Videovoo analüüs serveris

Videovoo analüüs IP-kaameral

1. Algoritm - megvii-000 alates Megvii, Hiina
   Hiina ettevõte Megvii oma põhitootega Face++. KõrvalKommersanti hinnangulEttevõtte käive ulatus umbes 100 miljoni dollarini.
2. Algoritmid: 2. koht - visionlabs-003, 7. koht - visionlabs-002, VisionLabs, Venemaa
3. Algoritmid: 3. koht - morpho-002, 17. koht - morpho-000. OT-Morpho, Prantsusmaa
   Edetabeli esimene raskekaallane ligi 3 miljardi euro suuruse käibega 2017. aastal. ühisettevõte Oberthur Technologies (OT) ja Safran Identity & Security (Morpho)
4. Algoritmid: 4. koht - ntechlab-003, 13. koht - ntechlab-002 alates NtechLab, Venemaa
   Moskva ettevõte, mis kogus kuulsust arendajanalahendusi pornonäitlejate leidmiseks .
   Sai investeeringuid RT - Business Development (Rosteci tütarettevõte) ja VB Partnersi fondilt. Investeeringu suurust ei avalikustata. Selle tulemusena sai Rosteci tütarettevõte 12,5% ettevõttest, VB Partnersi hallatav New Dimension Fund Variable Capital Investment Fund - 25% ettevõttest. NtechLab plaanib siseneda riiklikule turvaturule ja tugevdada arengut kommertssektoris.
5. Algoritm - cogent-000 alates Gemalto Cogent, USA
   Arendab kõiki biomeetrilisi lahendusi, keskendudes õiguskaitsele, piirikontrollile ja tsiviiltuvastamisele. Aastane ülemaailmne müük on umbes 205 miljonit dollarit.
6. Algoritm - vocord-002 alates Vocord, Venemaa
   Ettevõtte Vocord asutasid 1999. aastal MIPT-i lõpetanud Dmitri Zavarikin ja Aleksei Kadeišvili. SPARK-Interfaxi andmetel ulatusid ettevõtte 2014. aastal tulud 302 miljoni rublani, värskemaid andmeid selle kirjutamise hetkel veel hankida ei õnnestunud.
7. Algoritmid: - fdu-000, 9. koht - fdu-001. Fudani ülikool, Hiina
8. Algoritm - neurotehnoloogia-003. Neurotehnoloogia, Leedu
   Ettevõtte veebisaidilt saate lae alla tarkvara demoversioon PC ja Android nutitelefoni jaoks, SDK demoversioon. Ettevõttel on informatiivne YouTube'i kanal. Hinnad avaldatakse kodulehel. Ettevõte pakub ka oma pilveteenust. www.skybiometry.com
9. Algoritm on itmo-003. Peterburi riiklik infotehnoloogia, mehaanika ja optika ülikool, Venemaa
10. Algoritm - 3divi-001. Tridivi (3DiVi Inc.), Venemaa
11. Algoritm on yitu-000. Yitu Technologies, Hiina
    Yitu põhitoode on Dragonfly Eye näotuvastussüsteem, mida kasutavad riigi turvasüsteemid erinevates Hiina linnades. Esimese kolme kuu jooksul süsteemi kasutamisest Shanghais peeti Dragonfly Eye abil kinni 567 seaduserikkujat. Süsteem salvestab 1,8 miljardit fotot ning andmebaasis on fotod mitte ainult Hiina kodanikest, vaid ka kõigist riigipiiri ületavatest turistidest. Süsteemi kasutatakse ka massiüritustel: Qingdao õllefestivali ajal aitasid kaamerad kinni pidada 22 tagaotsitavat. kohalikud omavalitsusedaruanne edu kohta : ühes linnas aitas Yitu süsteem taskuvargusi vähendada 30%, teises - kahe aastaga lahendati 500 kuritegu. Mingil uskumatul moel aitas süsteem viis aastat pärast kuritegu isegi mõrva ohvrit kolju järgi tuvastada.
12. Algoritm - gorilla-000, Gorilla tehnoloogia, Taiwan
13. Algoritm – küberekstruuder-002, CyberExtruder, USA
14. Algoritm - tongyitrans-002,TongYi transporditehnoloogia, Hiina
15. Algoritm - yisheng-001,Zhuhai Yishengi elektroonikatehnoloogia, Hiina

Kokku: 5 esindajat Venemaalt, mis on hea uudis, 5 Hiinast, mis pole isegi üllatav.

Tegelikult on tuvastusalgoritmide tootjaid palju rohkem, MegaFace'i reitingust leiate palju neid, mis puuduvad. Kuid isegi kui teete ühe nimekirja, pole see ikkagi täielik. Peaaegu kõik IT-tööstuse hiiglased töötavad välja oma näotuvastusalgoritme - Facebook, Google (peab nende tuvastamissüsteemi kõige täpsemaks), Baidu, Microsoft, Yandex (testib draiveri autoriseerimist näo ja häälega), Vkontakte, Toshiba ja paljud teised .

Neid on isegi.

Kogu selle mitmekesisuse põhjal võime teha mõned lihtsad järeldused:

Konkurents sellel turul tiheneb ja selle tulemuseks on juba mitmekordne hinnaalandus. Näiteks 2017. aastal alandas Macroscop tuvastusmooduli hindu 18 korda, millest nad rõõmuga oma veebisaidil teatavad, justkui öeldes "suurt tere" kõigile oma klientidele, kellel oli õnn tuvastusmoodul enne 2017. aastat osta. .

On selge, et hinnad langevad jätkuvalt.Tuvastamisalgoritmide kvaliteedinäitajad kasvavad pidevalt ja paljudel juhtudel erinevad nad üksteisest veidi, hind erineb oluliselt, nagu näete allpool, jõudlus erineb veelgi oluliselt, loomulikult tuleb sellist parameetrit nagu jõudlus testida maksimaalse mahu andmebaas.

Samuti on hästi näha, et reitingutes pole praktiliselt ühtegi videovalvesüsteemide seadmete tootjat ning ilma videokaamerate ja salvestusseadmeteta on kogu see algoritmidega lugu lihtsalt mäng arvutis. Aga see, et neid seal pole, ei tähenda, et nad seda turgu ei näe ega mõista selle tähendust. Siin on näotuvastus Panasonicult, NEC-ilt, Amazonilt ja paljudelt teistelt. Üldiselt läheb see turg varsti väga kuumaks. Välja arvatud tarkvaralahendused(see on siis, kui tuvastamine toimub otse serveris), on ka olemas Eraldi Otsused on siis, kui lugejas äratundmine toimub.




Näotuvastustarkvara videovalvesüsteemidele

Näotuvastusalgoritmide efektiivsuse testimine on muidugi huvitav nagu iga võistlus, aga pigem rahvamajanduse saavutuste näitus. Tundub muljetavaldav, kuid kuidas seda täpselt kasutama hakata ja kui palju see maksma läheb, pole selge.Näotuvastuse algoritmide töö tulemus on vastavus või mittevastavus standardite alustele. Ja siis, sõltuvalt teie süsteemi eripärast, peaks toimuma eelprogrammeeritud toiming. Näiteks kui VIP-klient siseneb, saab tippjuht teie andmebaasist teatise kõigi kliendiandmetega.

Või vastupidi, kui mustast nimekirjast inimene siseneb, saavad teate valvurid. Või kui inimene mustast nimekirjast proovib kontrollpunktist läbi pääseda, blokeerib läbipääsusüsteem läbipääsu – see on näotuvastussüsteemi integreerimine läbipääsusüsteemiga.

Näotuvastussüsteemi toimimine reaalsetes tingimustes on tarkvara ja riistvara koostoime terve kompleks.Selliste interaktsioonide korraldamiseks on hunnik integreeritud platvorme, mis võimaldavad teil konfigureerida interaktsioone juurdepääsukontrollisüsteemide, videovalvesüsteemide, turvasüsteemide, tuleohutussüsteemide, CRM-süsteemide, ettevõtte juhtimissüsteemide ja paljude teistega.

Nii et kui teil pole kabet, aga võtate selle, on järgmised paar jaotist lihtsalt "peab olema".
Integratsiooniplatvormid on suur nimi, see kehtib erineval määral allpool loetletud arendajatele, seega tuleb näotuvastuslahendusi valides tutvuda kõigi tarkvara (platvormi) võimalustega. Arvestades nii ettevõtte hetkevajadusi kui ka arenguvõimalusi, nii näotuvastusalgoritmi kvalitatiivseid omadusi kui ka integreerimisvõimalusi.

Näotuvastustarkvara arendajad ja nende moodulite hinnad

ISS, Venemaa, tarkvara «SecurOS® Face»


Näohõivemooduli litsents - hind 41 275 rubla
Kanalile. Installitud näotuvastusserverisse või näo jäädvustamise serverisse

Näotuvastusmooduli litsents (andmebaasis kuni 1000 inimest) - hind 665 760 rubla.
Näotuvastusserverisse.



Näotuvastustarkvara serverid

Näotuvastus, nagu iga muu videoanalüüs, on protsessorimahukas ülesanne, nii et isegi väikese näotuvastussüsteemi kasutuselevõtuks vajate üsna võimsaid ja sugugi mitte odavaid servereid. Serveri omadused valitakse individuaalselt ja need sõltuvad paljudest teguritest - alates tuvastuskanalite arvust kuni võrdlusnägude andmebaasi hinnangulise suuruse ja videoarhiivi säilitamise kestuseni.

Näotuvastussüsteemide tarkvara serverid - hind alates 101 567 rubla
Serverite valik ei piirdu selles kataloogis esitatutega, enamasti komplekteerime serveri vastavalt teie vajadustele.




Parimad IP-kaamerad näotuvastuseks

Eespool arutasime tarkvara ja serverite üle, kuid süsteemi toimimiseks on vaja IP-kaameraid. Kaamerate kvaliteediomadustest sõltub see suuresti sellest, kui hästi süsteem näotuvastussüsteemiga töötab.

Näotuvastuse IP-kaamera valimisel soovitame pöörata tähelepanu järgmistele omadustele.

WDR (lai dünaamiline ulatus)
Hoolimata asjaolust, et hiljuti ilmusid 5000-rublase WDR-iga kaamerad, on selliste kaamerate pildikvaliteet palju halvem kui kõrgema hinnasegmendi kaameratel. Meie kogemuse parima WDR-iga kaamerad ei saa maksta alla 80 000 rubla.

Kaadrisagedus vähemalt 60 kaadrit sekundis
Mida suurem on kaadrisagedus sekundis, seda tõenäolisem on, et saate inimese näost kaamera suhtes parima orientatsiooniga pildi, mis mõjutab otseselt näotuvastuse kvaliteeti.

Varifokaalne objektiiv
Mida rohkem piksleid on inimese näol, seda suurem on pilt.

Testid on näidanud, et edukaks näotuvastuseks on vaja, et nägu oleks esindatud vähemalt 160 piksliga iga näoovaali kohta ning ideaaljuhul peaks silmade vahel olema vähemalt 50 pikslit. Olenemata sellest, kui hoolikalt te kaamera asukohta valite, tuleb nende väärtuste saavutamiseks see paljudest teguritest sõltuvalt oma kohale reguleerida. Selleks on vaja varifokaalset objektiivi.

Jälgimiskaamerad, millel on näotuvastuseks soovitatavad funktsioonid- hind alates 10 000 rubla

Nagu öeldakse, on teie valik. Kui ehitate tuvastussüsteemi nullist, peaksite mõtlema tõeliselt parimate testitud IP-kaamerate mudelite valimisele.


Üsna levinud ja odav funktsionaalsus, reeglina on see peamises näotuvastustarkvaras alati olemas, kuid seda saab ka eraldi osta. Kui te pole kunagi elus videovalvesüsteemide vastu huvi tundnud. Vaata sealsest videost võimalikult lühidalt, milles seisneb.


ITV, Venemaa, Tarkvara "Intellekt"
Otsige nägusid arhiivist (1 videokanali jaoks) - hind 6200 rubla

Trassir, Venemaa, Trassiri näootsingu tarkvara
Moodul konkreetse näo otsimiseks Trassiri näootsingu arhiivist - hind 36 990 rubla

Ühel või teisel kujul on see funktsioon enamikul arendajatel olemas, nii et me tõenäoliselt niigi lühikest artiklit ei venita.




Integreeritud näotuvastusalgoritmidega seadmete tootjad

Kui ülaltoodud jaotis tarkvaraarendajatega on reaalne, st. sinna on koondunud peamised otsused, mis näitavad hetkel maksimaalset efektiivsust. See osa räägib tulevikust, mis juba tuleb.

Esimesel juhul edastatakse kaamerast videovoog üle võrgu installitud tarkvaraga serverisse ja seal toimub näotuvastus, ühest IP-kaamerast voog on ligikaudu 5 Mbps ja see voog tuleb üle kanda. võrgu kaudu serverisse ja töödeldakse seal. Ühe kaamera puhul tundub kõik vastuvõetav, aga kui kaameraid on sadu, on see probleem, mis vajab eraldi lahendamist. Seda saavad lahendada peamiselt kümned andmetöötluse serverid, igasugune videoanalüütika on protsessorimahukas ülesanne. Nii et serverid on märkimisväärne kuluartikkel.

Palju tõhusam ära tunda seadme pardal, ja edastada juba töödeldud tulemused üle võrgu, mis vähendab võrgu ja serverite koormust suurusjärkude võrra.

Lisaks sellele, et sellised seadmed on juba olemas, näitavad need juba hämmastavat tõhusust ja kiirust. Jagaksin kogu varustuse kahte suurde rühma “Sisseehitatud näotuvastusega CCTV kaamerad” ja “Sisseehitatud näotuvastusega läbipääsusüsteemide seadmed”.


Sisseehitatud näotuvastusega valvekaamerad

Sisseehitatud näotuvastusalgoritmidega nutikad kaamerad on ühed kõige arenenumad selles valdkonnas. Need võimaldavad teil töödelda videovoogu otse kaameras endas ja saata töödeldud metaandmed serverisse. 2MP kaamera iDS-2CD8426G0/F-I kahe objektiiviga - hind 135 550 rubla

HikVision, Hiina, Hiina suurim videovalvesüsteemide tootja.
Sensor – 1/2,8'' Progressive Scan CMOS
Tundlikkus – värv: 0,005 luksi @ (F1.2, AGC ON), 0,0089 luksi @ (F1.6, AGC ON), 0 luksi koos infrapunakiirgusega
Elektrooniline säriaeg - 1s ~ 1/100000s
2MP eraldusvõime Riistvara WDR 120dB, kaadrisagedus 25fps@2MP, microSD pesa kuni 128GB, IR kuni 10m

Kahe objektiiviga näotuvastuskaamera on kompaktne DeepinView süvaõppe algoritmidega seade koos näotuvastussüsteemiga.

Kaamera toetab mitut video tihendamise koodekit (H.265, H.264, MPEG-4 ja MJPEG) ning suudab töödelda kuni viit videovoogu. Videokaamera mõõdud on 180,4 x 147 x 117,9 mm, seadme kaal 1500 grammi. Struktuurselt on tegemist kahe objektiiviga kaameraga, millel on binokulaarne stereotehnoloogia, mis loeb täpsemaks äratundmiseks paljusid näojooni.

See on varustatud 4 mm fikseeritud fookuskaugusega objektiiviga, millel on 86° vaateväli. Kaamera jäädvustab automaatselt valikud ja kuvab inimese näost optimaalse pildi.

Toetab näotuvastust, jäädvustatud nägude kohest võrdlemist pardal olevate raamatukogudega, häire aktiveerimise seadistamist tuvastatud näo järgi.

HikVision väidab, et töötemperatuur on vahemikus -10 °C kuni 40 °C ja niiskustase kuni 95 protsenti.

Kaamera lülitub automaatselt päeva- ja öörežiimide vahel. Infrapunavalgustus töötab kuni 10 meetri kaugusel.

Näotuvastussüsteemiga DVR iDS-96128NXI-I16 - hind 3 299 990 rubla

Videosalvestus kuni 12MP, videoväljund kuni 4K
128 kanalit, sünkroonne taasesitus 4 kanalit @ 4K
16 SATA-kõvaketast kuni 10TB igaüks
1/2 heli sisend/väljund, 16/8 alarmi sisend/väljund
Võrguliides 4 RJ-45 10M/100M/1000M Ethernet

DVR-i mälu on mõeldud 16 inimeste piltide teegi jaoks (kokku kuni 100 000 fotot)

Armatuurkaamera toetab nutikaid funktsioone sarnaste inimeste leidmiseks, käitumise analüüsimiseks, nägude ja autode tuvastamiseks.
Võimalik on töötada termokaamerate, tulekahju avastamise, merelaevade, temperatuuri mõõtmise, soojuskaardikaamerate statistika pidamise ja külastajate loendamisega.
iDS-96128NXI-I16 suudab tuvastada inimesi 32 kanalil ja simuleerida nägusid kiirusega 64 fotot sekundis.

Salvestil on 1 RS-232, 1 RS-485, RS-485 liides klaviatuuri jaoks ning kaks USB 2.0 ja USB 3.0 pistikut ning 16 häiresisendit ja 8 väljundit.

IDS-96128NXI-I16 toetab RAID0, RAID1, RAID5, RAID6 ja RAID10.

DH-IPC-HF8242F-FR valvekaamera koos näotuvastussüsteemiga - hind 100 000 rubla
Dahua tehnoloogia Hiina
1/1,9", 2 MP progressive scan CMOSSmart koodek 265+/H.264+, 3-vooline kodeering
Starlight, tõeline WDR 120 dB, 3DNR, päev/öö (ICR), AWB, AGC, BLC
Mitme võrgu jälgimine: veebivaatur, CMS (DSS/PSS) ja DMSS
Automaatne tagasifookus (ABF)

Näohõive on tarkvararakendus, mis jäädvustab näod automaatselt videoallikast pärit digitaalpildilt või videoklipilt. Dahua kaamerad kasutavad täiustatud süvaõppe algoritme, mis võimaldavad kaameral nägusid kiiresti ja täpselt tuvastada ja sobitada.

DH-IPC-HF8242FP-FR näotuvastuskaamera kasutab Deep Learning tehnoloogiat, et tõhusalt tuvastada ja sobitada nägusid. Seadme analüütilised funktsioonid võimaldavad teil määrata vanust, sugu, meeleolu, maski / prillide / habeme või vuntside olemasolu või puudumist.

Kaameral on inimeste loendamise funktsioon ja see loob soojuskaardi.
Kaamera mällu saab salvestada kuni 10 000 nägu, mille saab jagada 5 kategooriasse, mis võimaldab jäädvustada ja reaalajas nägusid võrrelda.

Tänu Dahua Starlight tehnoloogiale on kaamera ideaalne töötamiseks rasketes ja piiratud valgustusega keskkondades.
Selle madal valgustundlikkus tagab värvilise pildi jõudluse minimaalse ümbritseva valgusega. Isegi äärmuslikult vähese valguse tingimustes, peaaegu täielikus pimeduses, suudab Starlight tehnoloogia kuvada värvilise pildi.

IPC2255-Gi4N valvekaamera koos näotuvastussüsteemiga - hind 100 000 rubla

Hiina
1/1,9" CMOS Starlight sensor, 0,001 luksi värviline [e-postiga kaitstud] kaadrit sekundis H.265/H.264/MJPEG-vormingus
Kuni 18 sihtmärgi samaaegne tuvastamine (pilt, nägu)
Riistvaraline WDR, kohandatud IR kuni 100 m
2 häiresisendit / 1 väljund, kaitseklass IP66, temperatuurivahemik -40°C +60°C

Axis P1367 videokaamera koos sisseehitatud Ayonixi algoritmiga - hind 68 448 rubla

Ayonix, Jaapan
Maatriks 1/2,9” progressiivne skaneerimine
Suum 2,8-8,5 mm
Suurepärane 5MP videokvaliteet
Lightfinder ja kohtuekspertiisi WDR tehnoloogiad, Zipstream tehnoloogia
Pildianalüüsi täpsemad valikud

Jaapani näotuvastustarkvara arendaja Ayonix on välja töötanud tarkvara Axis P1367 kaameraga töötamiseks.

Tänu ACAP-platvormile saavad kolmanda osapoole arendajad arendada rakendusi, mida installida otse Axise kaameratele.

Sisseehitatud näotuvastusega töötundide jälgimise süsteemide terminalid

FacePass Pro tööajaarvestuse terminal - hind 23 000 rubla

Anviz, Hiina
Mälu maht 400 kasutajale
Tuvastamise aeg< 0,1 сек
Kaugus kasutaja tuvastamiseks: 30 cm kuni 80 cm
Tunnustamise protsent: > 99%
Tundlik 2,8-tolline TFT puuteekraan
Sisseehitatud veebiserver terminali lihtsaks seadistamiseks

Kaks skaneerivat kaamerat tagavad kõige täpsema tuvastamise, samas kui kiire Samsung ARM protsessor minimeerib töötajate näotuvastusaja

Tuvastamise täpsust ja kiirust ei mõjuta isegi sellised tegurid nagu: nahavärv, näoilme, sugu, soeng, samuti taimestiku olemasolu või puudumine näol.

Anviz FacePass Pro on töötajate aja jälgimise süsteem näotuvastuse, kontaktivabade RFID-kaartide või parooliga.

Uue BioNANO algoritmi kombinatsioon suure jõudlusega riistvaraga tagab kasutaja tuvastamise vähem kui 0,1 (!) sekundiga.

Unikaalne infrapuna valgustus tagab seadme stabiilse töö nii muutuva valgustusega ruumides kui ka täielikus pimeduses.
Isegi sellised tegurid nagu nahavärv, näoilme, sugu, soeng, samuti habeme või vuntside olemasolu või puudumine näol ei mõjuta tuvastamise kiirust ja kvaliteeti.

Dünaamiline numbriklahvistik ja tundlik 2,8-tolline TFT puuteekraan tagavad mugava töö.

Multibiomeetriline tööajaarvestusterminal ZKTeco Pface202-ID - hind 26 500 rubla

ZKTeco, Hiina

Mälu 600 peopesa veenimalli, 1200 näo (kuni 3000 1:1 kinnitusega), 2000 sõrme ja 10 000 kaardi jaoks
Logimaht 100 000 sündmust
LCD puuteekraan 4,3"
Sisseehitatud Em-Marin kaardilugeja

Võrgustiku biomeetriline terminal tööaja jälgimise ja juurdepääsukontrolli süsteemide jaoks koos näo, peopesa veenide, sõrmejälgede, RFID-kaardilugeja ja Etherneti ühendusega tuvastamisega.

Multibiomeetriline tööajaarvestusterminal ZKTeco uFace302-ID - hind 27 405 rubla

Mälu maht 1200 näomalli, 2000 sõrmejälje ja 10 000 kaardi jaoks
Sündmuste logi 100 000 kirje jaoks
Kõrge äratundmismäär
Liidesed TCP/IP, RS232/485, USB Host, Wiegandi väljund
Väljundid elektrilukule, ukse olekuandurile, väljumisnupule, alarmi väljundile
Riistvara krüptimise kasutamine püsivara kaitsmiseks

Biomeetriline terminal tööaja jälgimiseks ja juurdepääsu kontrollimiseks UFace302-ID tuvastab näo, sõrmejälje, kaardi ja koodi järgi. Face302-ID suudab eristada reaalse inimese nägu fotopildist. Täiustatud ja sõbralik kasutajaliides pakub 4-tollist puutetundlikku ekraani (puuteekraan).

Biomeetriline tööajaarvestuse terminal ZKTeco uFace800 - hind 27 405 rubla

Sisseehitatud kõrge eraldusvõimega topeltkaamera näo skaneerimiseks infrapunavalgustusega
Mälu kuni 3000 näo, 5000 sõrme, 10 000 kaardi ja 100 000 sündmuse jaoks
ZMM220_TFT platvorm, ZK Face 7.0, ZK Finger 10.0 algoritmid
Registreerimisel 6 sündmuse olekut
Sõrmejäljelugeja, Sisseehitatud kaardilugeja
Liidesed TCP/IP, USB Host, WiFi (valikuline), Wiegandi väljund

Võrgustiku biomeetriline terminal ajavõtu- ja juurdepääsukontrollisüsteemide jaoks koos näotuvastuse, sõrmejäljeskanneriga, RFID-kaardilugeja ja Etherneti ühendusega.
uFace800 toetab luku juhtimist, ukseanduri juhtimist, kella, sissemurdmisandurit, väljumisnupu ühendust.

Sisseehitatud näotuvastusega juurdepääsukontrollisüsteemide seadmed

Näotuvastusterminal FaceStation 2 - hind 80 856 rubla

Suprema, Korea. Maailma suurim biomeetria tootja, üks 50 suurima ülemaailmse turvasüsteemide tootja hulgas.
Mikroprotsessorisüsteem: 1,4 GHz Quard Core, mälu: 8 GB välkmälu + 1 GB muutmälu
Võrguühenduseta mälu 30 000 kasutajale, 5 000 000 sündmusele, 50 000 fotole
Kiire tuvastamine – võrdlus 1:3000 mustrit sekundis
Puuteekraan 4" LCD puuteekraan, valgustus kuni 25000 lx
Stabiilne jõudlus igas valguses 25 000 luksi taustvalgustusega

FaceStation 2 on suure jõudlusega näotuvastusplatvorm. Näotuvastust saab kasutada nii tuvastamisrežiimis kui ka kinnitusrežiimis. Lisaks näotuvastusele toetatakse ka nutitelefoni ja läheduskaardi tuvastamist.

Konkreetsete ACS-ülesannete lahendamiseks reaalsel objektil saab kasutaja FaceStation 2 pakutavast laiast loendist valida erinevaid identifitseerimis- (1:N) või verifitseerimisrežiime (1:1).
Seega on igal konkreetsel juhul võimalik valida turvalisuse taseme ja kiiruse optimaalne suhe.

Olenevalt valitud režiimist kaasatakse toimingusse erinevad biomeetriliste andurite kombinatsioonid, sisseehitatud kiipkaardilugeja ja puutetundlik klaviatuur PIN-koodi sisestamiseks.
Kontaktivaba näotuvastus ja võimalus kasutada pääsukaardi asemel nutitelefoni teevad FaceStation 2 erakordselt kasutajasõbralikuks.

Suure jõudlusega näotuvastusterminal sisseehitatud mitme sagedusega kaardilugejaga (125 kHz EM & 13,56 MHz MIFARE, DESFire/EV1, FeliCa, NFC, ISO14443A/B, ISO15693).

Tänu laiendatud tuvastusalale “näeb” vastavalt juhistele paigaldatud seade 145–210 cm pikkuste inimeste nägusid.
Terminal on varustatud täiustatud turvafunktsioonidega, nagu infrapuna võltsitud näo blokeerimise tehnoloogia ja mitmeribaline RF-lugemise tehnoloogia, mis toetab uusimaid RFID-standardeid.

Samuti on terminali modifikatsioon FaceStation 2 (mudel FS2-AWB) – hind 93 850 rubla, millel on sisseehitatud MultiCLASS SE lugeja (125kHz EM, HID Prox & 13,56Mhz MIFARE, DESFire / EV1, FeliCa, iCLASS SE / SR, NFC, ISO14443A / B, ISO15693).

Ja muidugi lahendused meie Hiina partneritelt, kes ei oleks Hiina partnerid, kui nad ei pakuks kaasaegseid tehnoloogiaid 3-4 korda odavamalt. Kindlasti ei saavutata odavust ilma tagajärgedeta, üks peamisi erinevusi on andmebaasi suurus, mida hiinlastel on vähemalt 5 korda vähem, noh, kiirus ja täpsus kannatavad ka veidi. Aga põhimõtteliselt on tegemist üsna töötavate kohalike lahendustega väikeettevõtetele.

Mitmefaktoriline biomeetriline identifitseerimisseade ZKTeco VF680 - hind 13 410 rubla

Hiina suurim biomeetriatootja ZKTeco® töötab iseseisvalt välja tuvastusalgoritme.
ZEM810 platvorm, ZK Face 7.0 algoritm
Sisseehitatud kõrge eraldusvõimega topeltkaamera näo skaneerimiseks infrapunavalgustusega
Mälu 800 näo, kuni 10 000 ja 100 000 sündmuse jaoks
Kontrollimise kiirus mitte rohkem kui 1 sekund
TCP/IP ühendus

VF680 võib töötada eraldiseisvalt või ühendada võrku ühendatud juurdepääsukontrollisüsteemidega. Terminal on varustatud ZEM810 platvormi, 3,0-tollise puutetundliku ekraani ja ZK Face 7.0 algoritmiga, mis toetab 800 nägu.
Lugejat saab programmeerida sisseehitatud klahvistikult või tarkvara abil.

Mitmefaktoriline biomeetriline identifitseerimisseade ZKTeco MultiBio700id - hind 28 530 rubla

Algoritmi versioon: ZK Face v7.0 ja ZK Finger v10.0


100 000 sündmust logis
Äratundmine mitte rohkem kui 1 sekund


Mitme biomeetriline terminal ZKTeco Multibio700 pakub juurdepääsu näo, sõrmejälje, kontaktivaba kaardi ja koodi abil.
Seade jäädvustab silmade, nina, põsesarnade, lõualuude suhtelise asukoha, suuruse ja kuju ning moodustab nendest andmetest hilisemaks võrdlemiseks biomeetrilise malli.
Kasutajatuvastus on täpne ja kiire 1 sekundi jooksul. Infrapunavalgustus aitab hämaras tuvastust edukalt läbi viia.

Luku otseseks juhtimiseks saab terminali kasutada autonoomselt või ühendada Wiegandi liidese abil lugejana võrgu juurdepääsusüsteemidega.

Biomeetriline lugeja ZKTeco SpeedFace V5

Protsessor neljatuumaline A17 1,8 GHz, mälu 2G RAM / 16G ROM
Kahekordne kaamera: IR kaamera + nähtava valguse kaamera
Töötage valgustusega 0–40 000 luksi
5 tolline puutetundlik ekraan
Mälu 6000 ~ 10 000 (1:N) näo jaoks
Kinnituskiirus alla 1 sekundi
Luger toetab näotuvastust, sõrmejäljetuvastust ja EM-Marine või Mifare RFID-kaarte.

Nähtava valguse näotuvastus on kordades parem kui IR näotuvastus ning tuvastuskaugust on suurendatud 2 meetrini, mis lihtsustab oluliselt tipptunni olukorda. Pole vaja pikka aega seadme kaamera ees seista. Kasutaja saab seadme kõrval kiiresti soovitud suunas kõndida nii, et nägu langeb kaamera vaatevälja.

Tänu CNN-i kasutamisele ja 3D-näomudeli loomisele sai võimalikuks äratundmine erinevate vaatenurkade alt. Intelligentse CNN-i algoritmi abil takistab võltsimisvastane funktsioon tõhusalt maskide, fotode ja videote edastamist.

Biomeetriline juurdepääsuterminal HikVision DS-K1T606M - hind 49 990 rubla

HikVision, Hiina
Mälu 3000 näomalli, 5000 Mifare kaardi ja 100 000 sündmuste logi jaoks
2 alarmi sisendit ja 1 väljund
Sideliidesed TCP/IP; WiFi; ehome protokoll; RS-485; Wiegand 26/34
Töötingimused -20 °C kuni +50 °C, õhuniiskus 10% - 90%
Sobib paigaldamiseks välistingimustesse


Lugeja sisseehitatud kontrolleri ja näotuvastusalgoritmiga ST-FR040EM - hind 26 824 rubla
Venemaa katusbränd Smartec esitab tellimusi paljudele Hiina tehastele ja müüb Venemaal ühtse Smartec kaubamärgi all.
Algoritmi versioon: ZK Face v7.0 ja ZK Finger v10.0
Kõrglahutusega infrapunakaamera, 3" puutetundlik ekraan
Mälu maht 400 näomalli, 2000 sõrmejälje ja 1000 läheduskaardi jaoks
Äratundmine mitte rohkem kui 1 sekund
Sisseehitatud RFID-lugeja Em-Marine 125kHz

Kui teile tundus, et see näeb välja nagu ZKTeco MultiBio700ID , siis olete Smarteciga õige, selle lugeja toodab ZKTeco ja see on MultiBio700ID täielik koopia.

Intercom sisseehitatud näotuvastussüsteemiga DS06M - hind 14 300 rubla

Bevard, Venemaa
1,3 MP SONY Exmor sensor, 0,01Lx tundlikkus
Töötamine temperatuurivahemikus -40 kuni +50°C, kaitseklass IP54
Paigaldatud 4 GB microSDHC-kaart, kirjutage mälukaardile
Kahesuunaline heli
Camdrive'i pilveteenuse tugi

Ärge kiirustage madalat hinda nautima, andmebaas on mõeldud maksimaalselt 30 inimesele. Kuid kui olete väikeettevõte ja soovite luua oma külastajatele WOW-efekti, võib see olla õige tee.

Muide, iga IP-intercomi saab varustada näotuvastussüsteemiga, eelistatavalt tavalise IP-kaameraga.
Ja veelgi enam, IP-intercom on paigaldatud täpselt näo tasemele või veidi madalamale, mis sobib ideaalselt kvaliteetseks näotuvastuseks.

Sama intercom Bevard, kuid ühendatud Macroscope näotuvastussüsteemiga, antud juhul on serverisse installitud Macroscope tarkvara. Sellise konfiguratsiooni korral piiravad andmebaasi suurust ainult teie rahalised võimalused.

Näotuvastusega prillid kasutab Zhengzhou linna politsei

LLVision Technology, Hiina

Politsei andmebaasiga ühendatuna annavad prillid 2-3 minutiga välja inimese nime ja aadressi. Pooleteise nädala jooksul peeti Zhengzhou raudteejaamas prille kasutades kinni seitse tagaotsitavate nimekirjas olevat ja 26 võltsitud ID-kaardiga inimest.

Lisaks häkkeritele on kohal ka üldlevinud seltsimees major, kes pole vähem huvitatud biomeetrilistest andmetest. WikiLeaks avaldas raporti (RosKomNadzor poolt ettenägelikult blokeeritud URL-i) CIA Aadhaari andmebaasi võimaliku varguse kohta, kasutades sõrmejälgede ja iirise skaneerimiseks kasutatud seadmeid ettevõttelt Cross Match (pidage meeles seda Ameerika ettevõtet, see reklaamib endiselt aktiivselt oma seadmeid, sealhulgas numbrit rahvusvahelised turud)

Loomulikult pakub Aadhaar ise ligipääsu kommertsettevõtetele, näiteks Microsoft kasutab Aadhaari Skype India jaoks mõeldud eriversiooni kasutajate identiteedi kontrollimiseks.

Äriettevõtetele juurdepääsu andmine valitsuse biomeetrilistele andmebaasidele on väga mõttekas. Reeglina ei edastata biomeetrilisi andmeid, vaid edastatakse ainult tuvastamise tulemus. Lisaks sellele, et need teenused on tasulised, luuakse ja hoitakse nende kviitungite jaoks riigi bimeetrilisi andmebaase.

Venemaal on ka oma Aadhaar, on ilmselge, et Venemaa andmebaas ei suuda tõenäoliselt vältida kõiki probleeme, mida Aadhaar läbi elas.

Juurdepääs Venemaa andmebaasile on kavas võimaldada pankadele.

On näiteid erinevast lähenemisest, Belgia oli esimene riik, kes keelas näotuvastussüsteemide kasutamise äriorganisatsioonidel.

Andmebaasid aadressilsobib äriettevõtetele
Riik, isegi sunnitud andmete kogumise monopoli korral, ei ole tavaliselt kõige tõhusam andmete koguja.

Seetõttu on meil tohutul hulgal biomeetrilise teabe kaubanduslikke andmebaase. Suurim - Vkontakte andmebaas (rohkem kui 97 000 000 inimest igakuine kasutamine VKontakte), näiteks NtechLab kasutab seda oma FindFace'i veebisaidi jaoks, Facebookil ja muudel suhtlusvõrgustikel ning tutvumissaitidel on samuti suur andmebaas.

Kommertsandmebaasid luuakse selleks, et teised äriettevõtted saaksid neid tagasihoidliku raha eest kasutada.

Näiteks Bitrix24 kasutab VKontakte andmebaasi oma Face-tracker, Face-cards for 1C, Bitrix24.Time ja Visit-tracker toodetes.

Parim andmebaas
Kõigil ülaltoodud andmebaasidel on üks oluline puudus, neil pole teie ettevõttega mingit pistmist. Ja need sisaldavad ainult teatud andmekogumeid, sageli äärmiselt kasulikke kogumeid, kuid ilma teie ettevõtte eripära arvesse võtmata on nende kasutamine väga piiratud.

Teie andmebaasi kvaliteedi üks olulisemaid näitajaid on näopiltide, viidete kvaliteet.
Võrdluspiltide andmebaasi olulisemad kvaliteedinäitajad on:
Pikslite arv
Kontrast ja näodetailide renderdamine
Taust, millel asub näo põhiosa
Ei mingeid segavaid detaile näopiirkonnas jne.

Samal ajal on oluline jälgida ka enam-vähem samu tingimusi näokujutiste saamiseks (valgustus, näo enda suurus kogu pildi taustal).

Oluline on neid näitajaid arvesse võtta isegi süsteemi kui terviku projekteerimisetapis, pöörates erilist tähelepanu süsteemile standardite tunnustatud tahkude saamiseks.
Alustage oma andmebaasi loomist juba täna!

Biomeetriliste andmebaaside kasutamine
Paljudel on põhjendatud mure biomeetriliste andmete kasutamise pärast riigi poolt ja veelgi suurem mure selle pärast, et äristruktuurid kasutavad neid andmeid.

Tõepoolest, need hirmud ei ole põhjendamatud, kuid need ei tohiks takistada tehnoloogia kasutuselevõttu. Meie lähitulevikus on see meie bioloogiline identiteet lubab eristada inimest tehisintellektist.

Ekraanipilt teabega veebisaite külastavate robotite ja päris inimeste arv, Imperva Incapsula läbiviidud uuringud


Isegi praegu on saite külastavate robotite ja päris inimeste arv umbes sama. Asjade interneti ja tehisintellekti arenedes kasvab plahvatuslikult robotite arv, samuti nende võimalused, juba on lahendusi, mis võivad teie nimel helistada näiteks juuksurisse või pizzeriasse.



Näotuvastussüsteemide kasutusvaldkonnad

Näotuvastustehnoloogia rakenduse spetsiifilisus erineb sõltuvalt kasutusalast vigade kriitilisuse poolest.


Juurdepääsusüsteemid

Praegu on näotuvastussüsteemide üks parimaid rakendusi läbipääsusüsteemides. Esiteks on töötaja ise huvitatud talle juurdepääsu võimaldamisest ega hakka tahtlikult näotuvastussüsteemi tööd saboteerima. Teiseks kontrollite kõiki väliseid tegureid, mis mõjutavad äratundmise kvaliteeti – valgustus, taust, töötajate liikumismuster. Seda kõike kasutades saate luua ideaalsed tingimused.


Näotuvastussüsteeme saab kasutada juurdepääsukontrollisüsteemides kahes režiimis:

Identifitseerimisrežiim – vastuvõtmise otsus tehakse ainult näotuvastussüsteemi andmete põhjal. See tähendab, et näiteks teie töötajate andmebaas on 100 inimest ja tunnustamissüsteemi ülesanne on võrrelda praeguse inimese nägu 100 inimese andmebaasiga. See tähendab, et võrdlus on 100:1. Kui isik tuvastatakse töötajana, antakse talle juurdepääs.

HikVisioni näotuvastusterminalid

Seda režiimi kasutatakse kõige tõhusamalt kontrollitud alal võõraste tuvastamiseks. Reeglina on mõttekas kasutada ettevõtte erikaitsealadel, kuhu on lubatud juurdepääs piiratud ringile. Kõik antud territooriumile paigaldatud kaamerad on ühendatud tuvastussüsteemiga, isiku tuvastamisel, mida andmebaasis ei ole, teavitatakse turvateenistust.

Kinnitusrežiim – identifitseerimine toimub sel juhul mõne muu tehnoloogia abil, näiteks RFID (kui olete konservatiiv), või saab kasutada mobiiliidentifikaatoreid või sõrmejäljed või käe või sõrme venoosne muster kui teate, kust tuul praeguste ACS-i trendide juures puhub, ja ei taha raha ära visata.
Inimene toob kaardi lugejale, süsteem tuvastab ta ehk tuvastab, et tegemist on Ivanoviga ja Ivanovile on antud hetkel juurdepääs. Näotuvastussüsteem antud juhul juba teab, et tegemist on Ivanoviga ning kasutades andmebaasist ainult Ivanovi fotot, võrdleb RFID-kaardi kandjat andmebaasis oleva Ivanovi fotoga. See tähendab, et võrdlus on 1:1.

Kinnitusrežiimis töötab see üldiselt ideaalselt, kuna kontrolliülesanne on isegi keskmise kvaliteediga näotuvastussüsteemide puhul väga lihtne.

Seda režiimi on soovitatav kasutada mis tahes kontrollpunktides - ärikeskustes, tootmisettevõtetes, instituutides, koolides.

Näotuvastussüsteemi ülesanne on kontrollida kaardi omanikku. Tavaliselt täidab seda ülesannet turvamees või korrapidaja. Ja see pole parim idee, välja arvatud juhul, kui olete folklorist ega taotle eesmärki koostada "kaasaegse kultuuri entsüklopeedia".


Kontaktivaba kaardi lugejale esitamisel kuvab turvamees monitorile inimese foto, turvatöötaja ülesanne on võrrelda fotot ja kaardikandjat (teaduses nimetatakse seda verifitseerimiseks). Turvamees teeb seda tööd halvasti – nagu iga teinegi üksluine, rutiinne, korduv töö.

Näotuvastussüsteem mitte ainult ei tee seda tööd palju tõhusamalt, vaid hoiab ära ka valvurite väärkohtlemise.

Näotuvastus transpordis

Transpordis saab näotuvastust kasutada mitmel otstarbel:

Otsige kadunud inimesi
Otsige tagaotsitavaid kurjategijaid
Parema teenuse saamiseks hankige inimeste demograafilist teavet
Inimeste rahulolu mõõtmine nende näo järgi
Ühistransporti kasutavate reisijate arvu loendamine

Veebipõhised reisijate andmed aitavad hallata ühistranspordivõrke kiiremini, paindlikumalt ja tõhusamalt.

Samuti võimaldab reisijate arvu arvestamine nende andmete võrdlemisel maksete arvuga tuvastada reisi eest tasumise reeglite rikkumisi.

Pileti kogumise eesmärgil näotuvastus

Piletimaksu tasumiseks mõeldud näotuvastust saab praegu läbi viia kontrollrežiimis ja see väldib mitme pileti volitamata kasutamist, näiteks ühe pileti kasutamist mitme isiku poolt.

Tunnustatud näo kasutamine ainsa reisija identifikaatorina automaatse piletitasu puhul on tehnoloogia sellisel arengutasemel võimalik vaid väikestes ettevõtete transpordivõrkudes ning see ei sobi kuidagi massilise linnatranspordi jaoks.

Aja jälgimine

Kuni viimase ajani oli töötundide arvestus ilma blokeerimisseadmeid kasutamata kättesaamatu unistus. Tänapäeval on see reaalsus.
Aja jälgimine on loomulikult üks läbipääsusüsteemi funktsioone, kuid aja jälgimist saab teha eraldi, ainult näotuvastussüsteemide abil.

Näotuvastussüsteemide kasutamise üks peamisi eeliseid töötundide registreerimiseks on näo puhtuse nõuete puudumine. Mõistuse piires muidugi – vaata rubriiki "Sabotaaž".

Samuti on näotuvastussüsteemi abil aja jälgimise eelised järgmised:

Blokeerimisseadmete puudumine, mis loomulikult suurendab mugavust
Võimalus kasutada aja jälgimist varjatult, ilma töötajaid teavitamata

Tööaja arvestamine on vaid üks mõõdikutest ja üldiselt ei ütle see teistest ettevõtte tööd puudutavatest andmetest eraldatult palju. Kuid omades kõiki teadmisi, sobib ta suurepäraselt ettevõtte tegevuse analüüsiga.

Eriti tasub kohalolekul silma peal hoida kriisi ajal, nagu PricewaterhouseCoopers meile otse juhib. Kui te kohalolekut ei jälgi, saate 2 lisapäeva töölt eemale, millest te ei tea, kuid mille eest maksate. Mis suurendab teie rahalist kahju töötajate puudumisest töökohal 1,3 korda.

Näotuvastust saab töötajate raamatupidamise eesmärgil rakendada kahel viisil.

Server + tarkvara + head IP kaamerad ja seda kõike suure raha eest. Kuninglik variant on see, kui tööaja arvestust saab pidada ilma töötajaid teavitamata.

Spetsialiseeritud terminalid - see on võimalus, kui töötaja peab minema terminali ja läbima seeläbi identifitseerimisprotseduuri. See toimib ainult siis, kui olete deklareerinud, et see, kes näotuvastusseadmega sisse ei registreeri, ei saa päevatöö eest tasu. See lihtne haldusmeede vähendab võluväel FAR ja FRR vead absoluutse nullini.


Näotuvastus rahvamassis

Näotuvastussüsteemist rääkides joonistab meie kujutlusvõime reeglina täpselt stsenaariumid linnatänavatel kurjategijate tuvastamiseks. See on hetkel kõige ihaldatum, nõutum ja kõige raskem ülesanne.

Hiinast kadunud inimeste leidmine näotuvastuse abil

Raskused
Ebaühtlane valgustus (päev, öö, särav päike, kõik need on erinevad tingimused, mis mõjutavad suuresti näotuvastuse protsenti)
Kaadris suur hulk inimesi

plussid
üllatusefekt
Kuigi näotuvastus on paljulubav tehnoloogia, millest kirjutatakse palju, kirjutatakse sellest spetsialiseeritud "nörtsi" väljaannetes. Seetõttu on kursis olevate inimeste arv kogu elanikkonna skaalal mikroskoopiline. Enamik kurjategijaid lihtsalt ei võta meetmeid, mis takistavad tuvastamist.

Katvusvõrk
Enamikus suurlinnades on palju CCTV kaameraid. Just see aspekt teeb näotuvastussüsteemi töös oma kohandused. Näiteks Suurbritannias satub inimene videokaamera objektiivi umbes 300 korda päevas. Ja see ei ole rekord ega piirang IP-kaamerate praeguse madala hinna juures.

Vanuse määramine

Turvaülesannetest liigume turundusülesanneteni. Kui inimesed räägivad "Turvasüsteemide" tööstuse liitumisest suure IT-tööstusega, siis mõeldakse just seda – seadmete abil, mida varem peeti suutlikuks lahendada vaid turvaprobleeme. Täna lahendan tohutul hulgal erinevaid ülesandeid, mis pole "turvasüsteemidega" kui sellistega seotud.

Külastajate vanuseline koosseis on hindamatu info igale turundajale ja kui uskuda meie terviseministrit, kes ütles, et keskmine eluiga võib kasvada 120 aastani, kuigi proua Skvortsova ei täpsustanud, millises riigis see juhtub, mis ilmselgelt reedab temas intelligentse inimese. (Ise usun, et Venemaal) nii või teisiti vanuse määramise probleemi aktuaalsus kindlasti tõuseb.

Interneti-teenused vanuse määramiseks
Kui täpne on vanuse määramine, saate testida mitmes võrguteenuses. Laadige oma fotod üles ja testige.

Vanuse määramiseks sobid:

Näotuvastustarkvara www.axis.com/products/axis-demographic-identifier/

Seksi määramine

Kui te ei kavatse Eurovisioonil osalejate sugu analüüsida, on see tänapäevaste näotuvastussüsteemide jaoks üsna lihtne ülesanne.

Pole vaja suurt turundajat, et mõista, et teie klientide erinev sooline koosseis nõuab erinevaid turundus-, reklaami-, suhtekorraldus- ja muid kliendisuhtlemisega seotud strateegiaid.

Kinoketid "Cinema Park" ja "Formula Kino" on juba alustanud külastajate vanuse ja soo kogumist.

Saate testida, kui täpne on soo määramine, kasutades teile juba tuttavaid võrguteenuseid. Laadige oma fotod üles ja testige.

www.skybiometry.com/demo/face-detect/
www.how-old.net

Vanuse määramiseks võite kasutada:
Näotuvastustarkvara, paljudel juhtudel on see üks selle funktsioone.

Võtmed kätte lahendused firmadelt Axis, HikVision – Smart DVR + IP kaamerad

Rootsi
AXISe demograafiline identifikaator
https://www.axis.com/products/axis-demographic-identifier/




Unikaalsete külastajate lugemine

Klassikaline külastajate arvu lugemise probleem on alati lahendatud infrapuna- või lasersensorite abil, mis näitavad lihtsalt virtuaalsete liiniületuste arvu. Näiteks käru annab haigla keskmise temperatuuri indikaatorina eraldi ristmiku, nende eelised.

Seal on kaasaegsed videoanalüüsi kompleksid, mis on tavaliselt kombineeritud täiendavate anduritega. Nemad juba teavad, kuidas konkreetselt inimesi loendada, aga sina oled turvamees või 50 korda edasi-tagasi käinud kohalik linnahull, saad andmed viia peaaegu täieliku kasutuseni.

Esmakordselt saavad turundajad tänu kaasaegsetele näotuvastussüsteemidele tõeliselt kasulikke andmeid - unikaalsete külastajate arv. Koos soo ja vanuse näitajatega on see teie poe Yandexi mõõdik.

Trassir Face Analytics näoanalüüsi moodul - hind 36 990 rubla
Arukas näoanalüüsi moodul. Funktsionaalne:
1. ainulaadsete nägude loendamine
2. indiviidide demograafiline analüüs (sugu, vanus)
3. rassi identifitseerimine
4. näoatribuutide (prillid, peakate, vuntsid, juuksevärv) äratundmine. 1 videokanali töötlemise maksumus.

Peagi ilmub meie ajaveebis artikkel ülevaatega kaupluste kaasaegsetest videoanalüütikasüsteemidest, see on pomm, tellige, et mitte ilma jääda - oleme saadaval kõigil platvormidel -

Laenu võtmine, viisa taotlemine ja lihtsalt uusima mudeli nutitelefoni käivitamine - kõik see on tänapäeval võimatu ilma näotuvastusalgoritmideta. Nad aitavad politseid uurimisel, muusikuid laval, kuid vähehaaval muutuvad nad kõikenägevaks silmaks, kes jälgib kõiki meie tegevusi nii võrgus kui ka väljaspool seda.

Algoritmid (tehnoloogiad)

Arvuti seisukohalt tähendab foto järgi inimese tuvastamine kahte väga erinevat ülesannet: esiteks leida pildilt nägu (kui see on olemas) ja teiseks eraldada pildist need tunnused, mis seda eristavad. isik teistelt inimestelt andmebaasist.

1. Leia

Katsed õpetada arvutit fotodelt nägu leidma on kestnud juba 1970. aastate algusest. Proovitud on paljusid lähenemisviise, kuid kõige olulisem läbimurre saabus palju hiljem – Paul Viola ja Michael Jonesi poolt 2001. aastal loodud kaskaadvõimendusmeetodi ehk nõrkade klassifikaatorite ahela. Kuigi praegu on olemas nutikamad algoritmid, võite kihla vedada, et teie mobiiltelefonis ja kaameras töötab vana hea Viola-Jones. See kõik puudutab tähelepanuväärset kiirust ja töökindlust: isegi 2001. aastal suutis seda meetodit kasutav keskmine arvuti töödelda 15 pilti sekundis. Tänapäeval rahuldab algoritmi efektiivsus kõik mõistlikud nõuded. Peamine asi, mida selle meetodi kohta teada, on see, et see on üllatavalt lihtne. Te isegi ei usu, kui palju.

1. Samm 1. Eemaldame värvi ja muudame pildi heleduse maatriksiks.
2. Samm 2. Panime sellele ühe kandilise maski – neid nimetatakse Haari märkideks. Kõnnime sellega kogu pildi ulatuses, muutes asendit ja suurust.
3. Samm 3. Lisame digitaalsed heleduse väärtused nendest maatriksi lahtritest, mis jäid maski valge osa alla, ja lahutame neist väärtused, mis jäid musta osa alla. Kui vähemalt ühel juhul osutus valgete ja mustade alade erinevus üle teatud läve, võtame selle pildi ala edasiseks tööks. Kui ei, siis unusta see ära, siin pole nägu.
4. Samm 4. Korrake 2. sammust uue maskiga, kuid ainult selle pildi piirkonnas, mis läbis esimese testi.

Miks see toimib? Vaata märki. Peaaegu kõigil fotodel on silmaümbrus alati veidi tumedam kui vahetult allpool. Vaadake märki: keskel olev hele ala vastab ninasillale, mis asub tumedate silmade vahel. Mustvalged maskid ei paista esmapilgul sugugi nägudena, kuid kogu oma primitiivsuse juures on neil suur üldistusjõud.

Miks nii kiiresti? Kirjeldatud algoritmis ei märgita ühte olulist punkti. Pildi ühe osa heleduse lahutamiseks teisest tuleks lisada iga piksli heledus ja neid võib olla palju. Seetõttu teisendatakse maatriks enne maski pealekandmist integraalseks esituseks: heleduse maatriksi väärtused lisatakse eelnevalt, nii et ristküliku terviklikku heledust saab saada vaid nelja numbri lisamisega.

Kuidas kaskaadi kokku panna? Kuigi iga maskeerimise etapp annab väga suure vea (tegelik täpsus ei ületa 50%), on algoritmi tugevus protsessi kaskaadkorralduses. See võimaldab teil kiiresti analüüsist välja jätta valdkonnad, kus nägu kindlasti pole, ja kulutada jõupingutusi ainult nendele valdkondadele, mis võivad tulemuse anda. Sellist nõrkade klassifikaatorite järjestikku kokkupanemise põhimõtet nimetatakse boostimiseks (sellest saab täpsemalt lugeda oktoobrikuu "PM" numbrist või). Üldpõhimõte on järgmine: isegi suured vead muutuvad üksteisega korrutatuna väikesteks.

2. Lihtsusta

Näo tunnuste leidmine, mis võimaldaks tuvastada selle omaniku, tähendab reaalsuse taandada valemiks. See on lihtsustus ja seejuures väga radikaalne. Näiteks võib isegi miniatuursel 64 x 64 pikslilisel fotol olla tohutult palju erinevaid pikslite kombinatsioone – (2 8) 64 x 64 = 2 32768 tükki. Samal ajal piisaks Maa 7,6 miljardi inimese nummerdamiseks vaid 33 bitist. Ühelt figuurilt teisele liikudes tuleb välja visata kogu kõrvaline müra, kuid säilitada kõige olulisemad individuaalsed omadused. Statistikud, kes tunnevad selliseid ülesandeid, on välja töötanud palju tööriistu andmete lihtsustamiseks. Näiteks põhikomponendi meetod, mis pani aluse näo tuvastamisele. Kuid viimastel aastatel on konvolutsioonilised närvivõrgud vanad meetodid kaugele maha jätnud. Nende struktuur on üsna omapärane, kuid tegelikult on see ka lihtsustamismeetod: selle ülesanne on taandada konkreetne pilt funktsioonide kogumiks.

Rakendame pildile fikseeritud suurusega maski (õigesti nimetatakse seda konvolutsioonituumaks), korrutame pildi iga piksli heleduse maskis olevate heleduse väärtustega. Leiame "aknas" kõigi pikslite keskmise väärtuse ja kirjutame selle järgmise taseme ühte lahtrisse.

Nihutame maski kindla sammu võrra, korrutame uuesti ja kirjutame keskmise väärtuse kaardile.

Ühe maskiga kogu pildi läbi kõndides, teisega korrates – saame uue funktsioonikaardi.

Vähendame oma kaartide suurust: võtame mitu naaberpikslit (näiteks ruudu 2x2 või 3x3) ja edastame järgmisele tasemele ainult ühe maksimaalse väärtuse. Sama teeme kõigi teiste maskidega saadud kaartide puhul.

Matemaatilise hügieeni huvides asendame kõik negatiivsed väärtused nullidega. Kordame 2. sammust nii mitu korda, kui tahame närvivõrgu kihte saada.

Viimaselt tunnuskaardilt kogume mitte konvolutsioonilise, vaid täielikult ühendatud närvivõrgu: muudame kõik viimase taseme rakud neuroniteks, mis teatud kaaluga mõjutavad järgmise kihi neuroneid. Viimane samm. Võrkudes, mis on koolitatud objekte klassifitseerima (fotol kasside ja koerte eristamiseks jne), on siin väljundkiht, see tähendab konkreetse vastuse tuvastamise tõenäosuste loend. Nägude puhul saame konkreetse vastuse asemel lühikese komplekti näo olulisematest tunnustest. Näiteks Google FaceNetis on need 128 abstraktset numbrilist parameetrit.

3. Tunne ära

Kõige viimane etapp, tegelik tuvastamine, on kõige lihtsam ja isegi triviaalne samm. See taandub saadud funktsioonide loendi sarnasuse hindamisele juba andmebaasis olevate funktsioonidega. Matemaatilises kõnepruugis tähendab see objektiruumist kauguse leidmist antud vektorist lähima teadaolevate tahkude alani. Samamoodi saate lahendada veel ühe probleemi – leida üksteisega sarnaseid inimesi.

Miks see toimib? Konvolutsiooniline närvivõrk on "teritatud", et eraldada pildist kõige iseloomulikumad tunnused, ning teha seda automaatselt ja erinevatel abstraktsioonitasemetel. Kui tavaliselt reageerivad esimesed tasemed lihtsatele mustritele nagu koorumine, gradient, selged piirid jne, siis iga uue tasemega funktsioonide keerukus suureneb. Maskid, mida närvivõrk kõrgel tasemel proovib, meenutavad sageli inimeste nägusid või nende fragmente. Erinevalt põhikomponentide analüüsist kombineerivad närvivõrgud funktsioone mittelineaarsel (ja ootamatul) viisil.

Kust tulevad maskid? Erinevalt nendest maskidest, mida kasutatakse Viola-Jonesi algoritmis, saavad närvivõrgud hakkama ilma inimese abita ja leiavad maskid õppeprotsessis. Selleks peab teil olema suur koolitusnäidis, milles oleks pilte mitmesugustest nägudest erinevatel taustadel. Mis puutub saadud funktsioonide komplekti, mida närvivõrk toodab, siis see moodustatakse kolmikmeetodil. Kolmikud on kujutiste komplektid, kus kaks esimest on foto ühest ja samast isikust ja kolmas on teise inimese foto. Närvivõrk õpib leidma selliseid tunnuseid, mis toovad esimesed pildid üksteisele võimalikult lähedale ja samas välistavad kolmanda.

Kelle närvivõrk on parem? Näotuvastus on ammu muutunud akadeemilisest ringkonnast suurettevõtteks. Ja siin, nagu igas ettevõttes, püüavad tootjad tõestada, et nende algoritmid on paremad, kuigi nad ei paku alati avatud testimise andmeid. Näiteks MegaFace'i võistluse järgi näitab praegu parimat täpsust Venemaa DeepVo V3 algoritm Vocordilt skooriga 92%. Google'i FaceNet v8 näitab samal konkursil vaid 70%, samas kui Facebooki DeepFace deklareeritud 97% täpsusega ei osalenud konkursil üldse. Selliseid arve tuleb tõlgendada ettevaatlikult, kuid juba praegu on selge, et parimad algoritmid on jõudnud peaaegu näotuvastuse inimliku täpsuseni.

Elav meik (kunst)

2016. aasta talvel esines Lady Gaga 58. Grammy aastaauhindade jagamisel austusavaldusega hiljuti surnud David Bowiele. Etenduse ajal levis elav laava üle tema näo, jättes tema otsaesisele ja põsele oranži välgunool, mille tunnevad ära kõik Bowie fännid. Liikuva meigi efekti tekitas videoprojektsioon: arvuti jälgis lauljatari liigutusi reaalajas ja projitseerib pilte tema näole, võttes arvesse selle kuju ja asendit. Veebist on lihtne leida video, mis näitab, et projektsioon on endiselt ebatäiuslik ja äkiliste liigutustega veidi edasi lükatud.

Nobumichi Asai on Omote näokaardistamise tehnoloogiat arendanud alates 2014. aastast ja alates 2015. aastast aktiivselt demonstreerinud seda üle maailma, kogudes korralikku auhindade nimekirja. Tema asutatud ettevõte WOW Inc. sai Inteli partneriks ja sai hea tõuke arenguks ning koostöö Ishikawa Watanabega Tokyo ülikoolist kiirendas projektsiooni. Põhiline toimub aga arvutis ja sarnaseid lahendusi kasutavad paljud maske näkku laskvate rakenduste arendajad, olgu selleks siis impeeriumi sõduri kiiver või meik “David Bowie käe all”.

Alexander Khanin, VisionLabsi asutaja ja tegevjuht

«Selline süsteem ei vaja võimsat arvutit, maskeerimist saab teha isegi mobiilseadmetes. Süsteem on võimeline töötama otse nutitelefonis, ilma andmeid pilve või serverisse saatmata.

"Seda ülesannet nimetatakse näopunktide jälgimiseks. Avalikkuses on palju sarnaseid lahendusi, kuid professionaalsed projektid eristuvad kiiruse ja fotorealismi poolest,“ rääkis VisionLabsi juht Alexander Khanin. "Kõige keerulisem on sel juhul määrata punktide asukoht, võttes arvesse näoilmeid ja näo individuaalset kuju või ekstreemsetes tingimustes: tugevate peapööretega, vähese valguse ja suure valgustusega." Selleks, et õpetada süsteemi punkte leidma, treenitakse närvivõrku – esmalt käsitsi, tehes hoolika märgistuse foto foto järel. "Sisend on pilt ja väljund on märgistatud punktide kogum, " selgitab Alexander. - Seejärel käivitatakse juba detektor, määratakse nägu, ehitatakse selle kolmemõõtmeline mudel, millele mask kantakse. Markerid rakendatakse voo igale kaadrile reaalajas.

Nii töötab Nobumichi Asai leiutis. Jaapani insener skannib esmalt oma mudelite pead, saades täpsed 3D-prototüübid ja koostades näokuju arvesse võttes videojada. Ülesande täitmist hõlbustavad ka väikesed helkurmarkerid, mis liimitakse esinejale enne lavale astumist külge. Viis infrapunakaamerat jälgivad nende liikumist, edastades jälgimisandmed arvutisse. Siis juhtub kõik nii, nagu meile VisionLabsis räägiti: nägu tuvastatakse, kolmemõõtmeline mudel ehitatakse ja mängu tuleb Ishikawa Watanabe projektor.

DynaFlash seade võeti kasutusele 2015. aastal: see on kiire projektor, mis on võimeline jälgima ja kompenseerima selle tasapinna liikumisi, millel pilti kuvatakse. Ekraani saab kallutada, kuid pilt ei moondu ja edastatakse sagedusega kuni tuhat 8-bitist kaadrit sekundis: viivitus ei ületa silmale märkamatut kolme millisekundit. Asai jaoks osutus selline projektor jumala kingituseks, elav meik hakkas tõesti reaalajas toimima. 2017. aastal Jaapanis populaarse duo Inori jaoks salvestatud videol pole mahajäämust enam üldse näha. Tantsijate näod muutuvad kas elavateks pealuudeks või nutvateks maskideks. See näeb värske välja ja tõmbab tähelepanu – kuid tehnoloogia muutub kiiresti moes. Peagi on kindlasti kõige tavalisem liblikas, kes maandub ilmaennustaja põsele või esinejad, kes laval iga kord oma välimust muudavad.

Näole häkkimine (aktivism)

Mehaanika õpetab, et iga tegevus tekitab reaktsiooni ning seire- ja tuvastamissüsteemide kiire areng pole erand. Tänapäeval võimaldavad närvivõrgud võrrelda juhuslikku udust fotot tänavalt sotsiaalvõrgustike kontodele üles laaditud piltidega ja teada saada mööduja isik sekunditega. Samal ajal loovad kunstnikud, aktivistid ja masinnägemise spetsialistid tööriistu, mis suudavad taastada inimestele privaatsuse, isikliku ruumi, mis kahaneb nii peadpööritava kiirusega.

Algoritmide erinevatel etappidel saate tuvastamist segada. Reeglina rünnatakse äratundmisprotsessi esimesi samme – kujundite ja nägude tuvastamist pildil. Nii nagu sõjaväeline kamuflaaž petab meie nägemist, varjates objekti, rikkudes selle geomeetrilisi proportsioone ja siluetti, nii püütakse masinnägemist segamini ajada kontrastsete värvilaikudega, mis moonutavad selle jaoks olulisi parameetreid: näo ovaal, silmade asukoht, suu. jne. Õnneks pole arvutinägemine veel nii täiuslik kui meil, mis jätab sellise “kamuflaaži” värvide ja vormide valikul suure vabaduse.

Roosad ja lillad, kollased ja sinised toonid domineerivad HyperFace rõivasarjas, mille disainer Adam Harvey ja startup Hyphen Labs avalikustasid 2017. aasta jaanuaris. Pikslimustrid annavad masinnägemise ideaalse – selle vaatevinklist – inimese näopildi, mille arvuti peibutusvahendina kinni püüab. Mõni kuu hiljem töötas Moskva programmeerija Grigori Bakunov ja tema kolleegid välja isegi spetsiaalse rakenduse, mis genereerib identifitseerimissüsteemide tööd segavaid meigivalikuid. Ja kuigi autorid otsustasid pärast järelemõtlemist programmi avalikus omandis mitte levitada, pakub seesama Adam Harvey mitmeid valmisvõimalusi.

Inimene, kellel on mask või kummaline meik näol, ei pruugi olla arvutisüsteemidele nähtav, kuid teised inimesed pööravad talle kindlasti tähelepanu. Siiski on võimalusi vastupidiseks toimimiseks. Tõepoolest, närvivõrgu seisukohalt ei sisalda pilt kujutisi meie jaoks tavapärases tähenduses; tema jaoks on pilt arvude ja koefitsientide kogum. Seetõttu võivad täiesti erinevad objektid tunduda talle millegi üsna sarnasena. Teades neid tehisintellekti töö nüansse, saate läbi viia peenemat rünnakut ja pilti vaid veidi korrigeerida - nii et muutused jäävad inimesele peaaegu märkamatuks, kuid masinnägemine saab täielikult petta. 2017. aasta novembris näitasid teadlased, kuidas väikesed muutused kilpkonna või pesapalli värvuses näevad Google InceptionV3 enesekindlalt hoopis püssi või espressot. Ja Mahmoud Sharif ja tema kolleegid Carnegie Melloni ülikoolist kujundasid prillide raamidele laigulise mustri: see peaaegu ei mõjuta teiste näo tajumist, kuid Face ++ abil arvutituvastus ajab selle enesekindlalt segi inimese näoga. kellele” on kujundatud raamil olev muster.

Veel hiljuti tundusid näotuvastuse võimalusega turvasüsteemid midagi fantastilist ja neid võis näha vaid filmides. Kuid viimastel aastatel on palju muutunud. On uusi arenguid, mis on muutnud turvasüsteemide ideed.

Õigest lähenemisest isikliku turvalisuse korraldamisel ja vara kaitsmisel sõltub ühiskonna olemasolu kvaliteet ja mugavus. Pole üllatav, et kaitsenõuded kasvavad pidevalt. Üks uuendustest oli näotuvastusfunktsiooni välimus. Millised on selle omadused? Kus seda rakendatakse? Mis põhimõttel see töötab? Neid ja muid küsimusi arutatakse üksikasjalikult artiklis.

Rakendused

Näotuvastuse eeliseid ei saa ülehinnata. Selle funktsiooniga turvasüsteeme kasutatakse erinevates valdkondades – läbipääsusüsteemi korraldamisel suurtes organisatsioonides, sissetungijate otsimiseks, eraobjektide kaitsmiseks jne.

Üldiselt on sellise turvasüsteemi abil võimalik lahendada järgmised ülesanded:

• Korraldage ettevõttes või muudes suletud rajatistes kontrollpunktis usaldusväärne ja tõhus läbipääsusüsteem. Suurema efektiivsuse huvides on videovalve kombineeritud turnikestega. Tänu sellele tunnete kiiresti ära oma töötajad ja võõrad.
• Looge müügikohtades ja eraobjektides vargusvastane süsteem. Pole saladus, et erinevad kauplused, kaubanduskeskused, supermarketid ja muud asutused puutuvad kokku probleemsete klientidega, kes on altid vargustele. Enamasti panevad vargused toime samad inimesed. Sobiva aluse olemasolul võimaldab näotuvastusfunktsioon isiku õigeaegselt tuvastada ja valvurit teavitada. Sellest tulenevalt on võimalik vara kaitseks rakendada täiendavaid abinõusid.
• Korraldage turvasüsteem, mis pakub kaitset võõraste tungimise eest suletud struktuuridesse ja eramajapidamistesse. Isegi hoolika jälgimise korral ei suuda valvur alati ründajat teisest objektist eristada. See kehtib eriti siis, kui kaamera on paigaldatud vähese valgusega piirkonda. Näotuvastusfunktsiooniga spetsiaalsete süsteemide paigaldamine aitab inimest kiiresti tuvastada ka pimedas. Selle, mis turvamehele üle jõu käib, saab hõlpsasti lahendada arvutimooduli abil.
• Näokontrolli tagamine ööklubides. Kõne all olevate süsteemide olemasolu klubides tagab 100% kaitse "probleemsete" külastajate eest.

Kuidas see töötab?

Suurimat huvi pakub süsteemi tööpõhimõte, mis on võimeline mitte ainult pilti monitorile edastama, vaid ka inimeste nägusid ära tundma. Spetsiaalse mooduli ülesandeks on teabe lugemine, samuti selle hilisem võrdlemine andmebaasis olemasolevate andmetega. Sellised kompleksid on võimelised tuvastama inimese näo kaamerast kuni 10 m kaugusel.

Süsteemi üheks omaduseks on kõrge "tundlikkus", mis võimaldab inimese ära tunda ka siis, kui välimus muutub. Moodulit ei saa maha lüüa, kasutades prille, muutes soenguid, habet ega muid täiendavaid maskeerimiselemente näol. See on tingitud asjaolust, et analüüsitakse mitte näojooni, nagu paljud usuvad, vaid kolju struktuuri, selle biomeetrilisi parameetreid. Sellised omadused on individuaalsed, nagu sõrmejäljed, mis välistab vea võimaluse.

Teavet skaneeritakse ja töödeldakse reaalajas. Piisab, kui külastaja pöörab näo skanneri poole, kuna süsteem määrab inimese ja annab käsklusi teistele organitele. Kui näotuvastusmoodul on ühendatud pöördväravate või muude blokeerimisseadmetega, aktiveeritakse need automaatselt. Lisaks talletatakse mällu kahtlase isiku foto, et valvurid saaksid seda edasi töödelda ja analüüsida.

Identifitseerimisfunktsiooniga süsteemid on enim kasutusel suurettevõtetes, kus on tihe konkurents. Pole saladus, et ettevõtte edu sõltub turvalisuse tasemest. See kehtib eriti organisatsioonide kohta, mis töötavad kaitsesektoris, tegelevad uute projektide väljatöötamisega või bioloogiliste uuringutega.

Süsteemi ülesanne on võrrelda töötajaid ja ühildada isikuid olemasoleva andmebaasiga. Kui isikut nimekirjas ei ole, antakse märguanne valvuritele, misjärel viimased rakendavad meetmeid, et vältida kõrvaliste isikute sattumist objekti. Samas fikseeritakse avastamiskoht täpselt elektroonilisele kaardile ning turvaosakonna töötajad tuvastavad sissetungija mõne minuti jooksul.

Paigaldusfunktsioonid

Näotuvastusvõimalustega süsteemi installimisel tasub arvestada, et videokaamerad saavad töötada ühes kahest režiimist - 2D või 3D. Esimesel juhul tehakse analüüs tasapinnalise pildi põhjal ning kahemõõtmelised kaamerad on valgustuse suhtes ülitundlikud. Sellest järeldub, et 2D kaamerate paigaldamisel tuleks erilist tähelepanu pöörata kaitstava objekti valgustamisele ja kaitsealade katvusele.

Mis puutub 3D-kaameratesse, siis need töötavad kolmemõõtmelise objektiga, mis põhineb seadme edastatud pildil. Sel juhul võid valgustuse taset ignoreerida, sest süsteem tuleb talle määratud funktsioonidega hästi toime ka pimedas. Ainus oht on see, et näo tekstuur on veidi moonutatud.

Mis tüüpi sellised süsteemid on olemas?

Näotuvastusfunktsiooniga süsteemide valimisel on oluline keskenduda mitmele tegurile – eesmärkidele, eesmärkidele ja paigalduskohale. Lisaks tasub arvestada selliste seadmete tüüpidega:

• tuvastussüsteemid. Kaamera eraldusvõime on 1 MP ja fookuskaugus 1 mm. Seadme töö eesmärk on välismaiste isikute kaitstud objektidesse tungimise fakti fikseerimine. Skänneri eripära on võime eristada inimest loomast, kuid see ei toimi inimese tuvastamiseks.
• tunnustamise süsteem. See kompleks on keerulisem ja sisaldab 2-megapikslist kaamerat, mille fookuskaugus on kuus millimeetrit. Ülesanne on ära tunda näod ja määrata need põhimõttel “sõber või vaenlane”. Video vaatamise korral ei jää pilt selgeks. Süsteem tuvastab volitamata isikud, kuid varguse korral on salvestatud pildilt varast raske leida
• Identifitseerimisseadmed. Sellise süsteemi korraldamisel kasutatakse 2 MP või suurema eraldusvõimega kaameraid, mille fookuskaugus on üle kaheksa millimeetri. Sellised kompleksid on võimelised täitma ülalkirjeldatud funktsioone. Eeliseks on see, et saadud pilt on piisav varga tuvastamiseks foto järgi. Olemasolevat raami saab kasutada uurimisprotsessis ja esitada isegi kohtule.

Järgnevas kirjelduses käsitletakse turvasüsteemide miinimumnõudeid fookuskauguse ja "pildi" eraldusvõime osas. See tähendab, et varustust ostes tuleks keskenduda paremate omadustega toodetele, mis tagavad parema pildistamise. Näiteks tuvastussüsteemidesse sobivad paremini 2 MP kaamerad fookuskaugusega 8 mm. Mis puutub identifitseerimiskompleksidesse, siis siin on soovitused veelgi tõsisemad. Soovitav on kasutada videokaameraid eraldusvõimega 5 MP ja fookuskaugusega 12 mm.

Teeme lühidalt kokkuvõtte:

• 1MP eraldusvõimega videokaamera võimaldab eristada inimest loomast. Sel juhul ei saa subjekti tuvastada.
• Nägude kinnitamiseks ja olemasoleva alusega võrdlemiseks peab kinnitusseadme eraldusvõime olema 2 MP või rohkem.
• Isiku tuvastamiseks on soovitav kasutada 5-megapikslist kaamerat.

Näha tähendab nähtu mõistmist. Oleme pimedad, kui neokorteksi, omamoodi mustrite tuvastamise eest vastutava bioarvuti visuaalsed tsoonid meie ajus ei tööta. Nüüd ilmuvad sellised analüsaatorid, mis suudavad nägusid ära tunda ja nende väljendust mõista, tehissüsteemidesse.

Nii et asjad saavad nägemiseks ja nägemisel on oma mõistus. Alguses tundub mulle, et ta on rumal: äsja sisse lülitatud LUNA näotuvastussüsteem ei kiirusta tavarežiimi sisenema ja mind meeles pidama. Kuid lõpuks teatab ta, et mäletas, ja küsib nime. Soo ja vanuse saab LUNA ise määrata. Sooga on lihtne: mul on habe, kuid süsteem hindas mu vanust viie aasta võrra üle – ilmselt sama habe tõttu.

Nüüd tunneb kaamera mu ära isegi siis, kui võtan prillid eest või pööran pead. Peame proovima midagi tõsisemat - suundume parukate ja valevuntsidega kappi. Valin paksud kiharad, mis peidavad ka pool nägu - LUNA tunneb mu ikka ära.

Olles piisavalt parukatega mänginud, avame ICQ ja hakkame videokõnede jaoks maskidega lõbutsema: maskid kantakse mu diginäole reaalajas - videovestluses saab vestelda tundmatutega.

Meie programmi järgmine number on Face.DJ. See rakendus koostab selfie'st näost 3D-mudeli ja seejärel "paneb" selle näo virtuaalsesse pähe, et saaksite proovida soenguid ja aksessuaare. Rakenduse teine ​​eesmärk on animeerida kasutajat, luua temast koomiksi koopia mängude ja muude võrgutegevuste jaoks.

Valmistame sama rakendust tutvumisteenuse jaoks: inimesed ei taha sageli esimesel kontaktil end avada, - ütleb LUNA välja töötanud VisionLabsi suhtekorraldusjuht Yulia. - Mõned kannavad maske, et lisada romantilisse suhtlusesse mängulist elementi.

Platvormideülesel LUNA süsteemil on ka palju maske. Telegrami messengeris on rakendus, mis tuvastab soo ja vanuse näo järgi, pilves on LUNA ja brauseri jaoks LUNA. Kuid peamine on see, et seda programmi saab rakendada mitmesugustes tehnoloogilistes toodetes, et seda saaks kasutada näotuvastuseks.

Näiteks peab üks meie klientidest valima fotod – nn bestshot videovoost. Niisiis, meie programm tuleb sellega ise toime. Teisel kliendil on vaja, et süsteem tuvastaks näo mitte ainult internetipanka sisenedes, vaid kogu seansi vältel, sest võite eemalduda ja ründaja kasutab teie juurdepääsu. Ka selle ülesandega saime hakkama.

VisionLabsi peamised kliendid on pangad. Näiteks Postipangas on LUNA süsteemiga varustatud 50 tuhat töökohta - see on suurim biomeetria kasutuselevõtt maailmas. Samuti on oluline ära tunda klientide nägu, et võrrelda passis olevaid fotosid andmebaasis olevate fotodega. Lõppude lõpuks on kõige levinum pettus selles valdkonnas oma foto kleepimine laenu saamiseks kellegi teise passi.

Kuidas autod näevad

Meie poole pöördub VisionLabsi direktor Aleksander Khanin.

Rääkige meile arvutinägemisest?

Aleksander Khanin: Arvutinägemine on rakendusmatemaatika valdkond, mis on oma keerukuselt samaväärne tehisintellekti loomise ülesandega üldiselt. Visuaalne kanal on peamine kanal ümbritseva maailma kohta teabe saamiseks. Ja me usaldame seda, mida oma silmaga näeme, rohkem kui teisi allikaid.

Meie ülesanne on õpetada foto või video põhjal programm järeldusi tegema ja pildist inimesega sarnaselt aru saama. Või veel parem. Siis jõuab masin mehele selles oskuses järele, võib lugeda, et probleem on lahendatud. Seni on see lahendatud vaid mõne kitsa rakendusala puhul. Näiteks seadmete defektide või näotuvastuse tuvastamiseks.

Kas näotuvastusprobleem on lahendatud?

Aleksander Khanin: Jah, see on juba usaldusväärselt näidatud, et masin eristab nägusid paremini kui meie. Ja täpsemalt ja kiiremini. Inimene ei oska väga hästi määrata vanust, rahvust. Need, kes elavad Euroopas, ei suuda eristada Aasia välimusega inimeste nägusid ja vastupidi. Oleme ka unustajad. Kõige tipuks teeb masin seda kümneid miljoneid kordi kiiremini.

Aga inimene ei analüüsi üksikuid parameetreid, vaid inimest ja isegi olukorda tervikuna. Me mõistame konteksti, milles vestluskaaslase nägu võtab selle või teise väljenduse. Kuidas masin selle kõigega toime tuleb?

Aleksander Khanin: Arvutinägemise ja masinõppe parimate tavade ühendamine. Võtame näiteks süvaõppemeetodi – selle eripära on see, et inimene ei sea äratundmiseks näoparameetreid.

Kas närvivõrk programmeerib ise?

Aleksander Khanin: Närvivõrgud ilmusid juba 1970. aastatel ja revolutsioon selles valdkonnas algas umbes 2013-2014. Sest alles selleks ajaks oli võimalik närvivõrkude õpetamiseks koguda piisavalt suuri andmemahtusid ja arvutusvõimsus läks suhteliselt odavaks. Mõttetuks muutus deterministlike tuvastamismeetodite edasiarendamine – täpsustada, milliseid näoosi kuidas võrrelda.

Läbimurre saabus siis, kui loobuti seatud parameetritest, näiteks võtmepunktidest näol. Selle asemel anti masinale ülesanne: "Vaata, siin on kümme tuhat paari fotosid, iga paar on üks inimene. Analüüsige neid, et saaksite fotodelt kindlaks teha, et te ei näe ikka veel, kus üks inimene on, ja kus teistmoodi." Masin ise leiab selle probleemi lahendamiseks olulised parameetrid.

Kas nii treenisite oma süsteemi?

Aleksander Khanin: No jah, see on tüüpiline tuvastamisülesanne – võrrelda praegu tehtud fotot passis oleva fotoga ja kinnitada, et tegemist on sama inimesega. Andsime masinale sisendiks suurandmed - miljonid paarid fotosid ja väljundis nõudsime iga fotoportree puhul õiget vastust. Ja süsteem õppis - ta ise reguleeris parameetreid nii, et vigu minimeerida. See tähendab, et süvaõppe jaoks tuleb esmalt leida koolitusnäidis – palju näiteid õigetest lahendustest. Seejärel töötab programm iseenesest.

Kust sa need miljon fotopaari said?

Aleksander Khanin: Teadlastele on olemas koolituskomplektid – algul kasutasime neid ning seejärel tegime koostööd partnerite ja klientidega, kes võimaldasid meil nende andmete põhjal koolitust jätkata.

Kuidas turul edu saavutada

Inimeste näo järgi äratundmise ülesanne on lahendatud. Kuidas oleks emotsioonide määratlemisega?

Aleksander Khanin: Nagu näiteks Aafrika riikides läksid inimesed telegraafist mööda ja läksid kohe üle mobiilsidevõrku, nii liikusime ka meie, emotsioonide äratundmise probleemi lahendamata, kohe kõrgemale tasemele – järeldustele meie jaoks oluliste inimlike omaduste kohta. kliendid. Äri näitab, et sellest, et masin tunneb ära, kas inimene naeratab või kortsutab kulmu, pole kasu. Vaja on rohkem arenenud oskusi.

Kas tunnete ära näiteks valesid?

Aleksander Khanin: Jah. Või otsustage, kas kandidaat vastab teie nõuetele või mitte. Ükskõik, kas klient on teenusega rahul või mitte – naeratus võib ju väljendada mitte ainult rõõmu, vaid ka mõnitamist ja varjatud rahulolematust. Seetõttu on emotsioonide äratundmine omaette alaülesanne. Uurime nägu dünaamikas, küsimustele reageerimise järjestust, teenust, keskkonda.

Kas maailmas on uuenduslikke tooteid, millele keskendute?

Aleksander Khanin: Oleme eesliinil. On meditsiiniline tõsiasi, et meie toode on maailma esimene pankade ja jaekaubanduse terviklik näotuvastussüsteem, mis töötab mobiiltelefonis, veebilehel, kontorites, sularahaautomaatides ja iseteenindusterminalides – kõikjal. Me pole mitte ainult esimesed, vaid seni minu teada ainsad.

Kas mõnesse iseteenindusterminali on juba näotuvastussüsteem paigaldatud?

Aleksander Khanin: Jah, näiteks Otkritie pangas - elektroonilise järjekorra terminalides. Ja need ei ole pilootprojektid, vaid need, mis töötavad ja rahuldavad kliente reaalsetes tingimustes.

Kas sulle tundub, et konkurendid hingavad sulle selga?

Aleksander Khanin: Meile lähedastes piirkondades on palju pilootprojekte. Ainuüksi Venemaal on näotuvastusega tegelevaid ettevõtteid kümneid, Hiinas umbes sada ja maailmas üle tuhande. Seetõttu ütlen, et näotuvastuse probleem ise on lahendatud, vähemalt enamiku segmentide ja praktiliste ülesannete puhul.

Tehnoloogia ei ole turuedu jaoks oluline. Enamikku kliente ei huvita, mis tehnoloogia meil on ja kuidas me probleemi täpselt lahendame, näiteks pangas või poes teeninduse kiirendamiseks – näotuvastuse, ilmaennustuse või musta maagia abil. Nad hoolivad tulemuste saavutamisest.

Tunnustage kõiki!

Milliseid ülesandeid pole veel lahendatud, kuid mis tulevad - lähitulevikus? Mille kallal spetsialistid töötavad?

Aleksander Khanin:Üks olulisemaid lahendamata probleeme on näotuvastus täiesti kontrollimatus keskkonnas, näiteks rahvamassis. Paljud ütlevad, et teavad, kuidas seda teha, kuid tegelikult pole veel midagi sellist rakendatud. Ilmselt asjata nad ütlevad.

Kas juhuslike inimeste näo järgi äratundmine pole ebaseaduslik? See on isikuandmete kasutamine.

Aleksander Khanin:Äritegevus on muidugi keelatud. See on inimõiguste ja eraelu puutumatuse rikkumine. Üldiselt võimaldab tehnoloogia meil praegu teha palju rohkem, kui seadus lubab. Aga me töötame ainult valges tsoonis – täies seaduses järgides. Meie jaoks on oluline mitte rikkuda inimeste õigusi. Meil ei ole õigust kasutada ilma isiku nõusolekuta tema andmeid sotsiaalvõrgustikest ja seetõttu ei loo me näiteks poele süsteemi, mis otsib kliendi kohta infot tema foto järgi. Kuid me saame välja töötada programmi, mis hindab foto põhjal ligikaudselt ostjate soo ja vanuse.

Meie ettevõte töötab ainult ettevõtetega, kuid riigi julgeolekuteenistustel on süsteemid, mis otsivad inimesi foto järgi.

See tähendab, et FSB on lubatud, aga tavainimesed mitte?

Aleksander Khanin: Jah. Kui luureagentuur soovib leida rahvahulgast terroristi, peavad nad kõik skannima ja ära tundma. Ja kui inimene läks poodi ja fotoprogramm leidis sotsiaalvõrgustikus tema konto, tundis telefoni ära ja hakkas rämpsposti saatma, on see väga tõsine rikkumine. Läänes on see kriminaliseeritud.

Kas lennujaamadel on juba näotuvastussüsteemid?

Aleksander Khanin: Jah, enamasti passikontrollis – nad kontrollivad, kas see on sinu pass, kas see pole võlts ja kas sa oled blokeeritud või föderaalse tagaotsitavate nimekirjas. Välismaal on automatiseerituse aste palju kõrgem. Singapuri, Londoni, Pariisi lennujaamades saab passikontrolli läbida automaatselt, ilma töötajate osaluseta. Skaneerite oma passi, teid pildistatakse, toimub kontrollimine - ja kõik, võite edasi liikuda.

Arva ära, mis on pildil

Kuidas arvutinägemine areneb?

Aleksander Khanin: Seal on suur rühm ülesandeid, mida nimetatakse visuaalseks küsimuseks vastamiseks: näitad pilti arvutile ja see peab aru saama, mida seal näidatakse. See on väga raske: kui õpetad lihtsalt objekte eraldi ära tundma, siis miski ei tööta – pead mõistma konteksti ja objektide suhet.

Teine sarnane ülesanne on inimese tegude äratundmine, sest ka need on suuresti määratud kontekstiga. Näiteks kui inimene tõstis käe, mida see tähendab? Kas ta näitab teed või lööb kedagi? Siin me istume ja mõtleme.

Nii et soovite õpetada masinaid ära tundma pilte, mille tähendus sõltub kontekstist?

Aleksander Khanin:Õpetada tõlgendama konteksti ja seeläbi ära tundma pilte, tegevusi, stseene.

Kui robotid ärkavad

Aleksander Khanin: Tahaks näha, et arvutinägemise areng lõpetataks. Siis on robotitel tõelised silmad, mis tähendab võimet toimuvast aru saada ja asjakohaselt reageerida. Vastasel juhul ei saa nad ühiskonna osaks, vaid jäävad pultidega mänguasjadeks.

Kuidas näotuvastussüsteemid meie elu lähiaastatel muudavad?

Aleksander Khanin: Kindlasti märkate selliste süsteemide tööd autoriseerimisel – näiteks telefoni avamisel. Paljud on Touch ID-ga juba harjunud, kuid peagi on levinuim viis süsteemi siseneda näo järgi. Koju tulles ei hakka sa võtmeid otsima, tööl pole passi vaja. Teenindus ja iseteenindus pankades, kauplustes, kogu teenindussektoris kiireneb: maksed hakkavad toimuma ilma kaardita.

Tänavad muutuvad turvalisemaks, sest sinna tuleb jälgimisfunktsiooniga videovalve. Linnad ja riigid saavad täiendava kaitse ning kuriteo eest maksmine muutub vältimatuks. Süsteem salvestab kõik: kes seda tegi ja kus, kuhu hiljem läks. Mõiste "turvaline linn" asendatakse "targa linnaga": sama infrastruktuur tagab turvalisuse ja kontrollib näiteks inimeste ja autode liikumist, aga ka palju muud.

Igal pool sama kaamerate ja arvutinägemise süsteem?

Aleksander Khanin: Jah, algoritm ei hooli, keda ära tunda: VIP-klienti või varas. Kõigi näod on ühesugused: silmad, suu ja nina. Kuid see pole ainult nägu. Sama süsteem võib võtta näiteks valgustuse reguleerimise. Kui ruumis pole inimesi, siis milleks elektrit põletada? Masin helistab kommunaalteenustele, kui tuvastab probleeme jne.

Elamine maailmas, kus kõik on silme ees, on hirmutav. Tehniliselt muutub üha lihtsamaks ehitada düstoopiat, kus kõik on täieliku jälgimise all...

Aleksander Khanin: Ma arvan, et maailm muutub lõpuks paremaks ja palju turvalisemaks. Kuid valetada on raskem. Näiteks töötasime koos partneritega hiljuti välja toote, mis mitte ainult ei anna juurdepääsu töötuppa, vaid võtab arvesse ka seal veedetud aega: saabuti sellisel ja sellisel kellaajal, lahkuti sellisel kellaajal. Jäi vahele, hilines, ei naasnud lõunalt - kõik salvestatakse.

Ja selle eest ei saa kuidagi peitu? Kindlasti tuleb ka kellegi teise näoga maske.

Aleksander Khanin: Loomulikult on süsteemi petmiseks palju võimalusi ja selles vallas on "võidurelvastumine" alles algamas. Seal oli video, kus õpetati tegema äratundmist takistavat meiki. Aga see oli umbes kolm aastat tagasi – praeguseid algoritme pole nii lihtne teostada.

Mis siis, kui näitate näo asemel fotot?

Aleksander Khanin: Petturite väljaselgitamiseks on näotuvastussüsteemidesse programmeeritud spetsiaalne "elulisuse detektor", mis määrab, kas tema ees on inimene või foto. Elujõulisuse näitajaid on mitu. Lihtsaim, mida peetakse maailma standardiks, vilgub. Teine süsteem võib paluda inimesel naeratada, pöörata pead, liikuda kaamerale lähemale, veendumaks, et ta on tõeline. Kuid kui kaamera on varustatud sügavusanduriga, pole see vajalik: masin saab kohe aru, et kaadris on kolmemõõtmeline objekt, mitte foto.

Kes veel juhib

Näotuvastus ei ole ainult teadus ja tehnoloogia, vaid ka suur äri, mis arenenud riikides kasvab tohutu kiirusega. Uuringufirma Allied Market Research prognoosib, et aastaks 2022 on selle käive ligi kümme miljardit dollarit. Juhtmängijate hulgas on ka venelasi. Kümnete idufirmade ja uurimisprojektide seast oleme välja toonud kolm kõige edukamat.

NTechLab. Moskva Riikliku Ülikooli lõpetanud Artem Kukharenko alustas rakendusega, mis määras foto järgi koerte tõu. Kuid juba 2015. aastal võitis tema ja tema partnerite NTechLabi projektis loodud algoritm FaceN maailma peamisel MegaFace näotuvastusvõistlusel neljast nominatsioonist kaks, edestades Google’i meeskonda. Tõeline kuulsus tuli ettevõttele aga pärast populaarseima FindFace'i rakenduse väljatöötamist, mis on mõeldud VKontakte'i sotsiaalvõrgustikus inimeste fotode otsimiseks. Tänaseks on FindFace'i tehnoloogia integreerimise rakenduste arv lähenemas tuhandele.

Vocord. Ettevõtet Vocord võib julgelt pidada näotuvastuse maailmameistriks: MegaFace'i võistluse veebisaidil saavutab see esikoha, juhtides kindla vahega. Vocordi meeskond on arvutinägemissüsteemide turul veteranid: nad andsid 2008. aastal välja kaugbiomeetrilise näotuvastusprogrammi Vocord FaceControl ja täna kasutab nende tooteid enam kui kaks tuhat äri- ja valitsusorganisatsiooni. Ettevõte on spetsialiseerunud näotuvastusele ehk inimese otsimisele rahvahulgast.

VisionLabs. Nende tooted kuuluvad kolme parima kaubandusliku näotuvastussüsteemi hulka maailmas. Lisateavet selle ettevõtte kohta saate põhitekstist.

Peamised biomeetria tüübid

Inimese tuvastamise meetodite rahvusvaheline klassifikatsioon

Nägu. Näo foto- või videopildi programm analüüsib silmade, nina, põsesarnade suurust ja kuju, nende suhtelist asendit ning loob nende andmete põhjal unikaalse kombinatsiooni, mida seejärel võrreldakse olemasolevatega. .

Sõrmejäljed. Sõrmejäljemeetod põhineb naha papillaarmustri unikaalsusel ja seda kasutatakse laialdaselt kohtuekspertiisis.

Kõne. Tuvastamismeetod, mis põhineb kõlava kõne muutmisel digitaalseks teabeks.

Silmad.Äratundmine toimub iirise digitaalse kujutise võrdlemisel andmebaasis saadaolevatega.

Viin. Identifitseerimismeetod käe või sõrmede venoosse mustri järgi.

Juubeliaasta iPhone X sai oma konkurentide seas ühe erakordseima funktsiooni. Lipulaev suudab ära tunda omaniku näo ning Touch ID ja Home nupu asemel on insenerid integreerinud TrueDepth kaamera ja Face ID funktsiooni.

Kiiresti, koheselt ja ilma paroolide sisestamise vajaduseta. Nii et saate iPhone X-i juba täna avada.

Apple on tuntud selle poolest, et vaatab alati tehnoloogilist tulevikku juba ammu enne, kui järgmisest funktsioonist saab standard. IPhone X ja näoskanneri puhul on ettevõte kindel, et näotuvastus on tulevik.

Vaatame, kas Apple või meie näod on valed – see on kindel edasipääs digitaalsesse tulevikku.

😎 Tehnoloogiajaotis ilmub igal nädalal re:Store'i toel.

Kuidas siis näotuvastus töötab?

Näotuvastustehnoloogia vajab töötamiseks mitut komponenti. Esiteks server ise, kuhu salvestatakse nii andmebaas kui ka koostatud võrdlusalgoritm.

Teiseks läbimõeldud ja treenitud närvivõrk, millele toideti miljoneid fotosid märkidega. Selliseid võrgustikke on lihtne treenida. Laaditakse üles ja esitatakse süsteemi hetktõmmis: “See on Viktor Ivanov”, siis järgmine.

Närvivõrk jaotab iseseisvalt tunnusvektorid ja leiab näo geomeetrilised mustrid nii, et suudab seejärel iseseisvalt tuvastada Victori tuhandete teiste fotode hulgast.

Samas FaceN-tehnoloogias, millest me allpool räägime, kasutatakse umbes 80 erinevat numbrilist funktsiooni.

Miks nad järsku näotuvastusest rääkima hakati?

2016. aasta keskel paiskas Internet rakenduse ja samanimelise rakenduse sõna otseses mõttes õhku. Neuraalvõrke kasutades on arendajatel õnnestunud ellu viia sotsiaalvõrgustike kasutajate metsikuim unistus.

Inimest tänaval nähes võiks temast nutitelefonis pilti teha, foto FindFace’i saata ja mõne sekundi pärast VKontakte’ist tema leht üles leida. Algoritmi täiustati, täiendati ja nägude tuvastamine on järjest parem.

Ja kõik sai alguse koeratõugude äratundmisest fotode järgi. FaceN-i tuvastustehnoloogia ja rakenduse Magic Dog autor Artem Kukharenko. Poiss mõistis kiiresti, et see tehnoloogia on tulevik, ja hakkas seda arendama.

Pärast FindFace'i rakenduse edu saavutas arendusettevõtte N-Tech.Lab asutaja Kukharenko taas veendumuse, et näotuvastus on huvitav peaaegu igas tööstusharus:

2016. aasta mais alustas N-Tech.Lab koos Moskva valitsusega teenuse testimist. Kogu pealinna oli paigutatud kümneid tuhandeid kaameraid, mis tuvastasid reaalajas möödujad.

Tõsilugu. Lihtsalt jalutad läbi hoovi, kuhu on paigaldatud sarnane kaamera. Sellega on ühendatud kurjategijate ja kadunud inimeste andmebaas. Kui algoritm tuvastab, et olete kahtlustatavaga sarnane, saab politseinik kohe hoiatuse.

Muidugi võib inimese kohe sotsiaalvõrgustikust üles leida ja suvalistest alustest läbi lüüa. Kujutage nüüd ette, et sellised kaamerad on paigaldatud kogu linna perimeetrile. Ründaja ei pääse põgenema. Kaamerad on igal pool: hoovides, sissesõitudel, kiirteedel.

Ja kuidas on näotuvastusega Venemaal

Teid üllatab, kuid alates 2016. aasta keskpaigast on Moskva linnapead kogu linnas aktiivselt näotuvastussüsteemi juurutanud.

Tänaseks on Moskva kõrghoonete sissepääsude juurde paigaldatud üle 100 000 kaamera, mis suudavad nägusid ära tunda. Hoovidesse on paigaldatud üle 25 tuhande. Täpsed arvud on muidugi salastatud, kuid võite selles kahelda – aktiivjuhtimine levib kiiremini, kui arvata oskate.

Pealinnas paigaldatakse näotuvastussüsteeme kõikjale: väljakutest ja rahvarohketest kohtadest ühistranspordini. Alates süsteemide paigaldamisest on kinni peetud üle kümne kurjategija, kuid seda vaid ametlikel andmetel.

Kõik kaamerad vahetavad pidevalt infot infotehnoloogia osakonna ühtse arvutuskeskusega. Kahtlased teated kontrollivad koheselt õiguskaitseorganid.

Ja see on alles algus. Eelmise aasta lõpus hakati sarnast juhtimissüsteemi katsetama ka Peterburi tänavatel. FindN-i pakutud tehnoloogia mugavus seisneb selles, et mingeid erikaameraid pole üldse vaja paigaldada.

Tavaliste CCTV kaamerate pilti töödeldakse "targa" algoritmi abil ja seal toimub tõeline maagia. Praegustel andmetel on FindFace'i tuvastamise täpsus tänapäeval vahemikus 73–75%. Arendajad on kindlad, et suudavad lähitulevikus saavutada 100% tulemuse.

Kuidas näotuvastus tekkis?

Algselt kasutati mis tahes tüüpi biomeetrilist tuvastamist eranditult õiguskaitseasutustes ja -teenistustes, kus turvalisus on prioriteet. Vaid mõne aastaga on anatoomiliste ja füsioloogiliste tunnuste mõõtmine isikutuvastamiseks muutunud standardiks peaaegu kõigis tarbevidinates.

Biomeetrilist autentimist on mitut tüüpi:

Ja just viimane tehnoloogia on eriti huvitav, kuna sellel on teiste ees korraga mitu eelist.

Näotuvastustehnoloogia prototüübiks 19. sajandil olid algul “kirjelduse järgi portreed”, hiljem aga fotod. Nii saaks politsei kurjategijad tuvastada. 1965. aastal töötati spetsiaalselt USA valitsuse jaoks välja poolautomaatne näotuvastussüsteem. 1971. aastal naaseb tehnoloogia, mis tähistab põhilisi näotuvastuseks vajalikke markereid, kuid mitte kauaks.

Sellest ajast peale on luureagentuurid eelistanud peamise biomeetrilise identifikaatorina tõestatud sõrmejälgede võtmise tehnoloogiat.

Ja kõik sellepärast, et tehnoloogia ei võimaldanud inimeste näojoontega suhelda. Ülitäpseid lasereid, infrapunasensoreid ja võimsaid protsessoreid, aga ka tuvastussüsteeme endid sel ajal ei eksisteerinud.

Võimsate arvutite tulekuga naasevad peaaegu kõik osakonnad näo skaneerimise abil tuvastamise juurde. Tehnikabuum osakondades ja eriasutustes saabub 2000. aastate keskel ning eelmisel aastal hakati tehnoloogiat esimest korda kasutama tarbeseadmetes.

Kus tänapäeval näotuvastustehnoloogiat kasutatakse?

Nutitelefonides

Näotuvastustehnoloogia populariseerimine sai alguse Apple’i lipulaevast. IPhone X seadis suundumuse aastateks ja originaalseadmete tootjad on Face ID analooge oma seadmetesse aktiivselt integreerinud.

pankades

Biomeetrilist näotuvastust on Ameerika Ühendriikides kasutatud juba mitu aastat. Nüüd on tehnoloogia jõudnud Venemaale. Ainuüksi 2017. aastal suudeti tänu selle süsteemi kasutuselevõtule ära hoida üle 10 tuhande petturliku tehingu ja säästa 1,5 miljardit rubla.

Kliendi tuvastamiseks ja laenu väljastamise võimaluse üle otsustamiseks kasutatakse näotuvastust.

Kauplustes

Jaemüügisegment kasutab tehnoloogiat omal moel. Seega, kui ostsite poest kodumasinaid ja pöördusite mõne aja pärast tavaliste ostude tegemiseks tagasi, tuvastab näotuvastussüsteem teid kohe sissepääsu juures. Müüja saab koheselt andmebaasist info ja saab teada mitte ainult sinu nime, vaid ka ostude ajaloo. Müüja edasist käitumist on lihtne ennustada.

Linnade elus

Täpselt selleks on tehnoloogia loodud ja välja töötatud. Alates staadionidest kuni kinodeni, kus iganes on tohutult palju inimesi, on tuvastamine eriti oluline. Tänapäeval aitab näotuvastustehnoloogia ennetada rahutusi ja terrorirünnakuid.

Millised ettevõtted on näotuvastusest huvitatud

Google, Facebook, Apple ja teised IT-hiiglased ostavad nüüd aktiivselt näotuvastusega tegelevatelt arendajatelt projekte kokku. Nad kõik näevad tehnoloogias tohutut potentsiaali.

Need on vaid mõned ametlikult välja kuulutatud tehingutest. Tegelikult on neid palju rohkem. Lisaks Face ID ja tehnoloogia analoogide integreerimisele nutitelefonidesse on juhtivatel IT-ettevõtetel näotuvastuse kasutamisega palju suuremad plaanid.

Milline näeb välja tulevik näotuvastusega?

Oleme juba aru saanud, mis eelised on nutitelefonides ja elektroonikaseadmetes näo skaneerimise tehnoloogiast, seega vaatame lähitulevikku ja kujutame ette üht päeva inimese elust, kes sattus linna, kus kõikjale on paigaldatud näotuvastuskaamera.

Tere hommikust! Naerata, targa kodu süsteem vaatab sind. Hmm, peremees, ma jõin eile palju - ma näen seda oma näost, ma ei tundnud seda peaaegu ära. Nii lõpetab Barsik oma naise kõrval koridoris õhtust sööki. Võõraid pole. Hämmastav.

Üks pilk kohvimasinale "tavalisest veidi lähemal" eemal ja teie keskmise kangusega americano leige piimaga on valmis. Oh, keegi on ukse taga! Ah, see on mu lemmik ämm. Tulge sisse, uks on teie jaoks avatud – ükski tunnustamissüsteem maailmas ei unusta teie nägu.

Oled valmis ja mine lifti. Ei, ei, see tuvastussüsteem juba teab, et eelistate sõita viimase liftiga, nii et sellele on juba helistatud.

Kaugelt nähes reguleeris 500-hobujõuline elektriauto automaatselt rooli ulatust ja korrigeeris istme asendit. Uks on lahti – istu maha.

Samal ajal kui autopiloodisüsteemide tootjad üritavad edutult veenda seadusandlust mehitamata sõidukite vajalikkuses, püüdke liikluseeskirju mitte rikkuda. Valvekaamerad on kõikjal ja trahvi maksmine on vältimatu. Sõidad ju kindlasti ja niipea, kui vajutad gaasipedaali põrandale, võetakse sinu pangakaardilt maha trahv kiiruseületamise eest.

Lõpuks oleme sama ettevõtte büroohoones, mis juurutab näotuvastustehnoloogiat Venemaa linnade infrastruktuuris. Jah, see on sinu töö. Kontroll on küll tihe, aga muretsema ei pea – autot parkides tundsid kaamerad su juba ära.

Töötamine on muutunud keerulisemaks: kogu kontori perimeetril on tuvastuskaamerad, mis “näevad”, kes mida teeb ja samas oskavad lugeda emotsioone. Ühesõnaga, töökohal narrimine ei toimi.