Uchambuzi wa mtiririko wa video kwenye seva

Uchambuzi wa mtiririko wa video kwenye kamera ya IP

1. Algorithm - megvii-000 kutoka Megvii, Uchina
   Kampuni ya Kichina Megvii na bidhaa yake kuu ya Face++. NaMakadirio ya KommersantMauzo ya kampuni hiyo yalikuwa karibu dola milioni 100.
2. Algorithms: nafasi ya 2 - visionlabs-003, nafasi ya 7 - visionlabs-002, VisionLabs, Urusi
3. Algorithms: mahali pa 3 - morpho-002, mahali pa 17 - morpho-000. OT-Morpho, Ufaransa
   Uzito mzito wa kwanza katika cheo na mauzo ya karibu euro bilioni 3 kwa 2017. Ushirikiano Oberthur Technologies (OT) na Safran Identity & Security (Morpho)
4. Algorithms: nafasi ya 4 - ntechlab-003, nafasi ya 13 - ntechlab-002 kutoka NtechLab, Urusi
   Kampuni ya Moscow, ambayo ilipata umaarufu kama msanidi programusuluhisho za kutafuta waigizaji wa ponografia .
   Imepokea uwekezaji kutoka RT - Maendeleo ya Biashara (kampuni tanzu ya Rostec) na mfuko wa Washirika wa VB. Kiasi cha uwekezaji hakijafichuliwa. Kama matokeo, kampuni tanzu ya Rostec ilipokea 12.5% ​​ya kampuni, Mfuko wa Uwekezaji wa Mtaji Mpya wa Dimension Fund, unaosimamiwa na Washirika wa VB, ulipokea 25% ya kampuni. NtechLab inapanga kuingia katika soko la mifumo ya usalama ya kitaifa na kuharakisha maendeleo katika sekta ya kibiashara.
5. Algorithm - cogent-000 kutoka Gemalto Cogent, Marekani
   Hutengeneza suluhu kamili za kibayometriki kwa kuzingatia utekelezaji wa sheria, udhibiti wa mpaka na utambulisho wa raia. Mauzo ya kila mwaka ya kimataifa ni takriban $205 milioni.
6. Algorithm - vocord-002 kutoka Vocord, Urusi
   Kampuni ya Vocord ilianzishwa mwaka wa 1999 na wahitimu wa MIPT Dmitry Zavarikin na Alexey Kadeishvili. Kulingana na SPARK-Interfax, mnamo 2014 mapato ya kampuni yalifikia rubles milioni 302; data ya hivi karibuni haikuweza kupatikana wakati wa kuandika.
7. Algorithms: - fdu-000, mahali pa 9 - fdu-001. Chuo Kikuu cha Fudan, China
8. Algorithm - neuroteknolojia-003. Neuroteknolojia, Lithuania
   Kutoka kwa tovuti ya kampuni unaweza pakua toleo la onyesho la programu kwa Kompyuta na simu mahiri za Android, toleo la onyesho la SDK. Kampuni ina chaneli ya YouTube ya habari. Bei zinachapishwa kwenye tovuti. Kampuni pia inatoa huduma yake ya wingu www.skybiometry.com
9. Algorithm - itmo-003. Chuo Kikuu cha Jimbo la Saint Petersburg cha Teknolojia ya Habari, Mechanics na Optics, Urusi
10. Algorithm - 3divi-001. Tridivi (3DiVi Inc.), Urusi
11. Algorithm - yitu-000. Yitu Technologies, China
    Bidhaa kuu ya Yitu ni mfumo wa utambuzi wa uso wa Dragonfly Eye, ambao hutumiwa na mifumo ya usalama ya serikali katika miji mbalimbali nchini China. Katika miezi mitatu ya kwanza ya kutumia mfumo huo huko Shanghai, wavunja sheria 567 walizuiliwa kwa kutumia Jicho la Kereng'ende. Mfumo huhifadhi picha bilioni 1.8, na hifadhidata inajumuisha picha sio tu za raia wa China, bali pia watalii wote wanaovuka mpaka wa nchi. Mfumo huo pia unatumika katika hafla za umma: wakati wa tamasha la bia huko Qingdao, kamera zilisaidia kuwaweka kizuizini watu 22 wanaotafutwa. Mamlaka za mitaaripoti ya mafanikio : katika mji mmoja, mfumo wa Yitu ulisaidia kupunguza uporaji kwa 30%, katika mji mwingine, ulisuluhisha uhalifu 500 katika miaka miwili. Kwa njia fulani ya kushangaza, mfumo huo ulisaidia hata kutambua mwathirika wa mauaji na fuvu lake miaka mitano baada ya uhalifu.
12. Algorithm - gorilla-000, Teknolojia ya Gorilla, Taiwan
13. Algorithm - cyberextruder-002, CyberExtruder, Marekani
14. Algorithm - tongyitrans-002,Teknolojia ya Usafiri ya TongYi, Uchina
15. Algorithm - yisheng-001,Teknolojia ya Umeme ya Zhuhai Yisheng, Uchina

Jumla: wawakilishi 5 kutoka Urusi, ambayo ni habari njema, 5 kutoka China, ambayo haishangazi hata.

Kwa kweli, kuna watengenezaji wengi zaidi wa kanuni za utambuzi; unaweza kupata nyingi ambazo hazipo hapa kwenye ukadiriaji wa MegaFace. Lakini hata ukitengeneza orodha moja, bado haitakuwa kamili. Karibu makubwa yote ya tasnia ya IT yanaunda algorithms yao ya utambuzi wa usoni - Facebook, Google (inazingatia mfumo wake wa utambuzi kuwa sahihi zaidi), Baidu, Microsoft, Yandex (majaribio ya idhini ya dereva kwa uso na sauti), VKontakte, Toshiba na wengine wengi.

Kuna hata.

Kutoka kwa utofauti huu wote, hitimisho kadhaa rahisi zinaweza kutolewa:

Ushindani katika soko hili utaongezeka, na matokeo yake tayari yamekuwa kupunguzwa kwa bei nyingi. Kwa mfano, mnamo 2017 Macroscop ilipunguza bei ya moduli yake ya utambuzi kwa mara 18, ambayo waliripoti kwa furaha kwenye wavuti yao, kana kwamba inawasilisha "hello kubwa" kwa wateja wao wote ambao walikuwa na bahati ya kununua moduli ya utambuzi kabla ya 2017.

Ni dhahiri kwamba bei itaendelea kushuka.Viashiria vya ubora wa algorithms ya utambuzi vinakua kila wakati, na katika hali nyingi hutofautiana kidogo kutoka kwa kila mmoja, bei inatofautiana sana, kama unaweza kuona hapa chini, utendaji hutofautiana zaidi kwa kiasi kikubwa, kwa kawaida, parameter kama vile utendaji lazima ijaribiwe. hifadhidata ya ukubwa wa juu zaidi.

Pia ni rahisi kugundua kuwa hakuna watengenezaji wa vifaa vya mifumo ya uchunguzi wa video kwenye makadirio, na bila kamera za video na vifaa vya uhifadhi, hadithi hii yote iliyo na algorithms inacheza tu kwenye kompyuta. Lakini ukweli kwamba hawapo haimaanishi kwamba hawaoni soko hili na hawaelewi umuhimu wake. Hapa kuna utambuzi wa uso kutoka Panasonic, kutoka NEC, Amazon na wengine wengi. Kwa ujumla, soko hili litakuwa moto sana hivi karibuni. Isipokuwa ufumbuzi wa programu(huu ndio wakati utambuzi unatokea moja kwa moja kwenye seva), kuna pia Simama Peke Yako suluhisho ni wakati utambuzi unatokea kwenye kifaa cha kusoma.




Programu ya utambuzi wa uso kwa mifumo ya CCTV

Kujaribu ufanisi wa kanuni za utambuzi wa uso bila shaka kunavutia, kama shindano lolote, lakini ni kama maonyesho ya mafanikio ya kiuchumi ya kitaifa. Inaonekana ya kuvutia, lakini jinsi hasa ya kuanza kuitumia na ni kiasi gani itagharimu haijulikani.Matokeo ya kazi ya algoriti kwa utambuzi wa uso itakuwa mechi au isiyolingana na msingi wa viwango. Na kisha, kulingana na maalum ya mfumo wako, hatua iliyopangwa tayari inapaswa kutokea. Kwa mfano, mteja wa VIP anapoingia, msimamizi mkuu hupokea arifa na data yote ya mteja kutoka kwa hifadhidata yako.

Au kinyume chake, wakati mtu kutoka kwenye orodha nyeusi anaingia, usalama hupokea taarifa. Au wakati mtu kutoka kwenye orodha nyeusi anajaribu kupita kwenye kituo cha ukaguzi, mfumo wa udhibiti wa upatikanaji huzuia kifungu - hii tayari ni ushirikiano wa mfumo wa utambuzi wa uso na mfumo wa udhibiti wa upatikanaji.

Uendeshaji wa mfumo wa utambuzi wa uso katika hali halisi ni ngumu nzima ya mwingiliano wa programu na vifaa.Ili kuandaa mwingiliano kama huo, kuna rundo la majukwaa yaliyojumuishwa ambayo hukuruhusu kuanzisha mwingiliano na mifumo ya udhibiti wa ufikiaji, mifumo ya ufuatiliaji wa video, mifumo ya usalama, mifumo ya usalama wa moto, mifumo ya CRM, mifumo ya usimamizi wa biashara, na zingine nyingi.

Kwa hivyo ikiwa hujihusishi na vikagua, lakini una bahati, sehemu kadhaa zinazofuata ni "Lazima Uwe nazo" kwako.
Majukwaa ya ujumuishaji ni jina kubwa; inatumika kwa watengenezaji walioorodheshwa hapa chini kwa viwango tofauti, kwa hivyo wakati wa kuchagua suluhisho za utambuzi wa uso, unahitaji kujijulisha na uwezo wote wa programu (jukwaa). Kwa kuzingatia mahitaji ya sasa ya biashara na fursa za maendeleo, sifa zote za ubora wa algoriti ya utambuzi wa uso na uwezo wa kuunganisha.

Wasanidi programu wa mifumo ya utambuzi wa uso na bei za moduli zao

ISS, Urusi, Programu ya “SecurOS® Face”


Leseni ya moduli ya kukamata uso - bei ya rubles 41,275
Kwa kituo. Imesakinishwa kwenye seva ya utambuzi wa uso au seva ya kunasa uso

Leseni ya moduli ya utambuzi wa uso (hadi watu 1000 kwenye hifadhidata) - bei ya rubles 665,760.
Kwa seva ya utambuzi wa uso.



Seva za programu kwa madhumuni ya utambuzi wa uso

Utambuzi wa uso, kama uchanganuzi wowote wa video, ni kazi inayohitaji kichakataji, kwa hivyo ili kupeleka hata mfumo mdogo wa utambuzi wa uso utahitaji seva zenye nguvu na sio za bei nafuu hata kidogo. Sifa za seva huchaguliwa kibinafsi na hutegemea mambo mengi - kutoka kwa idadi ya njia za utambuzi, hadi saizi inayotarajiwa ya hifadhidata ya nyuso za marejeleo, na muda wa uhifadhi wa kumbukumbu ya video.

Seva za programu ya utambuzi wa uso - bei kutoka kwa rubles 101,567
Chaguo la seva sio tu kwa zile zilizowasilishwa katika katalogi hii; mara nyingi, tunakusanya seva kulingana na mahitaji uliyotaja.




Kamera Bora za IP kwa Utambuzi wa Usoni

Tulijadili programu na seva hapo juu, lakini ili mfumo ufanye kazi, unahitaji kamera za IP. Ni sifa za ubora wa kamera ambazo zitaamua sana jinsi mfumo wa utambuzi wa uso utafanya kazi.

Wakati wa kuchagua kamera ya IP kwa utambuzi wa uso, tunapendekeza kuzingatia sifa zifuatazo.

WDR (Wide Dynamic Range)
Licha ya ukweli kwamba hivi karibuni kamera zilizo na WDR zimekuwa zikionekana kwa rubles 5,000, ubora wa picha ya kamera hizo ni duni sana kwa kamera kutoka kwa sehemu ya bei ya juu. Katika uzoefu wetu, kamera zilizo na WDR bora haziwezi gharama chini ya rubles 80,000.

Kasi ya fremu ya angalau fremu 60 kwa sekunde
Kiwango cha juu cha fremu kwa sekunde, kuna uwezekano mkubwa zaidi kwamba utapata picha yenye mwelekeo bora wa uso wa mtu kuhusiana na kamera, ambayo itaathiri moja kwa moja ubora wa utambuzi wa uso.

Lensi tofauti
Pikseli zaidi ziko kwenye uso wa mtu, picha itakuwa kubwa zaidi.

Uchunguzi umeonyesha kuwa kwa utambuzi wa uso wenye mafanikio, uso unahitajika kuwakilishwa na angalau saizi 160 kwa kila mviringo wa uso, na angalau pikseli 50 kwa umbali kati ya macho. Haijalishi unachagua kwa uangalifu eneo la kamera, ili kufikia maadili haya italazimika kubadilishwa ndani kulingana na mambo mengi. Hii ndiyo sababu unahitaji lens varifocal.

Kamera za CCTV zilizo na vipimo vinavyopendekezwa vya utambuzi wa usoni zimesakinishwa- bei kutoka rubles 10,000

Halafu, kama wanasema, chaguo ni lako. Ikiwa unaunda mfumo wa utambuzi kutoka mwanzo, basi unapaswa kufikiria juu ya kuchagua mifano bora kabisa ya kamera za IP zilizojaribiwa.


Utendaji wa kawaida na wa bei rahisi, kama sheria, huwa iko kwenye programu kuu ya utambuzi wa usoni, lakini pia inaweza kununuliwa kando. Ikiwa hujawahi kupendezwa na mifumo ya ufuatiliaji wa video katika maisha yako. Tazama video na itaelezea kiini kwa ufupi iwezekanavyo.


ITV, Urusi, programu ya Akili
Tafuta nyuso kwenye kumbukumbu (kwa kituo 1 cha video) - bei ya rubles 6,200

Trassir, Urusi, Programu ya "Trassir Utafutaji wa Uso"
Moduli ya kutafuta mtu maalum kwenye kumbukumbu ya Utafutaji wa Uso wa Trassir - bei ya rubles 36,990

Watengenezaji wengi wana utendakazi huu kwa namna moja au nyingine, kwa hivyo huenda hatutarefusha makala hii fupi tayari.




Watengenezaji wa vifaa vilivyo na kanuni za utambuzi wa uso zilizojumuishwa

Ikiwa sehemu iliyo hapo juu na watengenezaji wa programu ni halisi, i.e. Hapa ndipo suluhu kuu zinazoonyesha ufanisi wa hali ya juu kwa sasa zimejikita. Sehemu hii inahusu siku zijazo ambazo tayari zinakuja.

Katika kesi ya kwanza, mtiririko wa video kutoka kwa kamera hupitishwa kupitia mtandao hadi kwa seva iliyo na programu iliyosakinishwa, na ni pale ambapo utambuzi wa uso hutokea. Mtiririko kutoka kwa kamera moja ya IP ni takriban 5 Mbit / s, na mkondo huu lazima uwe. kupitishwa kwenye mtandao hadi kwa seva na kuchakatwa hapo. Katika kesi ya kamera moja, kila kitu kinaonekana kukubalika, lakini ikiwa kuna mamia ya kamera, hii ni tatizo ambalo linahitaji kutatuliwa tofauti. Inaweza kutatuliwa hasa na seva kadhaa kwa usindikaji wa data; uchanganuzi wowote wa video ni kazi inayohitaji kichakataji. Kwa hivyo seva zitakuwa gharama kubwa.

Ni ufanisi zaidi kutambua kwenye bodi ya kifaa, na uhamishe matokeo yaliyochakatwa tayari kwenye mtandao, ambayo itapunguza mzigo kwenye mitandao na seva kwa maagizo ya ukubwa.

Mbali na ukweli kwamba vifaa vile tayari vipo, tayari vinaonyesha ufanisi wa kushangaza na kasi. Ningegawanya vifaa vyote katika vikundi viwili vikubwa: “Kamera za CCTV zenye utambuzi wa uso uliojengewa ndani” na “Vifaa vya mifumo ya udhibiti wa ufikiaji yenye utambuzi wa uso uliojengewa ndani.”


Kamera za CCTV zenye utambuzi wa uso uliojengewa ndani

Kamera mahiri zilizo na kanuni za utambuzi wa uso zilizojengewa ndani ni baadhi ya kamera za juu zaidi kwenye tasnia. Zinakuruhusu kuchakata mtiririko wa video moja kwa moja kwenye kamera yenyewe, na kutuma metadata iliyochakatwa kwa seva. 2MP kamera iDS-2CD8426G0/F-I na lenses mbili - bei 135,550 rubles

HikVision, Uchina, mtengenezaji mkuu wa Kichina wa mifumo ya uchunguzi wa video.
Kihisi - 1/2.8’’ CMOS ya Uchanganuzi Unaoendelea
Unyeti - Rangi: 0.005 Lux @ (F1.2, AGC IMEWASHWA), 0.0089 Lux @ (F1.6, AGC IMEWASHWA), 0 Lux yenye IR
Kasi ya shutter ya kielektroniki - 1s ~ 1/100000s
Resolution 2MPHardware WDR 120dB, kasi ya fremu 25fps@2MP, slot ya microSD hadi 128GB, IR mwanga hadi 10m

Kamera ya utambuzi wa uso, yenye lenzi mbili, ni kifaa cha kompakt chenye algoriti za kujifunza kwa kina za DeepinView chenye mfumo wa utambuzi wa uso ubaoni.

Kamera inaauni kodeki kadhaa za ukandamizaji wa video (H.265, H.264, MPEG-4 na MJPEG) na inaweza kuchakata hadi mitiririko mitano ya video. Ukubwa wa kamera ya video ni 180.4 x 147 x 117.9 mm, uzito wa kifaa ni 1500 gramu. Kimuundo, ni kamera ya lenzi mbili na teknolojia ya stereo ya binocular, ambayo inasoma idadi kubwa ya sifa za usoni kwa utambuzi sahihi zaidi.

Ina vifaa vya lens yenye urefu wa kuzingatia uliowekwa wa 4 mm na angle ya kutazama ya 86 °. Kamera inanasa, kuchagua na kuonyesha picha mojawapo ya uso wa mtu kiotomatiki.

Hufanya utambuzi wa nyuso, kulinganisha papo hapo kwa nyuso zilizonaswa na maktaba za ubaoni, na inasaidia kusanidi kuwezesha kengele kulingana na uso uliotambuliwa.

HikVision inadai halijoto ya kufanya kazi kuanzia -10°C hadi 40°C na viwango vya unyevu wa hadi asilimia 95.

Kamera hubadilika kiotomatiki kati ya modi za mchana na usiku. Mwangaza wa infrared hufanya kazi kwa umbali wa hadi mita 10.

DVR iDS-96128NXI-I16 na mfumo wa utambuzi wa uso - bei 3,299,990 rubles

Kurekodi video hadi 12MP, towe la video hadi 4K
Vituo 128, Uchezaji wa Usawazishaji chaneli 4@4K
HDD 16 za SATA hadi 10TB kila moja
Ingizo/pato la sauti 1/2, ingizo/tokeo la kengele 16/8
Kiolesura cha mtandao 4 RJ-45 10M/100M/1000M Ethernet

Kumbukumbu ya DVR imeundwa kwa ajili ya maktaba 16 za picha za watu (hadi picha 100,000 kwa jumla)

DVR hutumia huduma za Smart kwa ajili ya kutafuta watu sawa, kuchanganua tabia na kutambua nyuso na magari.
Inawezekana kufanya kazi na picha za joto, kuchunguza moto, kuchunguza vyombo vya baharini, kupima joto, kudumisha takwimu za kamera za ramani za joto na kuhesabu wageni.
IDS-96128NXI-I16 ina uwezo wa kugundua watu kwenye chaneli 32, na nyuso za modeli kwa kasi ya picha 64 kwa sekunde.

Rekoda ina miingiliano 1 RS-232, 1 RS-485, RS-485 kwa kibodi, na viunganishi viwili vya USB 2.0 na USB 3.0, pamoja na pembejeo 16 za kengele na matokeo 8.

IDS-96128NXI-I16 inasaidia matumizi ya safu za uvamizi za RAID0, RAID1, RAID5, RAID6 na RAID10.

Kamera ya CCTV DH-IPC-HF8242F-FR na mfumo wa utambuzi wa uso kwenye ubao - bei ya rubles 100,000
Teknolojia ya Dahua, China
1/1.9", 2 MP uchanganuzi unaoendelea kodeki ya CMOSSmart 265+/H.264+, usimbaji wa mtiririko 3
Starlight, true WDR 120dB, 3DNR, Mchana/Usiku (ICR), AWB, AGC, BLC
Ufuatiliaji wa Mitandao Nyingi: Kitazamaji cha Wavuti, CMS (DSS/PSS) na DMSS
Kuzingatia nyuma kiotomatiki (ABF)

Kukamata uso ni programu ambayo inanasa nyuso kiotomatiki kutoka kwa picha ya dijiti au mfuatano wa video kutoka kwa chanzo cha video. Kamera za Dahua hutumia kanuni za hali ya juu za Kujifunza kwa Kina, ambazo huruhusu kamera kutambua kwa haraka na kwa usahihi na kulinganisha nyuso.

Kamera ya DH-IPC-HF8242FP-FR ya utambuzi wa nyuso hutumia teknolojia ya Deep Learning kutambua na kulinganisha nyuso kwa njia ifaavyo. Vipengele vya uchanganuzi vya kifaa hukuruhusu kubainisha umri, jinsia, hali, kuwepo au kutokuwepo kwa barakoa/glasi/ndevu au masharubu.

Kamera ya video ina kipengele cha kuhesabu watu na hutoa ramani ya joto.
Kumbukumbu ya kamera ina hadi nyuso 10,000, ambazo zinaweza kugawanywa katika kategoria 5, kuruhusu kunasa uso kwa wakati halisi na kulinganisha.

Shukrani kwa teknolojia ya Starlight ya Dahua, kamera ni bora kwa kufanya kazi katika mazingira magumu na mwanga mdogo.
Unyeti wake wa chini wa mwanga huhakikisha utendaji wa picha ya rangi na mwanga mdogo wa mazingira. Hata katika hali ya mwanga wa chini sana, katika giza karibu kabisa, teknolojia ya Starlight inaweza kuonyesha picha ya rangi.

Kamera ya CCTV IPC2255-Gi4N na mfumo wa utambuzi wa uso kwenye bodi - bei ya rubles 100,000

Kedacom, Uchina
1/1.9" CMOS Starlight tumbo, 0.001 lux na picha ya rangi 1080@30 ramprogrammen katika H.265 / H.264 / MJPEG
Utambuzi wa hadi malengo 18 kwa wakati mmoja (picha, uso)
WDR ya maunzi, Mwangaza wa IR uliorekebishwa hadi 100m
Ingizo 2 za kengele / pato 1, Kiwango cha ulinzi IP66, Kiwango cha halijoto -40°C +60°C

Kamera ya video ya Axis P1367 na algorithm iliyojengwa ya Ayonix - bei ya rubles 68,448

Ayonix, Japan
1/2.9" matrix yenye uchanganuzi unaoendelea
Urefu wa kuzingatia unaobadilika 2.8-8.5 mm
Ubora wa juu wa video na azimio la MP 5
Teknolojia ya Lightfinder na Forensic WDR, teknolojia ya Zipstream
Uwezo wa Kina wa Uchambuzi wa Picha

Msanidi programu wa Kijapani wa utambuzi wa uso wa Ayonix ametengeneza programu ya kufanya kazi kwenye kamera ya Axis P1367.

Shukrani kwa jukwaa la ACAP, wasanidi programu wengine wanaweza kutengeneza programu za kusakinisha moja kwa moja kwenye kamera za Axis.

Vituo vya mifumo ya muda na mahudhurio yenye utambuzi wa uso uliojengewa ndani

Wakati wa FacePass Pro na terminal ya mahudhurio - bei ya rubles 23,000

Anviz, Uchina
Uwezo wa kumbukumbu kwa watumiaji 400
Muda wa kitambulisho< 0,1 сек
Umbali wa kitambulisho cha mtumiaji: kutoka cm 30 hadi 80 cm
Asilimia ya utambuzi: >99%
Onyesho nyeti la kugusa la 2.8” TFT
Seva ya Wavuti iliyojengwa ndani kwa usanidi rahisi wa wastaafu

Kamera mbili za kuchanganua huhakikisha kitambulisho sahihi zaidi, na kichakataji cha kasi cha juu cha Samsung ARM hupunguza muda unaochukua kutambua nyuso za wafanyakazi.

Hata mambo kama vile rangi ya ngozi, sura ya uso, jinsia, hairstyle, pamoja na kuwepo au kutokuwepo kwa nywele za uso haziathiri usahihi na kasi ya kitambulisho.

Anviz FacePass Pro ni mfumo wa kufuatilia muda wa mfanyakazi na utambuzi wa usoni, kadi za RFID zisizo na mawasiliano au nenosiri.

Mchanganyiko wa algoriti mpya ya BioNANO yenye maunzi yenye utendakazi wa hali ya juu huhakikisha kitambulisho cha mtumiaji chini ya sekunde 0.1 (!).

Mwangaza wa kipekee wa infrared huhakikisha uendeshaji thabiti wa kifaa katika vyumba vilivyo na hali tofauti za taa na katika giza kamili.
Kasi na ubora wa utambulisho hauathiriwi hata na mambo kama vile rangi ya ngozi, sura ya uso, jinsia, mtindo wa nywele, pamoja na uwepo au kutokuwepo kwa ndevu au masharubu kwenye uso.

Kitufe chenye nguvu cha nambari na onyesho nyeti la 2.8” TFT huhakikisha utendakazi mzuri.

Wakati wa Multibiometric na terminal ya mahudhurio ZKTeco Pface202-ID - bei 26,500 rubles

ZKTeco, Uchina

Kumbukumbu ya mifumo 600 ya mshipa wa mitende, nyuso 1200 (hadi 3000 na uthibitishaji wa 1:1), vidole 2000 na kadi 10000
Uwezo wa kumbukumbu 100,000 kwa kila tukio
Onyesho la Touch LCD 4.3’’
Msomaji wa kadi iliyojengewa ndani Em-Marin

Terminal ya mtandao ya kibayometriki kwa mahudhurio ya muda na mifumo ya udhibiti wa ufikiaji yenye utambulisho wa nyuso, mishipa ya tende, alama za vidole, kisomaji cha kadi ya RFID na muunganisho wa ethaneti.

Muda wa Multibiometric na terminal ya mahudhurio ZKTeco uFace302-ID - bei 27,405 rubles

Uwezo wa kumbukumbu ni violezo 1,200 vya uso, alama za vidole 2,000 na kadi 10,000
Kumbukumbu ya matukio kwa maingizo 100,000
Kasi ya juu ya utambuzi
Violesura TCP/IP, RS232/485, USB Host, Wiegand pato
Matokeo ya kuunganisha kufuli ya umeme, kihisi cha hali ya mlango, kitufe cha kutoka, pato la kengele
Kutumia usimbaji fiche wa maunzi ili kulinda programu dhibiti

Kituo cha kibayometriki cha ufuatiliaji wa muda na udhibiti wa ufikiaji UFace302-ID hutoa kitambulisho kwa uso, alama za vidole, kadi na msimbo. Face302-ID ina uwezo wa kutofautisha uso wa mtu halisi na picha ya picha. Kiolesura cha hali ya juu na cha kirafiki cha mtumiaji hutolewa na skrini ya kugusa ya inchi 4 (Skrini ya Kugusa).

Wakati wa biometriska na terminal ya mahudhurio ZKTeco uFace800 - bei 27,405 rubles

Kamera ya kuchanganua uso yenye msongo wa pande mbili iliyojengewa ndani yenye mwanga wa infrared
Kumbukumbu ya hadi nyuso 3,000, vidole 5,000, kadi 10,000 na matukio 100,000
Jukwaa la ZMM220_TFT, algoriti za ZK Face 7.0, algoriti za ZK Finger 10.0
Hali 6 za matukio wakati wa usajili
Kichanganuzi cha alama za vidole, kisoma kadi kilichojengwa ndani
Violesura vya TCP/IP, Seva ya USB, WiFi (si lazima), pato la Wiegand

Terminal ya mtandao ya kibayometriki kwa mahudhurio ya muda na mifumo ya udhibiti wa ufikiaji yenye kitambulisho cha uso, skana ya alama za vidole, kisoma kadi ya RFID na muunganisho wa ethaneti.
uFace800 inasaidia udhibiti wa kufuli, udhibiti wa kihisi cha mlango, kengele, kihisi cha wizi, muunganisho wa kitufe cha kutoka.

Vifaa vya mifumo ya udhibiti wa ufikiaji na utambuzi wa uso uliojengwa ndani

terminal ya utambuzi wa uso FaceStation 2 - bei 80,856 rubles

Suprema, Korea. Mtengenezaji mkubwa zaidi ulimwenguni wa bayometriki, mmoja wa watengenezaji wakuu 50 wa mifumo ya usalama ulimwenguni.
Mfumo wa Microprocessor: 1.4 GHz Quard Core, Kumbukumbu: 8 GB Flash + 1 GB RAM
Kumbukumbu inayojitegemea kwa watumiaji 30,000, matukio 5,000,000, picha 50,000
Utambulisho wa haraka - kulinganisha kwa ruwaza 1:3,000 kwa sekunde
Onyesho la kugusa la inchi 4 za LCD, Mwangaza wa nyuma hadi 25000 lux
Uendeshaji thabiti katika shukrani yoyote ya mwanga kwa 25,000 lux backlight

FaceStation 2 ni jukwaa la utendakazi wa juu la utambuzi wa uso. Utambuzi wa uso unaweza kutumika katika njia za utambulisho na uthibitishaji. Mbali na kitambulisho cha uso, kitambulisho kwa simu mahiri na kadi za kielektroniki kinaweza kutumika.

Ili kutatua matatizo mahususi ya ACS kwenye kifaa halisi, mtumiaji anaweza kuchagua njia tofauti za utambulisho (1:N) au uthibitishaji (1:1) kutoka kwa orodha pana inayotolewa na FaceStation 2.
Kwa hivyo, inakuwa inawezekana kuchagua usawa bora kati ya kiwango cha usalama na kasi ya operesheni katika kila kesi maalum.

Kulingana na hali iliyochaguliwa, michanganyiko mbalimbali ya vitambuzi vya kibayometriki, kisoma kadi ya Smart kilichojengwa ndani na kibodi ya kugusa ya kuingiza msimbo wa PIN itatumika.
Kitambulisho cha uso bila kigusa na uwezo wa kutumia simu mahiri badala ya kadi ya ufikiaji hufanya FaceStation 2 iwe rahisi sana kwa watumiaji.

Utendaji wa juu wa terminal ya utambuzi wa uso, iliyo na kisoma kadi ya masafa mengi (125kHz EM & 13.56Mhz MIFARE, DESFire/EV1, FeliCa, NFC, ISO14443A/B, ISO15693).

Shukrani kwa eneo la utambuzi lililopanuliwa, kifaa, kilichowekwa kulingana na maagizo, "huona" nyuso za watu wenye urefu wa cm 145 hadi 210.
Kituo hiki kina vipengee vya hali ya juu vya usalama kama vile teknolojia ya uso wa infrared dhidi ya bandia na teknolojia ya kusoma ya RF ya bendi nyingi ambayo inaauni viwango vya hivi punde vya RFID.

Pia kuna marekebisho ya terminal FaceStation 2 (mfano FS2-AWB) - bei rubles 93,850, inayojumuisha kisomaji cha MultiCLASS SE kilichojengewa ndani (125kHz EM, HID Prox & 13.56Mhz MIFARE, DESFire/EV1, FeliCa, iCLASS SE/SR, NFC, ISO14443A/B, ISO15693).

Na bila shaka, ufumbuzi kutoka kwa washirika wetu wa Kichina, ambao hawatakuwa washirika wa Kichina ikiwa hawakutoa teknolojia za kisasa mara 3-4 nafuu. Kwa hakika nafuu haina kuja bila matokeo, moja ya tofauti kuu ni ukubwa wa database, ambayo kwa Kichina ni angalau mara 5 ndogo, na kasi na usahihi pia huteseka kidogo. Lakini kimsingi, hizi zinafanya kazi kabisa, suluhisho za ndani kwa biashara ndogo ndogo.

Kifaa cha kitambulisho cha biometri ya Multifactor ZKTeco VF680 - bei ya rubles 13,410

ZKTeco®, Uchina, mtengenezaji mkubwa zaidi wa kibayometriki wa China, hutengeneza algoriti za utambuzi kwa kujitegemea.
Jukwaa la ZEM810, algorithm ya ZK Face 7.0
Kamera ya kuchanganua uso yenye msongo wa pande mbili iliyojengewa ndani yenye mwanga wa infrared
Kumbukumbu kwa nyuso 800, hadi matukio 10,000 na 100,000
Kasi ya uthibitishaji haizidi sekunde 1
Uunganisho wa TCP/IP

VF680 inaweza kufanya kazi kwa kujitegemea au kuunganisha kwenye mifumo ya udhibiti wa ufikiaji wa mtandao. Terminal ina vifaa vya jukwaa la ZEM810, skrini ya kugusa ya inchi 3.0 na algorithm ya ZK Face 7.0, inayounga mkono nyuso 800.
Msomaji anaweza kupangwa kutoka kwa kibodi iliyojengwa au kutumia programu.

Kifaa cha kitambulisho cha biometriska cha Multifactor ZKTeco MultiBio700id - bei 28,530 rubles

Toleo la algorithm: Uso wa ZK v7.0 na Kidole cha ZK v10.0


Matukio 100,000 kwenye logi
Utambuzi ndani ya sekunde 1


Terminal ya ZKTeco Multibio700 yenye bayometriki nyingi hutoa ufikiaji kwa uso, alama za vidole, kadi ya kielektroniki na msimbo.
Kifaa hunasa nafasi, saizi na umbo la macho, pua, cheekbones na taya na kuunda kiolezo cha kibayometriki kutoka kwa data hii kwa ulinganisho unaofuata.
Utambuzi wa mtumiaji ni sahihi na wa haraka ndani ya sekunde 1. Mwangaza wa infrared husaidia kutekeleza kitambulisho kwa mafanikio katika hali ya chini ya mwanga.

Kwa udhibiti wa moja kwa moja wa kufuli, terminal inaweza kutumika kwa uhuru, au kuunganishwa kama msomaji kwenye mifumo ya ufikiaji wa mtandao kwa kutumia kiolesura cha Wiegand.

Msomaji wa kibayometriki ZKTeco SpeedFace V5

Kichakataji Quad-Core A17 1.8Ghz, Kumbukumbu 2G RAM / 16G ROM
Kamera mbili: Kamera ya IR + Kamera ya Mwanga Inayoonekana
Uendeshaji chini ya taa 0~40,000Lux
Skrini ya kugusa ya inchi 5
Kumbukumbu ya nyuso 6,000 ~ 10,000 (1:N).
Kasi ya uthibitishaji chini ya sekunde 1
Msomaji anatumia utambuzi kwa uso, alama za vidole na kadi za RFID EM-Marine au Mifare.

Utambuzi wa uso wa mwanga unaoonekana ni bora mara nyingi kuliko utambuzi wa uso wa IR na umbali wa utambuzi umeongezwa hadi mita 2, ambayo hurahisisha sana hali wakati wa mwendo wa kasi. Hakuna haja ya kusimama mbele ya kamera ya kifaa kwa muda mrefu. Mtumiaji anaweza kutembea haraka katika mwelekeo unaotaka karibu na kifaa ili uso uanguke kwenye uwanja wa mtazamo wa kamera.

Shukrani kwa matumizi ya CNN na kuundwa kwa mfano wa 3D wa uso, utambuzi kutoka kwa pembe tofauti za kutazama uliwezekana. Kwa kutumia algorithm ya akili ya CNN, kazi ya kupambana na spoofing inazuia kwa ufanisi masks, picha na video kutoka kwa kupitishwa.

Terminal ya kufikia biometriska HikVision DS-K1T606M - bei 49,990 rubles

HikVision, Uchina
Kumbukumbu ya violezo 3,000 vya nyuso, kadi 5,000 za muundo wa Mifare na matukio 100,000 kwenye kumbukumbu
Ingizo 2 za kengele na towe 1
miingiliano ya mawasiliano ya TCP/IP; Wi-Fi; Itifaki ya EHome; RS-485; Wiegend 26/34
Hali ya uendeshaji -20 °C hadi +50 °C, unyevu 10% - 90%
Yanafaa kwa ajili ya ufungaji wa nje


Msomaji aliye na kidhibiti kilichojengwa ndani na algorithm ya utambuzi wa uso ST-FR040EM - bei ya rubles 26,824
Smartec, Russia, chapa mwavuli ya Kirusi, huagiza bidhaa nyingi za Kichina na kuuza nchini Urusi chini ya chapa moja ya Smartec.
Toleo la algorithm: Uso wa ZK v7.0 na Kidole cha ZK v10.0
Kamera ya infrared yenye ubora wa juu, onyesho la mguso la inchi 3
Uwezo wa kumbukumbu wa violezo 400 vya uso, alama za vidole 2000 na kadi 1000 zisizo na kielektroniki
Utambuzi ndani ya sekunde 1
Kisomaji cha RFID kilichojengwa ndani Em-Marine 125kHz

Ikiwa ilionekana kwako kuwa ni sawa na ZKTeco MultiBio700ID, basi uko sawa Kwa Smartec, msomaji huyu ametolewa na ZKTeco, na ni nakala kamili ya MultiBio700ID.

Intercom na mfumo wa utambuzi wa uso uliojengwa DS06M - bei ya rubles 14,300

Bevard, Urusi
Sensor ya SONY ya MP 1.3 ya Exmor, unyeti 0.01 Lux
Uendeshaji katika kiwango cha joto kutoka -40 hadi +50 ° С, darasa la ulinzi IP54
Imesakinishwa 4 GB microSDHC kadi, kurekodi kwa kadi ya kumbukumbu
Sauti ya njia mbili
Usaidizi wa huduma ya wingu ya Camdrive

Usikimbilie kufurahiya kwa bei ya chini, hifadhidata ina kiwango cha juu cha watu 30. Lakini ikiwa una biashara ndogo na unataka kuunda athari ya WOW kwa wageni wako, hii inaweza kuwa njia ya kwenda.

Kwa njia, intercom yoyote ya IP inaweza kuwa na mfumo wa utambuzi wa uso, ikiwezekana na kamera ya kawaida ya IP.
Na hata zaidi, intercom ya IP imewekwa haswa kwenye kiwango cha uso au chini kidogo, ambayo ni bora kwa utambuzi wa uso wa hali ya juu.

Intercom sawa ya Bevard, lakini imeunganishwa na mfumo wa utambuzi wa uso wa Makroscope, katika kesi hii programu ya Makroscope imewekwa kwenye seva. Katika usanidi huu, saizi ya hifadhidata imepunguzwa tu na, samahani, uwezo wako wa kifedha.

Miwani iliyo na mfumo wa utambuzi wa uso tayari matumizi Polisi wa Jiji la Zhengzhou

Teknolojia ya LLVision, Uchina

Imeunganishwa na hifadhidata ya polisi, glasi hutoa jina na anwani ya mtu katika dakika 2-3. Kwa muda wa wiki moja na nusu, watu saba wanaosakwa na 26 waliokuwa na vitambulisho bandia walizuiliwa kwa kutumia miwani katika kituo cha reli cha Zhengzhou.

Mbali na wadukuzi, pia kuna Comrade Meja anayepatikana kila mahali, ambaye havutii kidogo na data ya kibayometriki. WikiLeaks ilichapisha ujumbe (url iliyozuiwa kwa busara na RosKomNadzor) kuhusu uwezekano wa wizi wa hifadhidata ya CIA Aadhaar, kwa kutumia vifaa vinavyotumika kukagua alama za vidole na iris kutoka kwa kampuni ya Cross Match (Kumbuka kampuni hii ya Amerika, bado inatangaza vifaa vyake, pamoja na kujumuisha. katika masoko ya kimataifa)

Kwa kawaida, Aadhaar yenyewe hutoa ufikiaji kwa makampuni ya kibiashara, kwa mfano, Microsoft hutumia Aadhaar ili kuthibitisha utambulisho wa watumiaji wa toleo maalum la Skype kwa India.

Kuyapa makampuni ya kibiashara ufikiaji wa hifadhidata za kibayometriki za serikali kunaleta maana kubwa. Kama sheria, data ya kibaolojia yenyewe haisambazwi, ni matokeo ya kitambulisho tu yanayopitishwa. Mbali na ukweli kwamba huduma hizi zinalipwa, ni pamoja na mapato haya ambayo hifadhidata za bimetric za serikali zinaundwa na kudumishwa.

Urusi pia ina Aadhaar yake yenyewe; ni dhahiri kwamba hifadhidata ya Kirusi haiwezekani kuwa na uwezo wa kuepuka matatizo yote ambayo Aadhaar ilipitia.

Imepangwa kutoa ufikiaji wa hifadhidata ya Kirusi kwa mabenki.

Pia kuna mifano ya mbinu tofauti; Ubelgiji ndiyo nchi ya kwanza kupiga marufuku matumizi ya mifumo ya utambuzi wa uso na mashirika ya kibiashara.

Hifadhidata katikasahihi kwa makampuni ya kibiashara
Jimbo, ingawa lina ukiritimba wa ukusanyaji wa data wa lazima, kwa kawaida sio mkusanyaji data bora zaidi.

Ndiyo maana tuna idadi kubwa ya hifadhidata za kibiashara za maelezo ya kibayometriki. Kubwa zaidi - hifadhidata ya VKontakte (zaidi ya watu 97,000,000 tumia kila mwezi VKontakte), kwa mfano, NtechLab hutumia kwa tovuti yake FindFace, Facebook na mitandao mingine ya kijamii na tovuti za uchumba pia zina hifadhidata kubwa.

Hifadhidata za kibiashara zinaundwa ili kampuni zingine za kibiashara ziweze kuzitumia kwa pesa za kawaida.

Kwa mfano, Bitrix24 katika bidhaa zake Ufuatiliaji wa uso, Kadi za Uso za 1C, Bitrix24.Time na tracker ya wageni hutumia hifadhidata ya VKontakte.

Hifadhidata Bora
Hifadhidata zote hapo juu zina shida moja muhimu: hazina uhusiano wowote na biashara yako. Na zina seti fulani tu za data, mara nyingi seti muhimu sana, lakini bila kuzingatia maalum ya biashara yako, matumizi yao ni machache sana.

Moja ya viashiria muhimu zaidi vya ubora wa hifadhidata yako itakuwa ubora wa picha za usoni, kumbukumbu.
Viashiria muhimu zaidi vya ubora wa hifadhidata ya picha ya marejeleo ni:
Idadi ya pikseli
Tofauti na maelezo ya uso
Asili ambayo sehemu kuu ya uso iko
Hakuna sehemu zinazosumbua kwenye eneo la uso, nk.

Pia ni muhimu kuchunguza hali zaidi au chini ya kufanana kwa kupata picha za nyuso (taa, ukubwa wa uso yenyewe dhidi ya historia ya picha nzima).

Ni muhimu kuzingatia viashiria hivi katika hatua ya kubuni ya mfumo kwa ujumla, kulipa kipaumbele maalum kwa mfumo wa kupata viwango vya kutambuliwa vya uso.
Anza kujenga hifadhidata yako leo!

Matumizi ya hifadhidata za kibayometriki
Wengi wana wasiwasi kuhusu matumizi ya serikali ya data ya kibayometriki na hata wasiwasi mkubwa kuhusu matumizi ya data hii na mashirika ya kibiashara.

Hakika, wasiwasi huu sio bila sifa, lakini hawapaswi kuacha utekelezaji wa teknolojia. Katika siku zetu za usoni ni yetu utambulisho wa kibiolojia itaruhusu kutofautisha binadamu na akili bandia.

Skrini iliyo na data kuhusu idadi ya roboti na watu halisi wanaotembelea tovuti, utafiti uliofanywa na Imperva Incapsula


Hata kwa sasa, idadi ya roboti na watu halisi wanaotembelea tovuti ni takriban sawa. Pamoja na maendeleo ya Mtandao wa Mambo na akili ya bandia, idadi ya roboti itakua katika maendeleo ya hisabati, kama vile uwezo wao; tayari kuna suluhisho ambazo zinaweza kupiga simu kwa niaba yako, kwa mfano, kwa mfanyakazi wa nywele au pizzeria.



Maeneo ya matumizi ya mifumo ya utambuzi wa uso

Utumizi maalum wa teknolojia ya utambuzi wa uso hutofautiana katika umuhimu wa makosa kulingana na upeo wa maombi.


Mifumo ya udhibiti wa ufikiaji

Mojawapo ya matumizi bora ya mifumo ya utambuzi wa uso kwa sasa ni katika mifumo ya udhibiti wa ufikiaji. Kwanza, mfanyakazi mwenyewe ana nia ya kumpa ufikiaji na hataharibu kwa makusudi uendeshaji wa mfumo wa utambuzi wa uso. Pili, unadhibiti mambo yote ya nje yanayoathiri ubora wa kutambuliwa - taa, mandharinyuma, muundo wa harakati za wafanyikazi. Kutumia haya yote unaweza kuunda hali bora.


Mifumo ya utambuzi wa uso inaweza kutumika katika mifumo ya udhibiti wa ufikiaji kwa njia mbili:

Njia ya kitambulisho - uamuzi juu ya uandikishaji unafanywa kulingana na data kutoka kwa mfumo wa utambuzi wa uso. Hiyo ni, kwa mfano, hifadhidata ya wafanyikazi wako ina watu 100, na kazi ya mfumo wa utambuzi ni kulinganisha uso wa mtu wa sasa na hifadhidata ya watu 100. Hiyo ni, kulinganisha hutokea 100:1. Ikiwa mtu atatambuliwa kama mfanyakazi, atapewa ufikiaji.

Vituo vya utambuzi wa uso kutoka HikVision

Hali hii hutumiwa kwa ufanisi zaidi katika kazi za kuchunguza wageni katika eneo lililodhibitiwa. Kama sheria, inafanya akili kutumia biashara katika maeneo yaliyolindwa maalum ambapo ufikiaji unaruhusiwa kwa idadi ndogo ya watu. Kamera zote zilizowekwa katika eneo fulani zimeunganishwa kwenye mfumo wa utambuzi; ikiwa mtu yeyote atagunduliwa kuwa haipo kwenye hifadhidata, huduma ya usalama inaarifiwa.

Njia ya uthibitishaji - kitambulisho katika kesi hii hufanywa kwa kutumia teknolojia nyingine, kwa mfano RFID (ikiwa wewe ni kihafidhina), au vitambulisho vya simu vinaweza kutumika, au alama za vidole au muundo wa mshipa wa mkono au kidole , ukiamua ni njia gani upepo unavuma katika mwenendo wa kisasa wa ACS, na hutaki kutupa pesa.
Mtu huleta kadi kwa msomaji, mfumo unamtambulisha, yaani, inathibitisha kuwa ni Ivanov, na Ivanov anaruhusiwa kufikia wakati huo. Mfumo wa utambuzi wa uso katika kesi hii tayari unajua kuwa huyu ni Ivanov, na kwa kutumia picha ya Ivanov tu kutoka kwa hifadhidata, inalinganisha mtoaji wa kadi ya RFID na picha ya Ivanov kwenye hifadhidata. Hiyo ni, kulinganisha hutokea 1:1.

Katika hali ya uthibitishaji kwa ujumla hufanya kazi kikamilifu, kwani kazi ya uthibitishaji ni rahisi sana hata kwa mifumo ya wastani ya utambuzi wa uso.

Njia hii inashauriwa kutumia katika maeneo yoyote ya kuingilia - vituo vya biashara, makampuni ya viwanda, taasisi, shule.

Kazi ya mfumo wa utambuzi wa uso ni kuthibitisha mmiliki wa kadi. Kwa kawaida kazi hii hufanywa na mlinzi au mlinzi. Na hili sio wazo bora, isipokuwa wewe ni mtaalam wa ngano, na usifuate lengo la kuandaa "ensaiklopidia ya utamaduni wa kisasa"


Mlinzi anaonyesha picha ya mtu huyo kwenye mfuatiliaji wake anapowasilisha kadi isiyo na mawasiliano kwa msomaji; kazi ya mlinzi ni kulinganisha picha na mchukua kadi (kulingana na sayansi, hii inaitwa uthibitishaji). Mlinzi hufanya kazi hii vibaya - kama kazi nyingine yoyote mbaya, ya kawaida, na ya kurudia.

Mfumo wa utambuzi wa uso hautafanya kazi hii kwa ufanisi zaidi, lakini pia kuzuia matumizi mabaya ya usalama.

Utambuzi wa uso katika usafiri

Katika usafiri, utambuzi wa uso unaweza kutumika kwa madhumuni kadhaa:

Tafuta watu waliopotea
Tafuta wahalifu wanaotafutwa
Kutoa taarifa za idadi ya watu kwa huduma bora
Kupima kuridhika kwa watu kutoka kwa nyuso zao
Kuhesabu idadi ya abiria wanaotumia usafiri wa umma

Data ya abiria ya mtandaoni itasaidia kudhibiti mitandao ya usafiri wa umma mijini kwa haraka, kwa urahisi na kwa ufanisi zaidi.

Pia, kuhesabu idadi ya abiria wakati kulinganisha data hii na idadi ya malipo itafanya iwezekanavyo kuanzisha ukiukwaji wa sheria za malipo ya nauli.

Kitambulisho cha uso kwa madhumuni ya malipo ya nauli

Utambuzi wa uso kwa madhumuni ya kulipia usafiri kwa sasa unaweza kufanywa katika hali ya uthibitishaji, na utaepuka matumizi yasiyoidhinishwa ya tikiti za usafiri za matumizi mengi, kwa mfano, matumizi ya kadi moja ya usafiri na watu kadhaa.

Matumizi ya uso unaotambulika kama kitambulisho cha pekee cha abiria kwa malipo ya nauli ya kiotomatiki, katika kiwango hiki cha ukuzaji wa teknolojia, yanaonekana kuwezekana tu katika mitandao midogo ya uchukuzi wa kampuni, na haifai kwa njia yoyote kwa usafiri wa umma wa mijini.

Ufuatiliaji wa wakati

Hadi hivi karibuni, kurekodi saa za kazi bila matumizi ya vifaa vya kuzuia ilikuwa ndoto isiyoweza kupatikana. Leo hii ni ukweli.
Kurekodi wakati wa kufanya kazi ni, bila shaka, moja ya kazi za mfumo wa udhibiti wa upatikanaji, lakini kurekodi wakati wa kufanya kazi kunaweza kufanywa tofauti, tu kwa msaada wa mifumo ya utambuzi wa uso.

Moja ya faida kuu za kutumia mifumo ya utambuzi wa uso ili kufuatilia muda uliofanya kazi ni kutokuwepo kwa mahitaji ya usafi wa uso. Kwa sababu, kwa kweli - tazama sehemu ya "Hujuma".

Pia, faida za kufuatilia wakati wa kufanya kazi kwa kutumia mfumo wa utambuzi wa uso itakuwa:

Kutokuwepo kwa vifaa vya kuzuia, ambayo bila shaka huongeza faraja
Uwezo wa kutumia ufuatiliaji wa muda kwa siri, bila kuwajulisha wafanyakazi

Ufuatiliaji wa wakati wa kufanya kazi ni moja tu ya metrics, na kwa ujumla, kwa kutengwa na data nyingine juu ya uendeshaji wa biashara, haisemi mengi. Lakini akiwa na ujuzi wote anao, ameunganishwa kikamilifu katika uchambuzi wa utendaji wa kampuni.

Inafaa kufuatilia trafiki haswa wakati wa shida; PricewaterhouseCoopers yenyewe inatuelekeza hili moja kwa moja. Ikiwa hutachukua mahudhurio, utapokea siku 2 za ziada za kutokuwepo kwa kazi, ambayo hutajua kuhusu, lakini ambayo utalipa. Ambayo itaongeza hasara zako za kifedha kutokana na kutokuwepo kwa mfanyakazi mahali pa kazi kwa mara 1.3.

Utambuzi wa uso kwa madhumuni ya uhasibu wa mfanyakazi unaweza kutekelezwa kwa aina mbili.

Seva + programu + kamera nzuri za IP na haya yote kwa pesa nyingi. Chaguo la kifalme ni wakati saa za kazi zinaweza kurekodiwa bila kuwajulisha wafanyikazi.

Vituo maalum ni chaguo wakati mfanyakazi anahitaji kukaribia terminal, na hivyo kupitia utaratibu wa kitambulisho. Hii inafanya kazi tu ikiwa umetangaza kuwa mtu yeyote ambaye hataingia na kifaa cha utambuzi wa uso hatalipwa kwa siku hiyo. Kipimo hiki rahisi cha kiutawala hupunguza hitilafu za FAR na FRR hadi sufuri kabisa.


Utambuzi wa uso katika umati

Kuzungumza juu ya mfumo wa utambuzi wa usoni, kama sheria, fikira zetu huchota hali halisi za kutambua wahalifu kwenye mitaa ya jiji. Hii ndiyo inayotakiwa zaidi, inayohitajika zaidi, na kazi ngumu zaidi kwa sasa.

Kupata watu waliopotea nchini Uchina kwa kutumia utambuzi wa uso

Matatizo
Mwangaza usio na usawa (mchana, usiku, jua linaloangaza, haya yote ni hali tofauti ambazo zitaathiri sana asilimia ya utambuzi wa uso)
Idadi kubwa ya watu kwenye fremu

faida
Athari ya mshangao
Utambuzi wa uso, ingawa teknolojia ya kuahidi ambayo mengi yameandikwa, imeandikwa katika machapisho maalum ya "geek". Kwa hiyo, idadi ya watu wanaofahamu ni microscopic, kwa kiwango cha jumla ya idadi ya watu. Wahalifu wengi hawatafanya vitendo vinavyozuia utambulisho.

Chanjo ya mtandao
Kuna kamera nyingi za CCTV katika miji mingi mikubwa. Ni kipengele hiki ambacho kitafanya marekebisho yake kwa uendeshaji wa mfumo wa utambuzi wa uso. Kwa mfano, nchini Uingereza, mtu ananaswa kwenye kamera takriban mara 300 kwa siku. Na hii sio rekodi, na sio kikomo kutokana na gharama ya chini ya sasa ya kamera za IP.

Uamuzi wa umri

Tunahama kutoka kwa kazi za usalama hadi kazi za uuzaji. Wanapozungumza kuhusu kujiunga na tasnia ya "Mifumo ya Usalama" kwa tasnia kubwa ya TEHAMA, hivi ndivyo wanamaanisha - kwa usaidizi wa vifaa ambavyo hapo awali vilizingatiwa kuwa na uwezo wa kutatua shida za usalama pekee. Leo ninatatua safu kubwa ya shida tofauti ambazo hazihusiani na "Mifumo ya Usalama" kama hivyo.

Umri wa wageni ni habari muhimu sana kwa muuzaji yeyote, na ikiwa unaamini Waziri wetu wa Afya, ambaye alisema kuwa wastani wa kuishi unaweza kuongezeka hadi miaka 120, ingawa Bi. kwamba yeye ni mtu mwenye akili. (Binafsi ninaamini kuwa nchini Urusi), kwa njia moja au nyingine, umuhimu wa kazi ya kuamua umri utaongezeka.

Huduma za mtandaoni za kuamua umri
Unaweza kupima jinsi uamuzi wa umri utakuwa sahihi kwenye huduma kadhaa za mtandaoni. Pakia picha zako na ujaribu.

Kwa madhumuni ya kuamua umri, utahitaji:

Programu ya utambuzi wa uso www.axis.com/products/axis-demographic-identifier/

Uamuzi wa jinsia

Ikiwa hautachambua jinsia ya washiriki wa Eurovision, hii ni kazi rahisi kwa mifumo ya kisasa ya utambuzi wa uso.

Huhitaji kuwa mfanyabiashara mzuri ili kuelewa kwamba muundo tofauti wa jinsia wa wateja wako unahitaji utangazaji tofauti, utangazaji, PR na mikakati mingine yoyote inayohusiana na mwingiliano wa wateja.

Hifadhi ya Cinema na misururu ya sinema ya Formula Kino tayari imezindua mkusanyiko wa umri na jinsia ya wageni wao.

Unaweza kupima jinsi uamuzi wa jinsia utakuwa sahihi kwa kutumia huduma za mtandaoni ambazo tayari unazifahamu. Pakia picha zako na ujaribu.

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

Kwa madhumuni ya kuamua umri unaweza kutumia:
Programu ya utambuzi wa uso, mara nyingi hii ni moja ya kazi zake.

Suluhu zilizotengenezwa tayari kutoka kwa Axis, HikVision - Smart DVR + kamera za IP

Uswidi
Kitambulishi cha Demografia cha AXIS
https://www.axis.com/products/axis-demographic-identifier/




Kuhesabu wageni wa kipekee

Tatizo la kawaida la kuhesabu idadi ya wageni daima limetatuliwa na sensorer za infrared au laser, ambazo zinaonyesha tu idadi ya kuvuka kwa mstari wa kawaida. Kwa mfano, gari litatoa makutano tofauti, ikitumia kama kiashiria cha joto la wastani katika hospitali.

Kuna mifumo ya kisasa ya uchanganuzi wa video, kawaida hujumuishwa na vihisi vya ziada. Tayari wanajua jinsi ya kuhesabu watu maalum, lakini mlinzi wa usalama, au mwendawazimu wa jiji la ndani, ambaye ametembea na kurudi mara 50, anaweza kupunguza data kuwa karibu kutokuwa na maana kabisa.

Kwa mara ya kwanza, kutokana na mifumo ya kisasa ya utambuzi wa uso, wauzaji wanaweza kupata data inayoweza kutekelezeka - idadi ya wageni wa kipekee. Na pamoja na viashiria vya jinsia na umri, hii ni kipimo cha Yandex cha duka lako.

Moduli ya uchambuzi wa uso wa Trassir Face Analytics - bei 36,990 rubles
Moduli ya uchanganuzi wa uso wenye akili. Kitendaji:
1. kuhesabu watu wa kipekee
2. uchambuzi wa idadi ya watu (jinsia, umri)
3. utambulisho wa rangi
4. utambuzi wa sifa za uso (glasi, kofia, masharubu, rangi ya nywele). Gharama ya kuchakata chaneli 1 ya video.

Hivi karibuni tutachapisha nakala kwenye blogi yetu na hakiki ya mifumo ya kisasa ya uchanganuzi wa video kwa duka, itakuwa bomu, jiandikishe ili usiikose - tunapatikana kwenye majukwaa yote -

Kuchukua mkopo, kuomba visa, au tu kuzindua mtindo wa hivi karibuni wa smartphone - yote haya hayawezekani leo bila ushiriki wa algorithms ya utambuzi wa uso. Wanasaidia maafisa wa polisi katika uchunguzi, wanamuziki jukwaani, lakini hatua kwa hatua wanageuka kuwa jicho la kuona kila kitu ambalo hufuatilia matendo yetu yote mtandaoni na nje ya mtandao.

Algorithms (teknolojia)

Kumtambua mtu kutoka kwa picha kutoka kwa mtazamo wa kompyuta kunamaanisha kazi mbili tofauti: kwanza, kupata uso kwenye picha (ikiwa iko), na pili, kutenganisha na picha vipengele hivyo vinavyotofautisha mtu huyu kutoka kwa wengine. watu katika hifadhidata.

1. Tafuta

Majaribio ya kufundisha kompyuta kupata uso katika picha yamefanywa tangu miaka ya mapema ya 1970. Mbinu nyingi zilijaribiwa, lakini mafanikio muhimu zaidi yalikuja baadaye - na uundaji wa 2001 wa Paul Viola na Michael Jones wa njia ya kuongeza kasino, ambayo ni, mlolongo wa waainishaji dhaifu. Ingawa sasa kuna algoriti za hali ya juu zaidi, unaweza kubashiri kuwa ni Viola-Jones ya zamani ambayo inafanya kazi katika simu yako ya mkononi na kamera. Yote ni kuhusu kasi ya ajabu na kutegemewa: hata nyuma katika 2001, kompyuta wastani inaweza kuchakata picha 15 kwa sekunde kwa kutumia njia hii. Leo, ufanisi wa algorithm inakidhi mahitaji yote ya busara. Jambo kuu ambalo unahitaji kujua kuhusu njia hii ni kwamba ni ya kushangaza rahisi. Hutaamini hata kiasi gani.

1. Hatua ya 1. Tunaondoa rangi na kugeuza picha kuwa matrix ya mwangaza.
2. Hatua ya 2. Weka moja ya masks ya mraba juu yake - wanaitwa vipengele vya Haar. Tunapitia picha nzima nayo, kubadilisha nafasi na ukubwa.
3. Hatua ya 3. Tunaongeza maadili ya mng'ao wa dijiti kutoka kwa seli za matrix ambazo huanguka chini ya sehemu nyeupe ya barakoa, na kuondoa kutoka kwao maadili hayo ambayo yanaanguka chini ya sehemu nyeusi. Ikiwa katika angalau moja ya kesi tofauti kati ya maeneo nyeupe na nyeusi iko juu ya kizingiti fulani, tunachukua eneo hili la picha kwa kazi zaidi. Ikiwa sivyo, sahau juu yake, hakuna uso hapa.
4. Hatua ya 4. Rudia kutoka hatua ya 2 na mask mpya - lakini tu katika eneo la picha ambayo ilipita mtihani wa kwanza.

Kwa nini hii inafanya kazi? Angalia ishara. Karibu katika picha zote, eneo la macho daima huwa nyeusi kidogo kuliko eneo lililo chini mara moja. Angalia ishara: eneo la mwanga katikati linafanana na daraja la pua, liko kati ya macho ya giza. Kwa mtazamo wa kwanza, masks nyeusi na nyeupe haionekani kama nyuso kabisa, lakini kwa uasi wao wote wana nguvu ya juu ya jumla.

Kwa nini haraka sana? Jambo moja muhimu halijabainishwa katika algorithm iliyoelezewa. Ili kuondoa mwangaza wa sehemu moja ya picha kutoka kwa nyingine, utahitaji kuongeza mwangaza wa kila pikseli, na kunaweza kuwa na nyingi. Kwa hivyo, kwa kweli, kabla ya kutumia mask, matrix inabadilishwa kuwa uwakilishi muhimu: maadili katika matrix ya mwangaza huongezwa mapema kwa njia ambayo mwangaza muhimu wa mstatili unaweza kupatikana kwa kuongeza tu. nambari nne.

Jinsi ya kukusanyika cascade? Ingawa kila hatua ya masking hutoa kosa kubwa sana (usahihi halisi sio zaidi ya 50%), nguvu ya algorithm iko katika mpangilio wa mchakato. Hii inakuwezesha kujitenga haraka kutoka kwa maeneo ya uchambuzi ambapo hakuna dhahiri uso, na kutumia jitihada tu kwenye maeneo ambayo yanaweza kutoa matokeo. Kanuni hii ya kukusanya waainishaji dhaifu katika mlolongo inaitwa kuongeza (unaweza kusoma zaidi juu yake katika toleo la Oktoba la PM au). Kanuni ya jumla ni hii: hata makosa makubwa, yakizidishwa na kila mmoja, yatakuwa madogo.

2. Rahisisha

Kupata vipengele vya uso ambavyo vinaweza kumruhusu mtu kutambua mmiliki wake kunamaanisha kupunguza uhalisia hadi fomula. Tunazungumza juu ya kurahisisha, na moja kali sana. Kwa mfano, kunaweza kuwa na idadi kubwa ya mchanganyiko tofauti wa saizi hata kwenye picha ndogo ya saizi 64 x 64 - (2 8) 64 x 64 = 2 32768 vipande. Zaidi ya hayo, ili kuhesabu kila moja ya watu bilioni 7.6 duniani, bits 33 tu zingetosha. Kuhama kutoka nambari moja hadi nyingine, unahitaji kutupa kelele zote za nje, lakini uhifadhi sifa muhimu zaidi za mtu binafsi. Watakwimu wanaofahamu matatizo kama haya wameunda zana nyingi za kurahisisha data. Kwa mfano, njia ya sehemu kuu, ambayo iliweka msingi wa kutambua nyuso. Walakini, hivi majuzi mitandao ya neva ya ushawishi imeacha njia za zamani nyuma sana. Muundo wao ni wa kipekee, lakini, kwa asili, hii pia ni njia ya kurahisisha: kazi yake ni kupunguza picha maalum kwa seti ya huduma.

Tunaweka kinyago cha saizi isiyobadilika kwa picha (inayoitwa kwa usahihi kernel ya kugeuza), na kuzidisha mwangaza wa kila pikseli kwenye picha kwa maadili ya mwangaza kwenye kinyago. Tunapata thamani ya wastani ya saizi zote kwenye "dirisha" na kuiandika kwenye seli moja ya ngazi inayofuata.

Tunahamisha mask kwa hatua iliyopangwa, kuzidisha tena na tena kuandika wastani kwenye ramani ya kipengele.

Baada ya kupitia picha nzima na barakoa moja, tunarudia na nyingine - tunapata ramani mpya ya kipengele.

Tunapunguza ukubwa wa ramani zetu: tunachukua saizi kadhaa za jirani (kwa mfano, mraba 2x2 au 3x3) na kuhamisha thamani moja tu ya juu hadi ngazi inayofuata. Tunafanya vivyo hivyo kwa kadi zilizopokelewa na vinyago vingine vyote.

Kwa ajili ya usafi wa hisabati, tunabadilisha maadili yote hasi na sifuri. Tunarudia kutoka hatua ya 2 mara nyingi tunapotaka kupata tabaka kwenye mtandao wa neva.

Kutoka kwa ramani ya kipengele cha mwisho tunakusanya si mtandao wa kibadilishaji, lakini unaounganishwa kikamilifu wa neva: tunageuza seli zote za ngazi ya mwisho kuwa niuroni ambazo, kwa uzito fulani, huathiri niuroni za safu inayofuata. Hatua ya mwisho. Katika mitandao iliyofunzwa kuainisha vitu (kutofautisha paka kutoka kwa mbwa kwenye picha, nk), hapa kuna safu ya pato, ambayo ni, orodha ya uwezekano wa kugundua jibu fulani. Katika kesi ya nyuso, badala ya jibu maalum, tunapata seti fupi ya vipengele muhimu zaidi vya uso. Kwa mfano, katika Google FaceNet hivi ni vigezo 128 vya muhtasari wa nambari.

3. Tambua

Hatua ya mwisho kabisa, kitambulisho halisi, ni hatua rahisi na hata kidogo. Inatumika kutathmini ulinganifu wa orodha inayotokana ya vipengele na vile vilivyo tayari kwenye hifadhidata. Katika jargon ya hisabati, hii inamaanisha kupata katika nafasi ya kipengele umbali kutoka kwa vekta fulani hadi eneo la karibu la nyuso zinazojulikana. Kwa njia hiyo hiyo, unaweza kutatua tatizo lingine - kutafuta watu sawa na kila mmoja.

Kwa nini hii inafanya kazi? Mtandao wa neva wa kubadilisha umeundwa ili kutoa vipengele bainifu zaidi kutoka kwa picha, na kufanya hivi kiotomatiki na katika viwango tofauti vya uondoaji. Ikiwa viwango vya kwanza kwa kawaida hujibu kwa ruwaza rahisi kama vile utiaji kivuli, upinde rangi, mipaka iliyo wazi, n.k., basi kwa kila ngazi mpya utata wa vipengele huongezeka. Vinyago ambavyo mtandao wa neva hujaribu katika viwango vya juu mara nyingi hufanana kabisa na nyuso za binadamu au vipande vyake. Zaidi ya hayo, tofauti na uchanganuzi wa sehemu kuu, mitandao ya neva inachanganya vipengele kwa njia isiyo ya mstari (na isiyotarajiwa).

Masks hutoka wapi? Tofauti na vinyago vinavyotumiwa katika algoriti ya Viola-Jones, mitandao ya neva hufanya bila usaidizi wa kibinadamu na kupata vinyago wakati wa mchakato wa kujifunza. Ili kufanya hivyo, unahitaji kuwa na seti kubwa ya mafunzo, ambayo ingekuwa na picha za aina mbalimbali za nyuso kwenye asili mbalimbali. Kama kwa seti inayotokana ya vipengele ambavyo mtandao wa neural hutoa, huundwa kwa kutumia njia ya triplets. Utatu ni seti za picha ambazo mbili za kwanza ni picha ya mtu mmoja na ya tatu ni picha ya mwingine. Mtandao wa neva hujifunza kupata vipengele vinavyoleta picha za kwanza karibu iwezekanavyo kwa kila mmoja na wakati huo huo kuwatenga ya tatu.

Ni mtandao gani wa neva ni bora? Utambulisho wa uso kwa muda mrefu umeacha chuo na kuingia biashara kubwa. Na hapa, kama katika biashara yoyote, watengenezaji hujitahidi kudhibitisha kuwa algorithms zao ni bora, ingawa sio kila wakati hutoa data kutoka kwa majaribio wazi. Kwa mfano, kulingana na shindano la MegaFace, algorithm ya kina ya Kirusi V3 kutoka Vocord kwa sasa inaonyesha usahihi bora na matokeo ya 92%. Google FaceNet v8 katika shindano moja inaonyesha 70% tu, na DeepFace kutoka Facebook, na usahihi uliotangazwa wa 97%, hawakushiriki katika shindano hilo hata kidogo. Nambari hizi zinahitaji kufasiriwa kwa tahadhari, lakini tayari ni wazi kwamba algoriti bora zaidi zimefikia usahihi wa utambuzi wa uso wa kiwango cha binadamu.

Uundaji wa moja kwa moja (sanaa)

Katika msimu wa baridi wa 2016, kwenye Tuzo za 58 za Grammy za Mwaka, Lady Gaga alitoa heshima kwa David Bowie, ambaye alikuwa amekufa hivi karibuni. Wakati wa onyesho hilo, lava hai ilienea usoni mwake, na kuacha alama inayotambulika kwa mashabiki wote wa Bowie kwenye paji la uso na shavu lake - umeme wa rangi ya chungwa. Athari ya kutengeneza vipodozi iliundwa na makadirio ya video: kompyuta ilifuatilia mienendo ya mwimbaji kwa wakati halisi na ikaonyesha picha kwenye uso wake, kwa kuzingatia sura na msimamo wake. Ni rahisi kupata video kwenye Mtandao ambayo inaonekana kuwa makadirio bado hayajakamilika na hucheleweshwa kidogo wakati wa harakati za ghafla.

Nobumichi Asai amekuwa akitengeneza teknolojia ya uchoraji ramani ya video ya Omote kwa nyuso tangu 2014 na amekuwa akiionyesha kote ulimwenguni tangu 2015, akikusanya orodha nzuri ya tuzo. Kampuni aliyoanzisha, WOW Inc. ikawa mshirika na Intel na kupokea motisha nzuri ya maendeleo, na ushirikiano na Ishikawa Watanabe kutoka Chuo Kikuu cha Tokyo ulituruhusu kuharakisha makadirio. Hata hivyo, jambo kuu hutokea kwenye kompyuta, na ufumbuzi sawa hutumiwa na watengenezaji wengi wa maombi ambayo inakuwezesha kuweka masks kwenye uso wako, iwe ni kofia ya askari wa Dola au babies "David Bowie".

Alexander Khanin, mwanzilishi na Mkurugenzi Mtendaji wa VisionLabs

"Mfumo kama huo hauitaji kompyuta yenye nguvu; barakoa zinaweza kutumika hata kwenye vifaa vya rununu. Mfumo unaweza kufanya kazi moja kwa moja kwenye simu mahiri, bila kutuma data kwa wingu au seva.

"Kazi hii inaitwa ufuatiliaji wa alama za uso. Kuna masuluhisho mengi sawa katika kikoa cha umma, lakini miradi ya kitaalamu inatofautishwa na kasi na uhalisia wa picha,” Alexander Khanin, mkuu wa VisionLabs, alituambia. "Jambo gumu zaidi katika kesi hii ni kuamua msimamo wa alama, kwa kuzingatia sura ya uso na sura ya mtu binafsi ya uso au katika hali mbaya zaidi: na zamu kali za kichwa, taa haitoshi na mfiduo wa juu." Ili kufundisha mfumo kupata pointi, mtandao wa neva unafunzwa - kwanza kwa mikono, kuweka alama kwa uangalifu picha baada ya picha. "Ingizo ni picha, na matokeo ni seti ya alama," anaelezea Alexander. "Kisha detector inazinduliwa, uso umedhamiriwa, mfano wake wa tatu-dimensional umejengwa, ambayo mask hutumiwa. Alama zinawekwa kwa kila fremu ya mkondo kwa wakati halisi.

Hii ni takriban jinsi uvumbuzi wa Nobumichi Asai unavyofanya kazi. Hapo awali, mhandisi wa Kijapani anachunguza vichwa vya mifano yake, kupata prototypes sahihi za tatu-dimensional na kuandaa mlolongo wa video kwa kuzingatia sura ya uso. Kazi hiyo pia hurahisishwa na alama ndogo za kuakisi ambazo hubandikwa kwa mtendaji kabla ya kwenda jukwaani. Kamera tano za infrared hufuatilia mienendo yao, kupeleka data ya ufuatiliaji kwa kompyuta. Kisha kila kitu hufanyika kama VisionLabs ilivyotuambia: uso hugunduliwa, kielelezo cha pande tatu kinaundwa, na projekta ya Ishikawa Watanabe inaanza kutumika.

Kifaa cha DynaFlash kilianzishwa naye mwaka wa 2015: ni projekta ya kasi ambayo inaweza kufuatilia na kulipa fidia kwa harakati za ndege ambayo picha inaonyeshwa. Skrini inaweza kuinamisha, lakini picha haitapotoshwa na itatangazwa kwa mzunguko wa hadi fremu elfu 8 kwa sekunde: ucheleweshaji hauzidi milisekunde tatu zisizoonekana. Kwa Asai, projekta kama hiyo iligeuka kuwa ya mungu; vipodozi vya moja kwa moja vilianza kufanya kazi kwa wakati halisi. Katika video iliyorekodiwa mnamo 2017 kwa wanandoa maarufu wa Kijapani Inori, lag haionekani tena kabisa. Nyuso za wachezaji hubadilika kuwa fuvu hai au vinyago vya kulia. Inaonekana safi na inavutia umakini - lakini teknolojia inakuwa ya mtindo haraka. Hivi karibuni, kipepeo akitua kwenye shavu la mtabiri wa hali ya hewa, au wasanii wanaobadilisha sura zao kila wakati kwenye hatua, labda itakuwa jambo la kawaida zaidi.

Udukuzi wa uso (harakati)

Mechanics hufundisha kwamba kila hatua huleta athari, na maendeleo ya haraka ya mifumo ya ufuatiliaji na utambuzi wa kibinafsi sio ubaguzi. Leo, mitandao ya neva hufanya iwezekane kulinganisha picha ya ukungu bila mpangilio kutoka barabarani na picha zilizopakiwa kwenye akaunti za mitandao ya kijamii na kujua utambulisho wa mpita njia kwa sekunde. Wakati huo huo, wasanii, wanaharakati na wataalamu wa maono ya kompyuta wanaunda zana zinazoweza kuwapa watu ufaragha, nafasi ya kibinafsi ambayo inapungua kwa kasi hiyo ya kizunguzungu.

Kitambulisho kinaweza kuzuiwa katika hatua tofauti za algorithms. Kama sheria, hatua za kwanza za mchakato wa utambuzi zinashambuliwa - kugundua takwimu na nyuso kwenye picha. Kama vile kuficha kwa kijeshi kunadanganya maono yetu, kuficha kitu, kukiuka idadi yake ya kijiometri na silhouette, kwa hivyo wanajaribu kuchanganya maono ya mashine na matangazo ya rangi tofauti ambayo yanapotosha vigezo muhimu vyake: mviringo wa uso, eneo la macho, mdomo. , nk. Kwa bahati nzuri, maono ya kompyuta bado hayajakamilika kama yetu, ambayo yanaacha uhuru mkubwa katika uchaguzi wa rangi na maumbo ya "camouflage" kama hiyo.

Tani za waridi na zambarau, manjano na samawati hutawala laini ya mavazi ya HyperFace, sampuli za kwanza ambazo zilianzishwa na mbuni Adam Harvey na kuanzisha Hyphen Labs mnamo Januari 2017. Miundo ya pikseli hutoa mwonekano wa mashine kwa bora—kutoka kwa mtazamo wake—picha ya uso wa binadamu, ambayo kompyuta inanasa kama mdanganyifu. Miezi michache baadaye, mtayarishaji wa programu wa Moscow Grigory Bakunov na wenzake hata walitengeneza programu maalum ambayo hutoa chaguzi za urembo ambazo zinaingilia uendeshaji wa mifumo ya kitambulisho. Na ingawa waandishi, baada ya mawazo fulani, waliamua kutofanya programu hiyo ipatikane hadharani, Adam Harvey huyo huyo hutoa chaguzi kadhaa zilizotengenezwa tayari.

Mtu aliyevaa kinyago au vipodozi vya ajabu kwenye uso wake anaweza asionekane na mifumo ya kompyuta, lakini watu wengine hakika watamsikiliza. Hata hivyo, kuna njia za kufanya kinyume. Hakika, kutoka kwa mtazamo wa mtandao wa neural, picha haina picha kwa maana ya kawaida kwa ajili yetu; kwa ajili yake, picha ni seti ya nambari na coefficients. Kwa hivyo, vitu tofauti kabisa vinaweza kuonekana sawa na yeye. Kujua nuances hizi za AI, unaweza kufanya shambulio la hila zaidi na kurekebisha picha kidogo tu - ili mabadiliko yawe karibu kutoonekana kwa mtu, lakini maono ya mashine yatadanganywa kabisa. Mnamo Novemba 2017, watafiti walionyesha jinsi mabadiliko madogo katika rangi ya kasa au besiboli yalisababisha mfumo wa Google wa InceptionV3 kuona bunduki au kikombe cha espresso badala yake. Na Mahmoud Sharif na wenzake kutoka Chuo Kikuu cha Carnegie Mellon walitengeneza muundo wenye madoadoa wa sura ya miwani: karibu hauathiri mtazamo wa uso na wengine, lakini utambulisho wa kompyuta kwa kutumia Face++ unachanganya kwa ujasiri na uso wa mtu " ambaye” muundo kwenye fremu uliundwa.

Hadi hivi majuzi, mifumo ya usalama iliyo na chaguo za utambuzi wa uso ilionekana kuwa nzuri, na ungeweza kuiona kwenye filamu pekee. Lakini mengi yamebadilika katika miaka michache iliyopita. Maendeleo mapya yameonekana ambayo yamebadilisha wazo la mifumo ya usalama.

Ubora na faraja ya jamii inategemea njia sahihi ya kuandaa usalama wa kibinafsi na ulinzi wa mali. Haishangazi kuwa mahitaji ya usalama yanaongezeka kila wakati. Moja ya ubunifu ilikuwa kuonekana kwa kazi ya utambuzi wa uso. Je, sifa zake ni zipi? Inatumika wapi? Je, inafanya kazi kwa kanuni gani? Tutazingatia maswali haya na mengine kwa undani katika makala hiyo.

Maeneo ya maombi

Faida za utambuzi wa uso ni ngumu kuzidi. Mifumo ya usalama yenye kazi hii hutumiwa katika nyanja mbalimbali - wakati wa kuandaa mfumo wa kupita katika mashirika makubwa, kutafuta waingilizi, kulinda vifaa vya kibinafsi, na kadhalika.

Kwa ujumla, kwa msaada wa mfumo kama huo wa usalama inawezekana kutatua shida zifuatazo:

• Panga mfumo wa ufikiaji wa kuaminika na mzuri katika kituo cha ukaguzi cha kampuni au vifaa vingine vilivyofungwa. Kwa ufanisi zaidi, ufuatiliaji wa video unajumuishwa na turnstiles. Matokeo yake, unaweza kutambua haraka wafanyakazi wako na wageni.
• Unda mfumo wa ulinzi wa wizi katika maeneo ya uuzaji na vifaa vya kibinafsi. Sio siri kuwa maduka mbalimbali, vituo vya ununuzi, maduka makubwa na vituo vingine vinakabiliwa na wateja wenye shida ambao wanahusika na wizi. Mara nyingi, wizi hufanywa na watu sawa. Ikiwa kuna hifadhidata inayofaa, kazi ya utambuzi wa uso inakuruhusu kutambua mtu kwa wakati na kumjulisha mlinzi. Matokeo yake, inawezekana kuchukua hatua za ziada kulinda mali.
• Panga mfumo wa usalama ambao hutoa ulinzi dhidi ya kuingia bila ruhusa katika majengo yaliyofungwa na kaya za kibinafsi. Hata kwa uchunguzi wa makini, mlinzi hawezi kila wakati kutofautisha mvamizi kutoka kwa kitu kingine. Hii ni kweli hasa ikiwa kamera imewekwa katika eneo lenye viwango vya chini vya mwanga. Ufungaji wa mifumo maalum na kazi ya utambuzi wa uso husaidia kutambua haraka mtu hata katika giza. Ni nini kisichoweza kudhibitiwa na mfanyakazi wa usalama kinaweza kutatuliwa kwa urahisi na moduli ya kompyuta.
• Kuhakikisha udhibiti wa uso katika vituo vya usiku. Uwepo wa mifumo inayohusika katika vilabu inahakikisha ulinzi wa 100% kutoka kwa wageni "tatizo".

Inavyofanya kazi?

Ya riba kubwa ni kanuni ya uendeshaji wa mfumo, ambayo ina uwezo wa kusambaza picha tu kwa kufuatilia, lakini pia kutambua nyuso za watu. Kazi ya moduli maalum ni kusoma habari, pamoja na kulinganisha kwake baadae na data inayopatikana kwenye hifadhidata. Mitindo kama hiyo ina uwezo wa kutambua uso wa mtu kwa umbali wa hadi 10 m kutoka kwa kamera.

Moja ya vipengele vya mfumo ni "unyeti" wa juu, ambayo inakuwezesha kutambua mtu hata wakati muonekano wako unabadilika. Moduli haiwezi kupigwa chini kwa kutumia glasi, kubadilisha hairstyle, ndevu au vipengele vingine vya ziada vya kuficha kwenye uso. Hii ni kwa sababu ya ukweli kwamba sio sifa za usoni ambazo zinachambuliwa, kama wengi wanavyoamini, lakini muundo wa fuvu na vigezo vyake vya biometriska. Tabia kama hizo ni za mtu binafsi, kama alama za vidole, ambazo huondoa uwezekano wa makosa.

Habari inachanganuliwa na kuchakatwa kwa wakati halisi. Inatosha kwa mgeni kugeuza uso wake kuelekea scanner, na mfumo huamua mtu na kutoa amri kwa viungo vingine. Ikiwa moduli ya utambuzi wa uso imeunganishwa na turnstiles au vifaa vingine vya kuzuia, vinawashwa kiotomatiki. Kwa kuongezea, picha ya mtu anayeshukiwa huhifadhiwa kwenye kumbukumbu kwa usindikaji zaidi na uchambuzi na usalama.

Mifumo yenye kazi ya kitambulisho imeenea zaidi katika makampuni makubwa ambako kuna ushindani mkubwa. Sio siri kuwa mafanikio ya biashara inategemea kiwango cha usalama. Hii ni kweli hasa kwa mashirika yanayofanya kazi katika sekta ya ulinzi, yanajishughulisha na maendeleo ya miradi mipya au utafiti wa kibiolojia.

Kazi ya mfumo ni kulinganisha wafanyikazi na kuangalia watu binafsi dhidi ya hifadhidata iliyopo. Ikiwa mtu hayuko kwenye orodha, ishara hutumwa kwa walinzi wa usalama, baada ya hapo wa mwisho huchukua hatua za kuzuia watu wasioidhinishwa kuingia kwenye kituo hicho. Katika kesi hiyo, eneo la kugundua limeandikwa kwa usahihi kwenye ramani ya elektroniki, na wafanyakazi wa idara ya usalama hutambua mkosaji ndani ya dakika chache.

Vipengele vya Ufungaji

Wakati wa kufunga mfumo na chaguzi za utambuzi wa uso, inafaa kuzingatia kwamba kamera za video zinaweza kufanya kazi katika moja ya njia 2 - 2D au 3D. Katika kesi ya kwanza, uchambuzi unafanywa kwa misingi ya picha ya gorofa, na kamera mbili-dimensional ni nyeti sana kwa mwanga. Inachofuata kutoka kwa hili kwamba wakati wa kufunga kamera za 2D, tahadhari maalum inapaswa kulipwa kwa taa ya kitu kilichohifadhiwa na chanjo ya maeneo yaliyohifadhiwa.

Kama kamera zilizo na 3D, zinafanya kazi na kitu chenye pande tatu kulingana na picha inayopitishwa na kifaa. Katika kesi hii, huwezi kulipa kipaumbele kwa kiwango cha kuangaza, kwa sababu mfumo unakabiliana vizuri na kazi zilizopewa hata katika giza. Hatari pekee ni kwamba texture ya uso itapotoshwa kidogo.

Ni aina gani za mifumo kama hii zipo?

Wakati wa kuchagua mifumo ambayo ina kazi ya utambuzi wa uso, ni muhimu kuzingatia mambo kadhaa - malengo, malengo na eneo la ufungaji. Kwa kuongeza, inafaa kuzingatia aina za vifaa vile:

• Mifumo ya utambuzi. Kamera ya video ina azimio la megapixel 1 na urefu wa kuzingatia wa 1 mm. Uendeshaji wa kifaa ni lengo la kurekodi ukweli wa kupenya kwa vyombo visivyoidhinishwa kwenye vitu vilivyolindwa. Upekee wa scanner ni uwezo wake wa kutofautisha mtu kutoka kwa mnyama, lakini haitawezekana kumtambua mtu huyo.
• Mfumo wa utambuzi. Mchanganyiko huu ni ngumu zaidi, na inajumuisha kamera ya 2-megapixel yenye urefu wa kuzingatia wa milimita sita. Kazi ni kutambua nyuso na kuzitambua kulingana na kanuni ya "rafiki au adui". Ikiwa unatazama video, picha haitakuwa wazi. Mfumo hugundua watu wasioidhinishwa, lakini katika kesi ya wizi itakuwa ngumu kupata mwizi kwa kutumia picha iliyohifadhiwa.
• Vifaa vya utambuzi. Wakati wa kuandaa mfumo kama huo, kamera zilizo na azimio la MP 2 au zaidi na urefu wa kuzingatia zaidi ya milimita nane hutumiwa. Mchanganyiko kama huo una uwezo wa kufanya kazi zilizojadiliwa hapo juu. Faida ni kwamba picha inayotokana ni ya kutosha kutambua mwizi kutoka kwa picha. Picha zinazopatikana zinaweza kutumika wakati wa mchakato wa uchunguzi na hata kuwasilishwa mahakamani.

Maelezo hapo juu yanajadili mahitaji ya chini kabisa ya mifumo ya usalama katika suala la urefu wa kuzingatia na azimio la picha. Hii ina maana kwamba wakati ununuzi wa vifaa, unapaswa kuzingatia bidhaa zilizo na sifa bora ambazo hutoa risasi bora zaidi. Kwa mfano, kamera za MP 2 zilizo na urefu wa 8 mm zinafaa zaidi kwa mifumo ya utambuzi. Kuhusu ugumu wa kitambulisho, mapendekezo hapa ni mazito zaidi. Inashauriwa kutumia kamera za video na azimio la MP 5 na urefu wa kuzingatia 12 mm.

Hebu tufanye muhtasari kwa ufupi:

• Kamera ya video yenye azimio la 1MP hukuruhusu kutofautisha mtu na mnyama. Katika kesi hii, haitawezekana kutambua somo.
• Ili kunasa nyuso na kuzilinganisha na hifadhidata iliyopo, kifaa cha kurekebisha lazima kiwe na azimio la MP 2 au zaidi.
• Ili kumtambua mtu, ni vyema kutumia kamera ya 5-megapixel.

Kuona kunamaanisha kuelewa kile kinachoonekana. Sisi ni vipofu ikiwa maeneo ya kuona ya neocortex, aina ya biocomputer inayohusika na utambuzi wa picha, haifanyi kazi katika ubongo wetu. Sasa wachambuzi sawa, wenye uwezo wa kutambua nyuso na kuelewa maneno yao, wanaonekana katika mifumo ya bandia.

Kwa hivyo vitu vinapata kuona, na kuona kuna akili yake yenyewe. Mwanzoni inaonekana kwangu kuwa yeye ni mwepesi: mfumo mpya wa utambuzi wa uso wa LUNA umewashwa sio haraka kuingia katika hali ya kawaida na kunikumbuka. Lakini mwishowe anaripoti kwamba anakumbuka na anauliza kuingiza jina. LUNA inaweza kuamua jinsia na umri yenyewe. Jinsia ni rahisi: Nina ndevu, lakini mfumo uliongeza umri wangu kwa miaka mitano - inaonekana kwa sababu ya ndevu sawa.

Sasa kamera inanitambua hata nikivua miwani yangu au kugeuza kichwa changu. Tunapaswa kujaribu kitu kikubwa zaidi - tunaelekea kwenye kabati na wigs na masharubu ya uongo. Ninachagua curls nene ambazo pia huficha nusu ya uso wangu - LUNA bado inanitambua.

Baada ya kucheza vya kutosha na wigi, tunafungua ICQ na kuanza kujiburudisha na barakoa kwa simu za video: barakoa huwekwa kwenye uso wangu wa kidijitali kwa wakati halisi - Ninaweza kupiga gumzo la video bila kutambuliwa.

Nambari inayofuata ya kipindi chetu ni Face.DJ. Programu hii huunda muundo wa 3D wa uso kutoka kwa selfie, na kisha kuuweka uso huo kwenye kichwa pepe ili uweze kujaribu mitindo ya nywele na vifuasi. Kusudi lingine la programu ni kuhuisha mtumiaji, kuunda nakala yake ya katuni kwa michezo na shughuli zingine za mtandaoni.

Tunatayarisha maombi sawa ya huduma ya uchumba: mara nyingi watu hawataki kufungua mawasiliano mara ya kwanza, "anasema Yulia, mtaalamu wa PR katika VisionLabs, kampuni iliyoanzisha LUNA. - Baadhi ya watu huvaa vinyago ili kuongeza kipengele cha kucheza kwenye mwingiliano wao wa kimapenzi.

Mfumo wa LUNA wa jukwaa la msalaba pia una masks mengi. Kuna programu kwenye mjumbe wa Telegraph ambayo inatambua jinsia na umri kwa uso, kuna LUNA kwenye wingu na LUNA kwa kivinjari. Lakini jambo kuu ni kwamba mpango huu unaweza kutekelezwa katika aina mbalimbali za bidhaa za teknolojia ili kutumika kwa utambuzi wa uso.

Kwa mfano, mmoja wa wateja wetu anahitaji kuchagua picha - kinachojulikana kama picha bora kutoka kwa mtiririko wa video. Kwa hivyo, mpango wetu unashughulikia hii yenyewe. Mteja mwingine anahitaji mfumo kutambua uso sio tu wakati wa kuingia benki ya mtandaoni, lakini katika kipindi chote, kwa sababu unaweza kutembea na mshambuliaji atatumia ufikiaji wako. Pia tulikabiliana na kazi hii.

Wateja wakuu wa VisionLabs ni benki. Kwa mfano, katika Benki ya Pochta, maeneo ya kazi elfu 50 yana vifaa vya mfumo wa LUNA - hii ni utekelezaji mkubwa zaidi wa biometriska duniani. Pia ni muhimu kutambua nyuso za wateja ili kulinganisha picha za pasipoti na picha katika hifadhidata. Baada ya yote, udanganyifu wa kawaida katika eneo hili ni kubandika picha yako kwenye pasipoti ya mtu mwingine ili kupata mkopo.

Jinsi magari yanavyoona

Alexander Khanin, mkurugenzi wa VisionLabs, anatukaribia.

Tuambie kuhusu maono ya kompyuta?

Alexander Khanin: Maono ya kompyuta ni eneo la hisabati iliyotumika ambayo ni sawa na ugumu wa kazi ya kuunda akili ya bandia kwa ujumla. Chaneli inayoonekana ndiyo kuu ya kupokea habari kuhusu ulimwengu unaozunguka. Na tunaamini kile tunachokiona kwa macho yetu kuliko vyanzo vingine.

Kazi yetu ni kufundisha upigaji picha au programu ya video ili kupata hitimisho na kuelewa picha kama mtu. Au bora zaidi. Wakati mashine inalingana na mwanadamu katika ustadi huu, tunaweza kufikiria shida iliyotatuliwa. Hadi sasa, imetatuliwa tu kwa baadhi ya maeneo nyembamba ya maombi. Kwa mfano, kutambua kasoro za vifaa au utambuzi wa uso.

Je, tatizo la utambuzi wa uso limetatuliwa?

Alexander Khanin: Ndiyo, tayari imeonyeshwa kwa uhakika kwamba mashine hutofautisha nyuso bora kuliko sisi. Na kwa usahihi zaidi na kwa kasi zaidi. Mtu sio mzuri sana katika kuamua umri na utaifa. Wale wanaoishi Ulaya hawana uwezo wa kutofautisha nyuso za watu wenye sura ya Asia, na kinyume chake. Sisi pia ni wasahaulifu. Ili kuongeza yote, mashine hufanya hivyo makumi ya mamilioni ya mara kwa kasi zaidi.

Lakini mtu hachambui vigezo vya mtu binafsi, lakini mtu na hata hali kwa ujumla. Tunaelewa muktadha ambao uso wa mpatanishi huchukua usemi fulani. Gari hilo linastahimili vipi haya yote?

Alexander Khanin: Kuchanganya mbinu bora katika maono ya kompyuta na kujifunza kwa mashine. Chukua, kwa mfano, njia ya kujifunza kwa kina - upekee wake ni kwamba mtu haonyeshi vigezo vya usoni vya kutambuliwa.

Je, programu ya mtandao wa neural yenyewe?

Alexander Khanin: Mitandao ya Neural ilionekana nyuma katika miaka ya 1970, na mapinduzi katika eneo hili yalianza karibu 2013-2014. Kwa sababu tu kufikia wakati huu iliwezekana kukusanya idadi kubwa ya data kutoa mafunzo kwa mitandao ya neva, na nguvu ya kompyuta ikawa nafuu. Kuendelea kuunda mbinu za utambuzi wa kuamua - kubainisha ni sehemu gani za uso za kulinganisha jinsi - imekuwa haina maana.

Mafanikio yalikuja wakati vigezo vilivyowekwa mapema, kama vile vidokezo muhimu kwenye uso, viliachwa. Badala yake mashine ilipewa kazi: “Angalia hapa kuna jozi elfu kumi za picha, kila jozi ni mtu mmoja, zichambue ili kuweza kubaini kwenye picha ambazo bado haujamuona ni mtu yule yule. ambazo ni tofauti.” Mashine yenyewe hupata vigezo ambavyo ni muhimu kwa kutatua tatizo hili.

Je, hivi ndivyo ulivyofunza mfumo wako?

Alexander Khanin: Naam, ndiyo, hii ni kazi ya kitambulisho cha kawaida - kulinganisha picha iliyochukuliwa sasa na picha katika pasipoti na kuthibitisha kuwa huyu ni mtu sawa. Tuliipa mashine data kubwa kama ingizo - mamilioni ya jozi za picha, na kwa kutoa tulidai jibu sahihi kwa picha zozote za picha. Na mfumo ulijifunza - ulirekebisha vigezo yenyewe ili kupunguza makosa. Hiyo ni, kwa kujifunza kwa kina, kwanza unahitaji kupata sampuli ya mafunzo - mifano mingi ya ufumbuzi sahihi. Kisha programu inafanya kazi peke yake.

Ulipata wapi mamilioni ya jozi za picha hizi?

Alexander Khanin: Kuna sampuli za mafunzo zinazopatikana kwa watafiti - tulizitumia kwanza, na kisha tukafanya kazi na washirika na wateja ambao walituruhusu kuendelea na mafunzo kuhusu data zao.

Jinsi ya kufanikiwa kwenye soko

Tatizo la kuwatambua watu kwa sura limetatuliwa. Vipi kuhusu ufafanuzi wa hisia?

Alexander Khanin: Kama vile, kwa mfano, katika nchi za Kiafrika watu walipitia hatua ya telegraph na mara moja kubadili mtandao wa simu, kwa hiyo sisi, bila kutatua tatizo la kutambua hisia, mara moja tulihamia ngazi ya juu - kwa hitimisho kuhusu sifa za kibinadamu ambazo ni muhimu kwetu. wateja. Biashara inaonyesha: hakuna faida kutokana na ukweli kwamba mashine inatambua ikiwa mtu anatabasamu au kukunja uso. Ustadi mkubwa zaidi unahitajika.

Kutambua uwongo, kwa mfano?

Alexander Khanin: Ndiyo. Au amua ikiwa mgombeaji anakidhi mahitaji yako au la. Ikiwa mteja ameridhika na huduma au la, tabasamu inaweza kuonyesha sio furaha tu, bali pia kejeli na kutoridhika kwa siri. Kwa hivyo, utambuzi wa hisia yenyewe ni kazi ndogo. Tunasoma uso katika mienendo, mlolongo wa athari kwa maswali, huduma, na mazingira.

Je, kuna bidhaa zozote za kibunifu huko nje ambazo unalenga?

Alexander Khanin: Sisi wenyewe tuko upande wa mbele. Ni ukweli wa kimatibabu kwamba bidhaa zetu ni mfumo wa kwanza wa utambuzi wa uso wa dunia kwa mabenki na rejareja, ambao hufanya kazi katika simu ya mkononi, kwenye tovuti, katika matawi, kwenye ATM, na katika vituo vya huduma binafsi - kila mahali. Sisi sio wa kwanza tu, lakini hadi sasa, kama ninavyojua, pekee.

Je, baadhi ya vituo vya kujihudumia tayari vina mfumo wa utambuzi wa uso uliosakinishwa?

Alexander Khanin: Ndiyo, kwa mfano, katika Benki ya Otkritie - katika vituo vya foleni za elektroniki. Na hii sio miradi ya majaribio, lakini ile inayofanya kazi na kuridhisha wateja katika hali halisi.

Unahisi washindani wako wakipumua shingo yako?

Alexander Khanin: Kuna miradi mingi ya majaribio katika maeneo ya karibu na sisi. Kuna makampuni kadhaa ambayo yanahusika na utambuzi wa uso nchini Urusi pekee, karibu mia moja nchini Uchina, na zaidi ya elfu moja ulimwenguni. Ndiyo maana nasema kwamba tatizo la utambuzi wa uso yenyewe limetatuliwa, angalau kwa makundi mengi na kazi za vitendo.

Teknolojia sio muhimu kwa mafanikio kwenye soko. Wateja wengi hawajali ni teknolojia gani tuliyo nayo na jinsi tunavyotatua tatizo hasa, tuseme, kuongeza kasi ya huduma katika benki au duka - kwa kutumia utambuzi wa uso, utabiri wa hali ya hewa au uchawi. Ni muhimu kwao kuwa kuna matokeo.

Tambua kila mtu!

Ni kazi gani ambazo bado hazijatatuliwa, lakini zitakuwa katika siku zijazo zinazoonekana? Wataalamu wanafanya kazi gani?

Alexander Khanin: Mojawapo ya shida muhimu ambazo hazijatatuliwa ni utambuzi wa uso katika mazingira yasiyodhibitiwa kabisa, kama vile umati wa watu. Watu wengi wanasema kwamba wanajua jinsi ya kufanya hivyo, lakini kwa kweli bado hawajatekeleza kitu kama hiki. Inavyoonekana, wanazungumza bure.

Je, si ni haramu kutambua watu bila mpangilio kwa sura zao? Haya ni matumizi ya data ya kibinafsi.

Alexander Khanin: Biashara ni marufuku, bila shaka. Huu ni ukiukaji wa haki za binadamu na uvamizi wa faragha. Kwa ujumla, teknolojia sasa inaturuhusu kufanya mengi zaidi kuliko sheria inavyoruhusu. Lakini tunafanya kazi tu katika ukanda mweupe - kwa kufuata kikamilifu sheria. Ni muhimu kwetu kutokiuka haki za watu. Hatuna haki ya kutumia data yake kutoka kwa mitandao ya kijamii bila kibali cha mtu na kwa hiyo hatutaunda, kwa mfano, mfumo wa duka ambao hutafuta habari kuhusu mteja kulingana na picha yake. Lakini tunaweza kutengeneza programu ambayo takribani kukadiria jinsia na umri wa wanunuzi kulingana na picha.

Kampuni yetu inafanya kazi na biashara pekee, lakini huduma za usalama za kitaifa zina mifumo inayotafuta watu kulingana na picha.

Hiyo ni, FSB inaruhusiwa, lakini watu wa kawaida sio?

Alexander Khanin: Ndiyo. Shirika la ujasusi likitaka kumpata gaidi kwenye umati, linahitaji kuchanganua na kutambua kila mtu. Na ikiwa mtu aliingia kwenye duka na programu ya picha ilipata akaunti yake ya mtandao wa kijamii, akatambua nambari yake ya simu na kuanza kutuma barua taka, hii ni ukiukwaji mkubwa sana. Katika nchi za Magharibi kuna dhima ya jinai kwa hili.

Je, viwanja vya ndege tayari vina mifumo ya utambuzi wa uso?

Alexander Khanin: Ndio, haswa katika udhibiti wa pasipoti - wanaangalia ikiwa ni pasipoti yako, ikiwa ni bandia na ikiwa uko kwenye orodha iliyozuiwa au kwenye orodha inayotafutwa na shirikisho. Nje ya nchi, kiwango cha automatisering ni cha juu zaidi. Katika viwanja vya ndege vya Singapore, London, na Paris, udhibiti wa pasipoti unaweza kukamilishwa kiotomatiki, bila ushiriki wa wafanyikazi. Unachanganua pasipoti yako, unapigwa picha, upatanisho unafanyika - na ndivyo, unaweza kuendelea.

Nadhani kuna nini kwenye picha

Maono ya kompyuta yatakuaje?

Alexander Khanin: Kuna kikundi kikubwa cha kazi kinachoitwa kujibu swali la kuona: unaonyesha picha ya kompyuta, na lazima ielewe kile kinachoonyeshwa hapo. Hii ni ngumu sana: ikiwa unafundisha tu kutambua vitu tofauti, hakuna kitu kitafanya kazi - unahitaji kuelewa muktadha na unganisho la vitu.

Kazi nyingine kama hiyo ni kutambua matendo ya binadamu; pia huamuliwa kwa kiasi kikubwa na muktadha. Kwa mfano, ikiwa mtu aliinua mkono wake, hiyo inamaanisha nini? Anaongoza au atampiga mtu? Hapa tunakaa na kufikiria.

Kwa hivyo unataka kufundisha mashine kutambua picha ambazo maana yake inategemea muktadha?

Alexander Khanin: Jifunze kutafsiri muktadha na hivyo kutambua picha, vitendo, matukio.

Wakati roboti itaona mwanga

Alexander Khanin: Ningependa kuona maendeleo ya maono ya kompyuta yamekamilika. Kisha roboti zitakuwa na macho halisi, ambayo inamaanisha wataweza kuelewa kinachotokea na kuitikia ipasavyo. Vinginevyo, hawatakuwa sehemu ya jamii, lakini watabaki toys na udhibiti wa kijijini.

Je, mifumo ya utambuzi wa uso itabadilishaje maisha yetu katika miaka ijayo?

Alexander Khanin: Hakika utaona uendeshaji wa mifumo hiyo wakati wa idhini - kwa mfano, unapofungua simu yako. Wengi tayari wamezoea Kitambulisho cha Kugusa, lakini hivi karibuni njia ya kawaida itakuwa kuingia kwa kutumia uso wako. Unapokuja nyumbani, hutahitaji kutafuta funguo zako, na hutahitaji kupita kazini. Huduma na huduma ya kibinafsi katika benki, maduka, na katika sekta ya huduma itaharakishwa: malipo yatafanyika bila kadi.

Mitaa itakuwa salama zaidi kwa sababu kutakuwa na ufuatiliaji wa video na vipengele vya kufuatilia. Miji na nchi zitapata ulinzi wa ziada, na malipo ya uhalifu hayataepukika. Mfumo utarekodi kila kitu: ni nani aliyefanya hivyo na wapi, alienda wapi baadaye. Dhana ya "mji salama" itabadilishwa na "mji wa smart": miundombinu sawa itatoa usalama na, kwa mfano, kudhibiti mtiririko wa watu na magari, pamoja na mengi zaidi.

Mfumo sawa wa kamera na maono ya kompyuta imewekwa kila mahali?

Alexander Khanin: Ndiyo, algorithm haijali nani wa kutambua: mteja wa VIP au mwizi. Uso wa kila mtu umeundwa sawa: macho, mdomo na pua. Lakini sio tu juu ya nyuso. Mfumo huo huo unaweza kukabiliana na, kusema, udhibiti wa taa. Ikiwa hakuna watu katika chumba, kwa nini kuchoma umeme? Mashine itaita huduma za matumizi ikiwa inatambua matatizo, na kadhalika.

Kuishi katika ulimwengu ambao kila kitu kinaonekana ni cha kutisha. Kitaalam, inazidi kuwa rahisi kujenga dystopia ambapo kila mtu yuko chini ya uangalizi kamili ...

Alexander Khanin: Nadhani dunia itaishia kuwa mahali pazuri na mahali salama zaidi. Lakini itakuwa ngumu zaidi kusema uwongo. Kwa mfano, mimi na washirika wangu hivi karibuni tulitengeneza bidhaa ambayo haitoi tu upatikanaji wa nafasi ya kazi, lakini pia inazingatia muda uliotumiwa huko: ilifika wakati huu, kushoto kwa wakati huu. Uliruka matembezi, ulichelewa, haukurudi kutoka kwa chakula cha mchana - kila kitu kitarekodiwa.

Na hakutakuwa na njia ya kujificha kutoka kwa hili? Pengine kutakuwa na vinyago vyenye uso wa mtu mwingine juu yao.

Alexander Khanin: Bila shaka, kuna njia nyingi za kudanganya mfumo, na katika eneo hili "mbio ya silaha" inaanza tu. Kulikuwa na video ambapo walifundisha jinsi ya kufanya vipodozi vinavyozuia kutambuliwa. Lakini hiyo ilikuwa miaka mitatu iliyopita - algoriti za sasa haziwezi kudanganywa kwa urahisi.

Je, ikiwa unaonyesha picha badala ya uso?

Alexander Khanin: Ili kutambua walaghai, "kigunduzi cha maisha" maalum huwekwa katika mifumo ya utambuzi wa uso, ambayo huamua ikiwa mtu aliye mbele yake au picha. Kuna viashiria kadhaa vya uchangamfu. Rahisi zaidi, ambayo inachukuliwa kuwa kiwango cha ulimwengu, ni kufumba. Mfumo unaweza pia kuuliza mtu huyo atabasamu, kugeuza kichwa chake, au kusogea karibu na kamera ili kuhakikisha kuwa yeye ni halisi. Lakini ikiwa kamera ina vifaa vya sensor ya kina, hii haihitajiki: mashine mara moja inaelewa kuwa kuna kitu cha tatu-dimensional kwenye sura, na sio picha.

Nani mwingine anaongoza?

Utambuzi wa uso sio tu sayansi na teknolojia, lakini pia biashara kubwa, ambayo inakua kwa kasi kubwa katika nchi zilizoendelea. Kampuni ya utafiti ya Allied Market Research inatabiri kuwa kufikia 2022 mauzo yake yatakuwa karibu dola bilioni kumi. Miongoni mwa wachezaji wanaoongoza kuna wale wa Urusi. Kutoka kwa miradi kadhaa ya kuanza na utafiti, tumegundua tatu kati ya zilizofanikiwa zaidi.

NTechLab. Mhitimu wa Chuo Kikuu cha Jimbo la Moscow Artem Kukharenko alianza na maombi ambayo yaliamua kuzaliana kwa mbwa kutoka kwa picha. Lakini tayari mnamo 2015, algorithm ya FaceN aliyounda na washirika wake katika mradi wa NTechLab ilishinda kategoria mbili kati ya nne katika shindano kuu la ulimwengu la utambuzi wa uso, MegaFace, akishinda timu ya Google. Walakini, umaarufu wa kweli ulikuja kwa kampuni baada ya ukuzaji wa programu maarufu ya FindFace, iliyoundwa kutafuta watu kwenye mtandao wa kijamii wa VKontakte na picha. Leo, idadi ya maombi ya kuunganishwa kwa teknolojia ya FindFace inakaribia elfu.

Vocord. Kampuni ya Vocord inaweza kuzingatiwa kwa usalama kuwa bingwa wa ulimwengu katika utambuzi wa usoni: kwenye wavuti ya shindano la MegaFace inachukua nafasi ya kwanza, inayoongoza kwa kiwango kikubwa. Timu ya Vocord ni maveterani katika soko la mifumo ya maono ya kompyuta: walitoa mpango wa utambuzi wa uso wa mbali wa Vocord FaceControl mnamo 2008, leo bidhaa zao zinatumiwa na zaidi ya mashirika elfu mbili ya kibiashara na ya serikali. Kampuni hiyo ni mtaalamu wa kitambulisho cha uso, yaani, kutafuta mtu katika umati.

VisionLabs. Bidhaa zao ni kati ya mifumo mitatu ya juu ya utambuzi wa uso wa kibiashara duniani. Soma zaidi kuhusu kampuni hii katika maandishi kuu.

Aina kuu za biometriska

Uainishaji wa kimataifa wa njia za kutambua mtu

Uso. Programu inayotumia picha au picha ya video ya uso inachambua saizi na sura ya macho, pua, cheekbones, nafasi zao za jamaa na, kulingana na data hii, huunda mchanganyiko wa kipekee, ambao kisha unalinganisha na zilizopo kwa mechi.

Alama za vidole. Njia ya vidole inategemea upekee wa muundo wa papilari wa ngozi na hutumiwa sana katika uchunguzi.

Hotuba. Mbinu ya utambuzi kulingana na kubadilisha matamshi yanayozungumzwa kuwa maelezo ya dijitali.

Macho. Utambuzi hutokea kama matokeo ya kulinganisha picha ya dijiti ya iris na zile zinazopatikana kwenye hifadhidata.

Vienna. Njia ya utambuzi kulingana na muundo wa venous wa mkono au vidole.

Siku ya kumbukumbu ya iPhone X ilipokea moja ya vipengele vya ajabu kati ya washindani wake. Kinara kinaweza kutambua uso wa mmiliki, na badala ya Kitambulisho cha Kugusa na kitufe cha Nyumbani, wahandisi waliunganisha kamera ya TrueDepth na chaguo la kukokotoa la Kitambulisho cha Uso.

Haraka, papo hapo na bila hitaji la kuingiza nywila. Hivi ndivyo unavyoweza kufungua iPhone X yako leo.

Apple inajulikana kwa kuangalia siku zijazo za kiteknolojia muda mrefu kabla ya kipengele kinachofuata kuwa cha kawaida. Kwa upande wa iPhone X na kichanganuzi cha uso, kampuni ina uhakika kwamba utambuzi wa uso ni siku zijazo.

Wacha tuchunguze ikiwa Apple ina makosa au nyuso zetu - hii ni njia ya uhakika ya siku zijazo za kidijitali.

😎 Sehemu ya Teknolojia huchapishwa kila wiki kwa usaidizi wa re:Store.

Kwa hivyo utambuzi wa uso hufanyaje kazi?

Teknolojia ya utambuzi wa uso inahitaji vipengele kadhaa kufanya kazi. Kwanza, seva yenyewe, ambayo hifadhidata na algorithm ya kulinganisha iliyoandaliwa itahifadhiwa.

Pili, mtandao wa neva uliofikiriwa vizuri na uliofunzwa, ambao ulilishwa mamilioni ya picha na alama. Mitandao kama hiyo ni rahisi kutoa mafunzo. Wanapakia picha na kuiwasilisha kwa mfumo: "Huyu ni Viktor Ivanov," kisha inayofuata.

Mtandao wa neva husambaza vekta za vipengele kwa kujitegemea na hupata mifumo ya kijiometri ya uso kwa njia ambayo inaweza kumtambua Victor kutoka kwa maelfu ya picha zingine.

Teknolojia sawa ya FaceN, ambayo tutazungumzia hapa chini, hutumia kuhusu sifa 80 tofauti za nambari.

Kwa nini watu ghafla wanazungumza juu ya utambuzi wa uso?

Katikati ya 2016, mtandao ulilipuka kwa kutumia jina moja. Kwa kutumia mitandao ya neural, watengenezaji waliweza kutimiza ndoto kali za watumiaji wa mitandao ya kijamii.

Unapomwona mtu barabarani, unaweza kuchukua picha yake kwenye simu yako mahiri, tuma picha hiyo kwa FindFace, na katika sekunde chache upate ukurasa wake kwenye VKontakte. Algorithm iliboreshwa, kusasishwa na kutambuliwa nyuso bora na bora.

Yote ilianza kwa kutambua mifugo ya mbwa kutoka kwa picha. Mwandishi wa teknolojia ya utambuzi wa FaceN na programu ya Mbwa wa Uchawi ni Artem Kukharenko. Mwanadada huyo aligundua haraka kuwa teknolojia hii ilikuwa ya siku zijazo na akaanza maendeleo.

Baada ya mafanikio ya maombi ya FindFace, mwanzilishi wa kampuni ya maendeleo ya N-Tech.Lab Kukharenko alishawishika tena kuwa utambuzi wa uso ni wa kuvutia katika karibu sekta yoyote:

Mnamo Mei 2016, N-Tech.Lab ilianza kupima huduma pamoja na serikali ya Moscow. Makumi ya maelfu ya kamera ziliwekwa katika mji mkuu, ambazo zilitambua wapita njia kwa wakati halisi.

Hadithi ya kweli. Unatembea tu kwenye uwanja ambao kamera kama hiyo imewekwa. Hifadhidata ya wahalifu na watu waliopotea imeunganishwa nayo. Ikiwa algorithm itaamua kuwa wewe ni sawa na mshukiwa, afisa wa polisi hupokea onyo mara moja.

Bila shaka, unaweza kupata mtu mara moja kwenye mtandao wa kijamii na kutafuta kupitia hifadhidata yoyote. Sasa fikiria kwamba kamera kama hizo zimewekwa kando ya eneo la jiji zima. Mshambulizi hataweza kutoroka. Kuna kamera kila mahali: katika ua, kwenye viingilio, kwenye barabara kuu.

Je, mambo yanaendeleaje na utambuzi wa usoni nchini Urusi?

Utashangaa, lakini tangu katikati ya 2016, meya wa Moscow wamekuwa wakitekeleza kikamilifu mfumo wa utambuzi wa uso katika jiji lote.

Hadi sasa, zaidi ya kamera elfu 100 zenye uwezo wa kutambua nyuso zimewekwa kwenye milango ya majengo ya juu ya Moscow pekee. Zaidi ya elfu 25 imewekwa katika yadi. Kwa kweli, nambari kamili zimeainishwa, lakini hakikisha, udhibiti amilifu unaenea haraka kuliko unavyoweza kufikiria.

Katika mji mkuu, mifumo ya utambuzi wa uso imewekwa kila mahali: kutoka kwa mraba na maeneo yenye watu wengi hadi usafiri wa umma. Tangu ufungaji wa mifumo hiyo, wahalifu zaidi ya kumi wamezuiliwa, lakini hii ni kulingana na data rasmi.

Kamera zote hubadilishana habari kila wakati na Kituo cha Kompyuta cha Umoja cha Idara ya Teknolojia ya Habari. Arifa za kutiliwa shaka huangaliwa mara moja na mashirika ya kutekeleza sheria.

Na huu ni mwanzo tu. Mwishoni mwa mwaka jana, mfumo sawa wa udhibiti ulianza kujaribiwa kwenye mitaa ya St. Urahisi wa teknolojia iliyopendekezwa na FindN ni kwamba si lazima kufunga kamera yoyote maalum.

Picha kutoka kwa kamera za kawaida za CCTV huchakatwa na kanuni ya "smart" na uchawi halisi hutokea hapo. Kulingana na data ya sasa, usahihi wa utambuzi wa FindFace leo unatofautiana kati ya 73% - 75%. Watengenezaji wana uhakika kwamba wataweza kufikia matokeo ya 100% katika siku za usoni.

Utambuzi wa uso ulikujaje?

Hapo awali, aina yoyote ya utambulisho wa kibayometriki ilitumika ndani ya mashirika na huduma za kutekeleza sheria pekee ambapo usalama ulikuwa kipaumbele. Katika miaka michache tu, kupima sifa za anatomia na kisaikolojia kwa kitambulisho cha kibinafsi imekuwa kiwango katika karibu vifaa vyote vya watumiaji.

Kuna aina nyingi za uthibitishaji wa biometriska:

Na ni teknolojia ya mwisho ambayo inavutia hasa, kwa kuwa ina faida kadhaa juu ya wengine.

Mfano wa teknolojia ya utambuzi wa uso katika karne ya 19 ilikuwa ya kwanza "picha kwa maelezo", na baadaye - picha. Kwa njia hii polisi wangeweza kuwatambua wahalifu. Mnamo 1965, mfumo wa utambuzi wa uso wa nusu-otomatiki ulitengenezwa mahsusi kwa serikali ya Amerika. Mnamo 1971, teknolojia ilirejeshwa, kutambua alama za msingi zinazohitajika kwa utambuzi wa uso, lakini si kwa muda mrefu.

Tangu wakati huo, mashirika ya kijasusi bado yamependelea teknolojia ya alama za vidole iliyothibitishwa kama kitambulisho chao kikuu cha bayometriki.

Na yote kwa sababu teknolojia haikuruhusu mwingiliano wowote na sifa za uso wa mwanadamu. Laser sahihi zaidi, sensorer za infrared na wasindikaji wenye nguvu, pamoja na mifumo ya utambuzi yenyewe, haikuwepo wakati huo.

Pamoja na ujio wa kompyuta zenye nguvu, karibu idara zote zinarudi kwenye kitambulisho kupitia skanning ya uso. Teknolojia hiyo ilishamiri katika idara na mashirika maalum katikati ya miaka ya 2000, na mwaka jana teknolojia hiyo ilianza kutumika kwa mara ya kwanza katika vifaa vya watumiaji.

Teknolojia ya utambuzi wa uso inatumiwa wapi leo?

Katika simu mahiri

Umaarufu wa teknolojia ya utambuzi wa uso ulianza na bendera ya Apple. IPhone X iliweka mtindo kwa miaka ijayo na OEMs wameanza kikamilifu kuunganisha analogi za Kitambulisho cha Uso kwenye vifaa vyao.

Katika benki

Utambuzi wa uso wa kibayometriki umetumika nchini Marekani kwa miaka kadhaa. Sasa teknolojia imefikia Urusi. Mnamo mwaka wa 2017 pekee, shukrani kwa utekelezaji wa mfumo huu, iliwezekana kuzuia shughuli zaidi ya elfu 10 za udanganyifu na kuokoa kiasi cha rubles bilioni 1.5.

Utambuzi wa uso hutumiwa kutambua mteja na kufanya uamuzi juu ya uwezekano wa kutoa mkopo.

Katika maduka

Sehemu ya rejareja hutumia teknolojia kwa njia yake mwenyewe. Kwa hivyo, ikiwa ulinunua vifaa vya nyumbani kwenye duka, na baada ya muda ukarudi kwa ununuzi mwingine, mfumo wa utambuzi wa uso utakutambulisha mara moja kwenye mlango. Muuzaji atapokea mara moja habari kutoka kwa hifadhidata na kujua sio jina lako tu, bali pia historia yako ya ununuzi. Tabia zaidi ya muuzaji ni rahisi kutabiri.

Katika maisha ya mijini

Hivi ndivyo teknolojia inavyotengenezwa na kuendelezwa. Kuanzia viwanja vya michezo hadi kumbi za sinema, popote palipo na idadi kubwa ya watu, utambulisho ni muhimu sana. Leo, teknolojia ya utambuzi wa uso hufanya iwezekanavyo kuzuia ghasia na mashambulizi ya kigaidi.

Ni makampuni gani yanavutiwa na utambuzi wa uso?

Google, Facebook, Apple na makampuni mengine makubwa ya IT sasa yananunua miradi kutoka kwa wasanidi wanaohusika katika utambuzi wa uso. Wote wanaona uwezo mkubwa katika teknolojia.

Hii ni sehemu tu ya mikataba iliyotangazwa rasmi. Kwa kweli, kuna mengi zaidi yao. Mbali na kujumuisha teknolojia ya analojia na Kitambulisho cha Uso kwenye simu mahiri, kampuni zinazoongoza za TEHAMA zina mipango mikubwa zaidi ya matumizi ya utambuzi wa uso.

Je, siku zijazo zenye utambuzi wa usoni zitakuwaje

Tayari tumegundua faida ambazo teknolojia ya skanning ya uso inatoa katika simu mahiri na vifaa vya elektroniki, kwa hivyo hebu tuangalie siku za usoni na fikiria siku moja katika maisha ya mtu ambaye anajikuta katika jiji ambalo kamera za utambuzi wa uso zimewekwa kila mahali.

Habari za asubuhi! Tabasamu, mfumo mahiri wa nyumbani unakutazama. Hmm, bwana, nilikunywa sana jana - ninaweza kuiona usoni mwangu, nilikuwa na ugumu wa kuitambua. Kwa hiyo, karibu na mke wangu, Barsik anamalizia chakula chake cha jioni kwenye barabara ya ukumbi. Hakuna wageni. Kushangaza.

Mtazamo mmoja kwenye mtengenezaji wa kahawa kwa mbali "karibu kidogo kuliko kawaida" na Americano yako ya nguvu ya wastani iliyo na maziwa ya joto kidogo iko tayari. Lo, mtu yuko mlangoni! Lo, huyu ndiye mama mkwe wangu ninayempenda zaidi. Ingia, mlango umefunguliwa kwako - hakuna mfumo mmoja wa utambuzi ulimwenguni utasahau uso wako.

Jitayarishe na uende kwenye lifti. Hapana, hapana, mfumo huu wa utambuzi tayari unajua kuwa unapendelea kukaa kwenye lifti ya nje, kwa hivyo tayari imeitwa.

Kukuona kutoka mbali, gari la umeme la farasi 500 lilirekebisha kiotomati ufikiaji wa usukani na kurekebisha msimamo wa kiti. mlango ni wazi - kuchukua kiti.

Ingawa watengenezaji wa mifumo ya otomatiki wanajaribu bila mafanikio kushawishi sheria juu ya hitaji la kuanzisha magari ambayo hayana rubani, jaribu kukiuka sheria za trafiki. Kamera za uchunguzi ziko kila mahali, na kulipa faini ni jambo lisiloepukika. Baada ya yote, wewe ndiye unaendesha gari, na mara tu unapobonyeza kanyagio cha kuongeza kasi kwenye sakafu, faini ya kasi itatozwa kutoka kwa kadi yako ya benki.

Hatimaye, tuko kwenye jengo la ofisi la kampuni hiyo ambayo inaleta teknolojia ya utambuzi wa uso katika miundombinu ya miji ya Urusi. Ndiyo, hiyo ni kazi yako. Udhibiti ni mdogo, lakini huna haja ya kuwa na wasiwasi - ulipokuwa ukiegesha gari, kamera tayari zimekutambua.

Kazi imekuwa ngumu zaidi: kando ya eneo lote la ofisi kuna kamera za utambuzi ambazo "huona" ni nani anayefanya nini, na wakati huo huo wanaweza kusoma hisia. Kwa kifupi, kudanganya mahali pa kazi haitafanya kazi.