже

нормативными документами) еще несколько лет назад. Это и Концепция

региональной информатизации [6], и Техническая политика Республики

Коми в области информатизации, и отраслевые концепции информатизации,

и ряд других документов. Все они описывают подходы и методы в

отношении внедрения компьютерных технологий, при этом опираются на

уже существующий компьютерный парк и технические решения региона с

одной стороны и на самые последние достижения в области

информационных технологий с другой.

Если же вернуться к стилям ИТ-архитектуры, то можно отметить, что

ввиду разнообразия существующих и возможных к существованию в

недалёком будущем задач в государственном секторе (диагностика в

телемедицине, оперативное управление объектами большой сложности,

коллективный анализ данных очень больших объемов и пр.) стиль

выстраиваемой ИТ-архитектуры не является строгим, он комбинированный.

Все дело в том, что у каждого из основных существующих на настоящее

80

IT R R C T IC R W 1 / 2 0 1 6

время стилей есть свои слабые и сильные стороны (кстати, в следующем

номере журнала будут подробно рассмотрены три основных стиля ИТ-

архитектуры), и при использовании какого-либо одного стиля многие задачи

могут быть решены неэффективно. И данный нюанс, конечно, был учтен при

методологических изысканиях.

Однако задача методологов не исчерпывается созданием обозначенных

выше стратегических документов. Компьютерные стандарты, технологии и

модели постоянно совершенствуются, меняется нормативное регулирование

в сфере компьютерных технологий, достигаются ранее поставленные в

рамках создания электронного правительства цели. Как итог, необходим

постоянный анализ и контроль ситуации, выпуск новых стратегических

документов и актуализация старых. Это еще одна из наисложнейших задач,

стоящих перед методологами Министерства массовых коммуникаций,

информатизации и связи Республики Коми.

Все вышеуказанное это совершенно необходимый фундамент, базис

идей, знаний и стандартов для дальнейших действий.

В то же время простой обыватель совсем не в курсе того, существуют

ли какие-либо стандарты информатизации, регулируется ли она

законодательно. По большому счету, ему это неинтересно и никак не влияет

напрямую на его жизнь. Гражданин хочет видеть результат информатизации,

«пощупать» его руками, воспользоваться новыми возможностями и остаться

при этом довольным.

Создание конкретных информационных систем и «компьютерных

помощников» для обработки запросов и обращений граждан основывается на

заложенных методологами стандартах, но участвуют ли сами методологи в

создании технических решений, в их развитии и внедрении? Безусловно.

Ведь разработанные и закрепленные стандарты необходимо грамотно

применить на практике при проектировании отдельных сегментов и областей

информационной инфраструктуры, при связывании их между собой для

создания единой быстродействующей среды. Кроме того, необходимо

81



понять, как со своей стороны автоматизируемый процесс видят работники

государственного сектора, какого уровня обслуживания ожидает гражданин.

Ведь чтобы программисты могли разработать продукт, применение которого

позволит удовлетворить потребности простого гражданина и который

окажется незаменим в деятельности чиновника, необходимо собрать

множество требований и пожеланий, перевести их на язык «технарей», и

только тогда будет возможным начать работу по воплощению задуманного.

В то же время, на всех стадиях разработки и внедрения новых

компьютерных продуктов в схему электронного правительства, их

интеграции с существующими механизмами, процесс необходимо

контролировать, отслеживать, чтобы не было отклонений от задуманного.

При этом также проводится анализ на соответствие выработанным и

закрепленным стандартам, выявленным потребностям граждан и

госслужащих, на совместимость с уже используемыми технологиями. И все

это снова работа методологов.

Таким образом, методология информатизации в Республике Коми

процесс многоуровневый и крайне разносторонний, включающий в себя как

анализ федерального и регионального законодательства и разработку

стратегических документов и стандартов, так и создание технических

заданий, сопровождение процессов построения и развития электронного

правительства. От общего к частному. А методолог - «боец широкого

профиля», понимающий как основы основ информатизации, так и специфику

конкретных задач и технологию построения соответствующих решений.

Для того чтобы у гражданина появилась волшебная кнопка «Получить

услугу прямо с дивана» и были удовлетворены все его потребности в

социальном обслуживании, чтобы чиновник мог помочь гражданину в

течение всего пяти минут, чтобы работал весь механизм электронного

правительства, обеспечивающий это, необходимо поэтапно и вдумчиво

пройти долгий путь от разработки применяемых основ и стандартов до

внедрения конкретных технических решений и продуктов.

82

IT R R C T IC R W 1 / 2 0 1 6

Таковы непростые интеллектуальные задачи, которые стоят перед

методологией и методологами Министерства массовых коммуникаций,

информатизации и связи Республики Коми, справляться с которыми

помогает симбиоз аналитического ума и способностей к творчеству. Именно

способностей к творчеству, ведь процессы в различных сферах жизни

общества обладают своей спецификой, и их «благоустройство» за счет

внедрения информационных технологий требует индивидуальных подходов

и новых, ранее не применяемых, идей.

Построение электронного правительства - процесс, растянутый во

времени. Да, возможно, однажды будут автоматизированы все сферы жизни

в Республике Коми, будут созданы для гражданина интерактивные

возможности на все случаи жизни, но все же технологии при этом будут

продолжать развиваться как сама жизнь. Всегда найдется направление по

улучшению и развитию созданных форм общения гражданина и государства.

Ведь сейчас мы на пути избавления от бумажной волокиты и необходимости

посещения гражданами ведомств при заказе услуг, и как знать, возможно,

через несколько лет не будет необходимости и в открытии Интернет-сайтов

госуслуг для удовлетворения своих социальных потребностей. Так или

иначе, головой процесса информатизации была, есть и останется

методология.

83

I/IT А Р К Т И К А W 1 / 2 0 1 6 Жишяев Д.В.



1. Государственная программа Российской Федерации

«Информационное общество (2011- 2020 годы). [Электронный ресурс]:

Постановление Правительства Российской Федерации от 15 апреля 2014 г. №

313. // СПС «КонсультантПлюс». URL:

littp://www.consultant.ru/cons/cgi/onlme.cgi?req=doc:base=LAW:n=l 81433.

2. О Государственной программе Республики Коми

«Информационное общество». [Электронный ресурс]: Постановление

Правительства Республики Коми от 28 сентября 2012 г. № 423. //

Администрация Главы Республики Коми. URL:

littp://adm.rkomi.ru/left/documents/info ob/post 423/.

3. Бачило, И. JI. Электронное правительство и инновации в области

государственных функций и государственных услуг. [Текст] / И. JI. Бачило //

Информационные ресурсы России. - 2010. - № 1. - С. 14.

4. О государственных информационных системах Республики Коми.

[Электронный ресурс]: Закон Республики Коми от 29 сентября 2010 г. № 94-

РЗ. // Республика Коми. Официальный портал. URL:

http: //rkomi. ru/content/4854/94 RZ. do с.

5. Об утверждении Положения о регистрации и учете

государственных информационных систем Республики Коми. [Электронный

ресурс]: Постановление Правительства Республики Коми от 27 мая 2011 г.

№231. // Республика Коми. Официальный портал. URL:

http://law.rkomi.ru/files/21/8105.pdf.

6. Об утверждении Концепции информатизации Республики Коми на

период с 2016 по 2020 годы. [Электронный ресурс]: Распоряжение

Правительства Республики Коми от 06 октября 2015 г. № 384-р. //

Консорциум Кодекс: электронный фонд правовой и нормативно-технической

документации. URL: http://docs.cntd.ru/document/432804353.

84

http://www.consultant.ru/cons/cgi/online.cgi?req=doc;base=LAW;n=181433

http://adm.rkomi.ru/left/documents/info_ob/post_423/

http://rkomi.ru/content/4854/94_RZ.doc

http://law.rkomi.ru/files/21/8105.pdf

http://docs.cntd.ru/document/432804353

IT R R C T IC R W 1 / 2 0 1 6

References

1. State program of the Russian Federation "Information society (2011 -

2020). [Electronic resource]: The Resolution Of The Government Grew.

Federation of 15.04.2014 № 313. // Consultant. URL:

http://www.consultant.ru/cons/cgi/online.cgi?req=doc;base=LAW;n=l 81433.

2. On the State program of the Republic of Komi "Information society".

[Electronic resource]: The Government Resp. Komi from 28.09.2012 № 423. //

Administration of the Head of the Komi Republic. URL:

http://adm.rkomi.ru/left/documents/info ob/post 423/.

3. Bachilo, I. L. E-government and innovation in the field of state functions

and public services. [Text] / I. L. Bachilo // Information resources of Russia. -

2010.-№ l . - P . 14.

4. On the state information system of the Komi Republic. [Electronic

resource]: Law, REP. Komi from 29.09.2010 No. 94-RZ. // The Komi Republic:

official, portal. URL: http://rkomi.ru/content/4854/94 RZ.doc.

5. On approval of the Regulations on the registration and recording of state

information systems of the Komi Republic. [Electronic resource]: The government

of Komi Republic dated 27.05.2011 No. 231. // Komi Republic: official, portal.

URL: http://law.rkomi.ru/files/21/8105.pdf.

6. On approval of the Concept of Informatization of the Republic of Komi

for the period from 2016 to 2020. [Electronic resource]: The Government of the

Republic of Komi from 06.10.2015 No. 384-R. // The Consortium Code: electron.

Fund legal and normative-technical documentation. URL:

http://docs.cntd.ru/document/432804353.

85

http://www.consultant.ru/cons/cgi/online.cgi?req=doc;base=LAW;n=181433

http://adm.rkomi.ru/left/documents/info_ob/post_423/

http://rkomi.ru/content/4854/94_RZ.doc

http://law.rkomi.ru/files/21/8105.pdf

http://docs.cntd.ru/document/432804353

I/IT А Р К Т И К А W 1 / 2 0 1 6

CONTENTS:

3 TO READERS

KEY TOPIC

4 Peshnina L. V., Mordanov A. V., Bashlacheva A.P.User identification by face geometry in controlling access to remote educational information resource

16 Vahrushev V. Y., Mordanov A. V., Malykh К. V.Information technology of personal identification by physical characteristics

Information protection in information systems

34 Bersh A. V., Kataev E.E.Hardware-software complex “Citadel”

Information technologies in medicine

46 Bersh A. V., Ismailov Z.B.Hardware-software complex of online monitoring the readings the cardiovascular system “The Doctor near”

56 Bersh A. V., Shumilova A.A.Infected biomaterials ozonation with the aim of transfer the category class “B” and “C” in the class “A”

Applied Information Systems and Technologies

66 Bersh A. V., Melnikov V.A.Algorithm for the two-dimensional material cutting

The information society and E-government

7 4 Zhilyaev D. VMethodological practice in creation of the e-government of the Komi Republic

86 CONTENTS

87 CONTACTS

88 EDITORIAL BOARD

86

IT R R C T IC R W 1 / 2 0 1 6

КО НТАКТЫ :

Адрес редакции:

167000, Республика Коми,

г. Сыктывкар, ул. Интернациональная, д. 108А.

Телефон: 8 (912) 142-95-31

Факс: (8212) 22-31-11

E-mail: [email protected] (секретарь редколлегии)

Официальный сайт: http://итарктика.рф/

http://itarctica.ru/

Главный редактор:

Громов Николай Алексеевич, д.ф.-м.н., профессор, заведующий

отделом математики Коми научного центра Уральского отделения

Российской академии наук

87

mailto:[email protected]

http://%d0%a0%d1%91%d0%a1%e2%80%9a%d0%a0%c2%b0%d0%a1%d0%82%d0%a0%d1%94%d0%a1%e2%80%9a%d0%a0%d1%91%d0%a0%d1%94%d0%a0%c2%b0.%d0%a1%d0%82%d0%a1%e2%80%9e/

http://itarctica.ru/

I/IT А Р К Т И К А W 1 / 2 0 1 6

СОСТАВ РЕДАКЦИОННОЙ КОЛЛЕГИИ

1. Главный редактор - Громов Николай Алексеевич, д.ф.-м.н., профессор,

заведующий отделом математики Коми научного центра Уральского

отделения Российской академии наук.

2. Заместитель главного редактора - Миронов Владимир Валерьевич, к.ф,-

м.н., руководитель департамента научной и проектно-инновационной

деятельности ФГБОУ ВО "СыктГУ им. Питирима Сорокина".

3. Секретарь редколлегии - Лавреш Иван Иванович, к.т.н., начальник отдела

организации научно-технической и образовательной деятельности

Государственного автономного учреждения Республики Коми "Центр

информационных технологий".

4. Асадуллин Фанур Фаритович, д.ф.-м.н., заведующий кафедрой физики

Сыктывкарского лесного института (филиала) ФГБОУ ВО "Санкт-

Петербургский государственный лесотехнический университет им. С.М.

Кирова".

5. Бабенко Виктор Васильевич, к.г.-м.н., доцент, заведующий кафедрой

информационных систем ФГБОУ ВО "СыктГУ им. Питирима Сорокина".

6. Беляев Дмитрий Анатольевич, к.э.н., доцент, директор ГПОУ

"Сыктывкарский гуманитарно-педагогический колледж им. И.А. Куратова",

президент некоммерческого партнерства "ИТ-Ассоциация Республики

Коми".

7. Богатырев Владимир Анатольевич, д.т.н., профессор, ФГАОУ ВО "Санкт-

петербургский национальный исследовательский университет

информационных технологий, механики и оптики" (Университет ИТМО),

почетный работник науки и техники Российской Федерации.

8. Ванин Александр Иванович, д.ф.-м.н., профессор ФГБОУ ВО

"Псковский государственный университет".

9. Г олубых Анастасия Николаевна, директор Г осударственного

автономного учреждения Республики Коми "Центр информационных

технологий".

88

IT R R C T IC R W 1 / 2 0 1 6

10. Кокорин Николай Викторович, заместитель директора ГАУ РК "ЦИТ" по

развитию.

11. Котов Леонид Нафанаилович, д.ф.-м.н., профессор, заведующий

кафедрой радиофизики и электроники ФГБОУ ВО "СыктГУ им. Питирима

Сорокина".

12. Ланских Юрий Владимирович, к.т.н., доцент ФГБОУ ВО "Вятский

государственный университет".

13. Носов Леонид Сергеевич, к.ф.-м.н., доцент, заведующий кафедрой

информационной безопасности ФГБОУ ВО "СыктГУ им. Питирима

Сорокина".

14. Пахучий Владимир Васильевич, д.с.х.н., профессор, заведующий

кафедрой лесного хозяйства Сыктывкарского лесного института (филиала)

ФГБОУ ВО "Санкт-Петербургский государственный лесотехнический

университет им. С.М. Кирова".

15. Полещиков Сергей Михайлович, д.ф.-м.н., профессор, заведующий

кафедрой математики Сыктывкарского лесного института (филиала) ФГБОУ

ВО "Санкт- Петербургский государственный лесотехнический университет

им. С.М. Кирова".

16. Уткин Лев Владимирович, д.т.н., профессор ФГАОУ ВО "Санкт-

Петербургский политехнический университет Петра Великого".

17. Шихвердиев Ариф Пирвели-Оглы., д.э.н., профессор, академик РАЕН,

заведующий кафедрой экономической теории и корпоративного управления

ФГБО ВО "СыктГУ им. Питирима Сорокина".

18. Ямпурин Николай Петрович, д.т.н., профессор, заведующий кафедрой

конструирования и технологии радиоэлектронных средств Арзамасского

политехнического института (филиала) ФГБОУ ВПО "Нижегородский

технический университет им. Р.Е. Алексеева".

89

ДЛЯ З А 1ЧЕТ0 К:I/IT А Р К Т И К А W 1 / 2 0 1 6

90

ДЛЯ З А 1ЧЕТ0К:IT flRCTICfl W 1 / 2 0 1 6

91

ДЛЯ З А 1ЧЕТ0 К:I/IT АРКТИКА W 1 / 2 0 1 6

92

И Т А Р К Т И К А . Р Ф

Ежеквартальный научно-технический журнал "ИТ АРКТИКА" (ИТ архитектура, коммуникации, технологии, информация,

комплексная автоматизация)

Вестник государственного автономного учреждения Республики Коми «Центр информационных технологий»

[Электронный ресурс] / государственное автономное учреждение Республики Коми «Центр информационных

технологий» - Электрон, вестник - Сыктывкар: ГАУ РК «ЦИТ»

Свидетельство о регистрации СМИ № ФС 77 - 68679.

Международное название: IT Arctica(IT architecture, communications, technologies, information,

comprehensive automation)

Краткое международное название: IT Arctica

i t a r c t i c a . r u

it rrcticritarctica.ru/sites/default/files/magazine-file-2018-07/%e2%84%961_2… · #1/2016...

Documents