Розпізнавання осіб за допомогою відеоспостереження – автоматизована безпека. Розпізнавання осіб у транспорті

Взяти кредит, оформити візу та й просто запустити смартфон останньої моделі — зробити все це сьогодні неможливо без участі алгоритмів розпізнавання облич. Вони допомагають поліцейським у розслідуваннях, музикантам — на сцені, але потроху перетворюються на всевидюче око, яке стежить за всіма нашими діями онлайн та офлайн.

Алгоритми (технології)

Визначити людину по фото з погляду комп'ютера означає два дуже різні завдання: по-перше, знайти обличчя на знімку (якщо воно там є), по-друге, вичленувати із зображення ті особливості, які відрізняють цю людину від інших людей з бази даних.

1. Знайти

Намагання навчити комп'ютер знаходити обличчя на фотографіях проводилися ще з початку 1970-х років. Було випробувано безліч підходів, але найважливіший прорив стався значно пізніше — зі створенням у 2001 році Полом Віолою та Майклом Джонсом методу каскадного бустингу, тобто ланцюжка слабких класифікаторів. Хоча зараз є й хитріші алгоритми, можна посперечатися, що і у вашому стільниковому телефоні, і у фотоапараті працює саме старий добрий Віола — Джонс. Вся справа у чудовій швидкості та надійності: навіть у далекому 2001 році середній комп'ютер за допомогою цього методу міг обробляти по 15 знімків за секунду. Сьогодні ефективність алгоритму відповідає всім розумним вимогам. Головне, що потрібно знати про цей метод, він влаштований напрочуд просто. Ви навіть не повірите, наскільки.

Крок 1. Забираємо колір і перетворюємо зображення на матрицю яскравості.
Крок 2. Накладаємо на неї одну із квадратних масок – вони називаються ознаками Хаара. Проходимося з нею по всьому зображенню, змінюючи положення та розмір.
Крок 3. Складаємо цифрові значення яскравості з осередків матриці, які потрапили під білу частину маски, і віднімаємо з них ті значення, що потрапили під чорну частину. Якщо хоча б в одному з випадків різниця білих і чорних областей виявилася вищою за певний поріг, беремо цю область зображення в подальшу роботу. Якщо ні – забуваємо про неї, тут особи немає.
Крок 4. Повторюємо з кроку 2 вже з новою маскою — але тільки в області зображення, яка пройшла перше випробування.

Чому це працює?Подивіться на ознаку. Майже на всіх фотографіях область очей завжди трохи темніша за область безпосередньо нижче. Подивіться на ознаку: світла область посередині відповідає переніссю, розташованому між темними очима. На перший погляд чорно-білі маски зовсім не схожі на обличчя, але за всієї своєї примітивності вони мають високу узагальнюючу силу.

Чому так швидко?В описаному алгоритмі не зазначено одного важливого моменту. Щоб відняти яскравість однієї частини зображення з іншого, знадобилося б складати яскравість кожного пікселя, які може бути багато. Тому насправді перед накладенням маски матриця перетворюється на інтегральне уявлення: значення матриці яскравості заздалегідь складаються в такий спосіб, щоб інтегральну яскравість прямокутника можна було отримати додаванням чотирьох чисел.

Як зібрати каскад?Хоча кожен етап накладання маски дає дуже велику помилку (реальна точність трохи перевищує 50%), сила алгоритму - в каскадній організації процесу. Це дозволяє швидко викидати з аналізу області, де особи точно немає, і витрачати зусилля тільки ті області, які можуть дати результат. Такий принцип складання слабких класифікаторів у послідовності називається бустингом (докладніше про нього можна прочитати у жовтневому номері «ПМ» або ). Загальний принцип такий: навіть великі помилки, перемножені одна на одну, стануть невеликі.

2. Спростити

Знайти особливості особи, які б ідентифікувати його власника, означає звести реальність до формули. Йдеться про спрощення, причому дуже радикальне. Наприклад, різних комбінацій пікселів навіть на мініатюрному фото 64 x 64 пікселя може бути величезна кількість - (2 8) 64 x 64 = 232768 штук. При цьому для того, щоб пронумерувати кожного з 7,6 млрд людей на Землі, вистачило б лише 33 біти. Переходячи від однієї цифри в іншу, потрібно викинути весь сторонній шум, але зберегти найважливіші індивідуальні особливості. Фахівці зі статистики, добре знайомі з такими завданнями, розробили багато інструментів спрощення даних. Наприклад, метод головних компонентів, який і заклав основу ідентифікації осіб. Втім, останнім часом згорткові нейромережі залишили старі методи далеко позаду. Їхня будова досить своєрідна, але, по суті, це також метод спрощення: його завдання - звести конкретне зображення до набору особливостей.

Накладаємо на зображення маску фіксованого розміру (правильно вона називається ядром згортки), перемножуємо яскравість кожного пікселя зображення значення яскравості в масці. Знаходимо середнє значення для всіх пікселів в «віконці» і записуємо його в один осередок наступного рівня.

Зсуваємо маску на фіксований крок, знову перемножуємо і записуємо середнє в карту ознак.

Пройшовшись по всьому зображенню з однією маскою, повторюємо з іншого - отримуємо нову карту ознак.

Зменшуємо розмір наших карток: беремо кілька сусідніх пікселів (наприклад, квадрат 2x2 або 3x3) і переносимо на наступний рівень лише одне максимальне значення. Те саме проводимо для карт, отриманих з усіма іншими масками.

З метою математичної гігієни замінюємо всі негативні значення нулями. Повторюємо з кроку 2 стільки разів, скільки ми хочемо отримати шарів у нейромережі.

З останньої карти ознак збираємо не згорткову, а повнозв'язну нейромережу: перетворюємо всі осередки останнього рівня на нейрони, які з певною вагою впливають на нейрони наступного шару. Останній крок. У мережах, навчених класифікувати об'єкти (відрізняти на фото кішок від собак тощо), тут знаходиться вихідний шар, тобто список ймовірностей виявлення тієї чи іншої відповіді. У випадку з особами замість конкретної відповіді ми отримуємо короткий набір найважливіших особливостей особи. Наприклад, у Google FaceNet це 128 абстрактних числових параметрів.

3. Упізнати

Останній етап, власне ідентифікація, — найпростіший і навіть тривіальний крок. Він зводиться до того що, щоб оцінити схожість отриманого списку ознак ті, що є у базі даних. На математичному жаргоні це означає знайти у просторі ознак відстань від даного вектора до найближчої області відомих осіб. Так само можна вирішити й інше завдання - знайти схожих один на одного людей.

Чому це працює?Сверточная нейромережа «заточена» те що, щоб витягувати із зображення найхарактерніші риси, причому робити це автоматично і різних рівнях абстракції. Якщо перші рівні зазвичай реагують на прості патерни на кшталт штрихування, градієнта, чітких кордонів тощо, то з кожним новим рівнем складність ознак зростає. Маски, які нейромережа приміряє на високих рівнях, часто справді нагадують людські обличчя чи їхні фрагменти. Крім того, на відміну від методу головних компонентів, нейромережі комбінують ознаки нелінійним (і несподіваним) чином.

Звідки беруться маски?На відміну від тих масок, що використовуються в алгоритмі Віоли - Джонса, нейромережі обходяться без допомоги людини та знаходять маски у процесі навчання. Для цього потрібно мати велику навчальну вибірку, в якій були б знімки різних осіб на різному тлі. Щодо того результуючого набору особливостей, які видає нейромережа, то він формується за методом трійок. Трійки - це набори зображень, в яких перші два є фотографією однієї і тієї ж людини, а третє - знімок іншого. Нейросеть вчиться знаходити такі ознаки, які максимально зближують перші зображення між собою і при цьому виключають третє.

Чия нейромережа краще?Ідентифікація осіб давно вже вийшла з академії у великий бізнес. І тут, як і в будь-якому бізнесі, виробники прагнуть довести, що саме їхні алгоритми кращі, хоча не завжди наводять дані відкритого тестування. Наприклад, за інформацією конкурсу MegaFace, нині найкращу точність показує російський алгоритм deepVo V3 компанії «Вокорд» з результатом 92%. Гугловський FaceNet v8 у цьому конкурсі показує всього 70%, а DeepFace від Facebook із заявленою точністю в 97% у конкурсі зовсім не брав участі. Інтерпретувати такі цифри потрібно з обережністю, але вже зараз зрозуміло, що найкращі алгоритми майже досягли людської точності розпізнавання облич.

Живий грим (мистецтво)

Взимку 2016 року на 58-й щорічній церемонії вручення нагород «Греммі» Леді Гага виконала триб'ют померлого незадовго до того Девіда Боуї. Під час виступу на її обличчі розтеклася жива лава, залишивши на лобі і щоці відомий усіма шанувальниками Боуї знак - помаранчеву блискавку. Ефект рухомого гриму створювала відеопроекція: комп'ютер відстежував рухи співачки в режимі реального часу і проектував на обличчя картини, враховуючи його форму та становище. У Мережі легко знайти відеоролик, на якому помітно, що проекція ще недосконала і при різких рухах трохи запізнюється.

Технологію відеомапінгу осіб Omote Нобумічі Асаї розвиває з 2014 року і вже з 2015-го активно демонструє по всьому світу, зібравши пристойний список нагород. Заснована ним компанія WOW Inc. стала партнером Intel і отримала добрий стимул для розвитку, а співпраця з Ішикавою Ватанабе з Токійського університету дозволила прискорити проекцію. Втім, основне відбувається в комп'ютері, і схожі рішення використовують багато розробників додатків, що дозволяють накладати на обличчя маски, чи то шолом солдата Імперії, чи грим «під Девіда Боуї».

Олександр Ханін, засновник та генеральний директор VisionLabs

«Подібна система не потребує потужного комп'ютера, накладання масок може здійснюватися навіть на мобільних пристроях. Система здатна працювати прямо на смартфоні, без надсилання даних у хмару або на сервер».

«Це завдання називається трекінгом точок на обличчі. Є багато подібних рішень і у відкритому доступі, але професійні проекти відрізняються швидкістю та фотореалістичністю, - розповів голова компанії VisionLabs Олександр Ханін. — Найскладніше при цьому полягає у визначенні положення точок з урахуванням міміки та індивідуальної форми обличчя або в екстремальних умовах: за сильних поворотів голови, недостатнього освітлення та великого засвічення». Щоб навчити систему знаходити точки, нейронну мережу навчають спочатку вручну, скрупульозно помічаючи фотографію за фотографією. «На вході це картинка, а на виході – розмічений набір точок, – пояснює Олександр. — Далі вже запускається детектор, визначається обличчя, будується його тривимірна модель, на яку накладається маска. Нанесення маркерів здійснюється на кожен кадр потоку в режимі реального часу.

Приблизно так і працює винахід Нобумічі Асаї. Попередньо японський інженер сканує голови своїх моделей, отримуючи точні тривимірні прототипи та готуючи відеоряд з урахуванням форми обличчя. Завдання полегшують і маленькі маркери-відбивачі, які клеять на виконавця перед виходом на сцену. П'ять інфрачервоних камер стежать за рухами, передаючи дані трекінгу на комп'ютер. Далі все відбувається так, як нам розповіли у VisionLabs: особа детектується, будується тривимірна модель, і у справу вступає проектор Ішікави Ватанабе.

Пристрій DynaFlash був представлений ним у 2015 році: це високошвидкісний проектор, здатний відстежувати та компенсувати рухи площини, на якій відображається картинка. Екран можна нахилити, але зображення не спотвориться і транслюватиметься з частотою до тисячі 8-бітних кадрів за секунду: запізнення не перевищує непомітних оку трьох мілісекунд. Для Асаї такий проектор виявився знахідкою, живий грим став працювати дійсно в режимі реального часу. На ролику, записаному в 2017 році для популярного в Японії дуету Inori, відставання вже не видно. Особи танцівниць перетворюються то на живі черепи, то на маски, що плачуть. Це виглядає свіжо і привертає увагу - але технологія вже швидко входить у моду. Незабаром метелик, що сів на щоку ведучої прогнозу погоди, або виконавці, які щоразу на сцені міняють зовнішність, напевно стануть звичайнісінькою справою.

Фейс-хакінг (активізм)

Механіка вчить, що кожна дія створює протидію, і швидкий розвиток систем спостереження та ідентифікації особистості не є винятком. Сьогодні нейромережі дозволяють зіставити випадкову змащену фотографію з вулиці зі знімками, завантаженими в облікові записи соціальних мереж і за секунди з'ясувати особистість перехожого. Водночас митці, активісти та фахівці з машинного зору створюють засоби, здатні повернути людям приватність, особистий простір, що скорочується з такою запаморочливою швидкістю.

Перешкодити ідентифікації можна різних етапах роботи алгоритмів. Як правило, атакам піддаються перші кроки процесу розпізнавання - виявлення фігур та осіб на зображенні. Як військовий камуфляж обманює наш зір, приховуючи об'єкт, порушуючи його геометричні пропорції та силует, так і машинний зір намагаються заплутати кольоровими контрастними плямами, які спотворюють важливі для нього параметри: овал обличчя, розташування очей, рота тощо. На щастя, комп'ютерне зір поки що настільки настільки, як наш, що залишає велику свободу у виборі забарвлень і форм такого «камуфляжу».

Рожеві та фіолетові, жовті та сині тони домінують у лінійці одягу HyperFace, перші зразки якого дизайнер Адам Харві та стартап Hyphen Labs представили у січні 2017 року. Піксельні патерни надають машинному зору ідеальну — на її думку — картинку людського обличчя, на яку комп'ютер ловиться, як на хибну мету. Через кілька місяців московський програміст Григорій Бакунов і його колеги навіть розробили спеціальний додаток, який генерує варіанти макіяжу, що заважає роботі систем ідентифікації. І хоча автори, подумавши, вирішили не викладати програму у відкритий доступ, той самий Адам Харві пропонує кілька готових варіантів.

Людина в масці або з дивним гримом на обличчі, може, і буде непомітна для комп'ютерних систем, але інші люди напевно звернуть на неї увагу. Проте з'являються способи зробити навпаки. Адже з погляду нейромережі зображення не містить образів у звичайному для нас розумінні; для неї картинка - це набір чисел та коефіцієнтів. Тому зовсім різні предмети можуть виглядати для неї чимось схожим. Знаючи ці нюанси роботи ІІ, можна вести більш тонку атаку і підправляти зображення лише злегка - так, що людині зміни будуть майже непомітні, зате машинний зір обдуриться повністю. У листопаді 2017 року дослідники показали, як невеликі зміни у забарвленні черепахи або бейсбольного м'яча змушують систему Google InceptionV3 впевнено бачити замість них рушницю або чашку еспресо. А Махмуд Шаріф та його колеги з Університету Карнегі — Меллон спроектували плямистий візерунок для оправи окулярів: на сприйняття особи оточуючими він майже не впливає, а ось комп'ютерна ідентифікація засобами Face++ впевнено плутає його з особою людини, «під яку» спроектований патерн.

Складні паролі, двофакторна автентифікація, сканери відбитків пальців - все це способи захисту даних користувача. Останні кілька років виробники смартфонів почали активно просувати новий тренд – системи автоматичного розпізнавання людських осіб. Давайте розберемося, звідки взялися, як працюють і навіщо потрібні.

Трохи історії

Перші закриті експерименти з розпізнавання комп'ютером людей почали проводити в 1960 роках. Основні проблеми вчених тоді – нездатність комп'ютерів уловлювати різні вирази та вікові зміни особи людини, а також низька автоматизація процесу. На новий рівень дослідження перейшли наприкінці XX століття – тоді комп'ютери почали навчати під час аналізу фотографій «пізнавати» людей з кількох ракурсів, не реагувати на бороди, вуса, косметику та інші «перешкоди». Цей процес триває і до сьогодні – у світі немає системи, яка працює у 100% випадків та забезпечує високу точність розпізнавання. Тим не менш, на початку XXI століття технології зробили крок вперед, і з'явився новий метод ідентифікації осіб, заснований на тривимірному скануванні. На ньому ми зробимо сьогодні основний акцент.

Як працюють системи розпізнавання облич на смартфонах

Розпізнавання осіб на сучасних гаджетах, як і будь-який інший процес біометричної ідентифікації користувача, можна умовно поділити на 4 етапи:

Вихідне сканування особи. За допомогою спеціального сенсора або камери система виконує тривимірне сканування обличчя та обробляє отриману інформацію.
Вилучення унікальних даних та створення на їх основі шаблону. На цьому етапі система визначає набір особливостей конкретної особи: контури очної ямки, ширину носа і форму вилиць.
Зіставлення готового шаблону з новими вхідними даними, наприклад, обличчям іншої людини.
Пошук відповідності. Система вирішує, чи збігається набір особливостей нового зразка з готовим шаблоном та виконує певну дію. У нашому випадку – розблокує екран або залишає його заблокованим.

Недоліки

На сучасних смартфонах сканування займає менше ніж секунду. Тим не менш, 3D-сенсор поки не може повністю замінити інші методи ідентифікації користувача, наприклад сканер відбитків пальців. Причин кілька:

система нестабільно працює за умов слабкого освітлення;
вона погано справляється з різними виразами людського обличчя, зачісками, рослинністю на обличчі та іншими завадами;
система не завжди точно порівнює шаблон з новими вхідними даними, тому пристрій можна розблокувати за допомогою фотографії власника.

Де використовують системи розпізнавання облич

Раніше системи розпізнавання осіб та ідентифікації особи використовувалися виключно правоохоронними органами, в аеропортах та на митницях. Останніми роками фокус змістився у бік персональних комп'ютерів, смартфонів і пристроїв, що носяться, де сканери обличчя – це додатковий інструмент аутентифікації користувачів. Так, представлений у березні Galaxy S8 оснащений 3D-сенсором, що вміє розблокувати пристрій. Примітно, що для здійснення платежів або роботи з конфіденційними папками користувачам доводиться використовувати надійніший метод біометричної верифікації – відбиток пальця.

Інша сфера застосування технології розпізнавання облич – ідентифікація людей на фотографіях. Ця функція працює в альбомах Google Photos та програмі Фото на iPhone та Mac. В останньому система дізнається людей на знімках, які користувач завантажує в бібліотеку, а потім дозволяє додавати імена та контактні дані, спрощуючи пошук фотографій.

Коли Apple "допилить" Siri, ми зможемо не торкаючись пристрою відкривати потрібні фото і ділитися ними в соціальних мережах, дзвонити старим друзям, яких побачили в альбомі з університетськими фотографіями або просити помічника показати, як змінилася наша зовнішність за останні 5 років. І це тільки те, що першим спадає на думку.

Мабуть, немає жодної іншої технології сьогодні, навколо якої було б стільки міфів, брехні та некомпетентності. Брешуть журналісти, які розповідають про технологію, брешуть політики, які говорять про успішне впровадження, брешуть більшість продавців технологій. Щомісяця я бачу наслідки того, як люди намагаються впровадити розпізнавання осіб у системи, які не зможуть з ним працювати.

Тема цієї статті давним-давно наболіла, але було все якось ліньки її писати. Багато тексту, який я вже разів з двадцять повторював різним людям. Але, прочитавши чергову пачку трешу все ж таки вирішив що пора. Даватиму посилання на цю статтю.

Отже. У статті я відповім на кілька простих питань:

Як ви думаєте, звідки автори алгоритмів взяли ці бази?

Невелика підказка. Перший продукт NTech, який вони зараз - Find Face, пошук людей за контактом. Думаю, пояснення не потрібні. Звичайно, вконтакт бореться з ботами, які викачують усі відкриті профілі. Але, наскільки я чув, народ досі хитає. І однокласників. та інстаграм.

Ніби з Facebook - там все складніше. Але майже певен, що щось теж вигадали.
Так що так, якщо ваш профіль відкритий - можете пишатися, він використовувався для навчання алгоритмів;)

Про рішення та про компанії

Тут можна пишатися. З 5 компаній-лідерів у світі зараз два – Російські. Це N-Tech та VisionLabs. Півроку тому лідерами були NTech і Vocord, перші найкраще працювали по повернутих особах, другі по фронтальних.

Зараз решта лідерів - 1-2 китайські компанії та 1 американська, Vocord щось здав у рейтингах.

Ще російські в рейтингу itmo, 3divi, intellivision. Synesis - білоруська компанія, хоча частина колись була в Москві, роки 3 тому вони мали блог на Хабре. Ще про кілька рішень знаю, що вони належать закордонним компаніям, але офіси розробки також у Росії. Ще є кілька російських компаній, яких немає в конкурсі, але у яких начебто непогані рішення. Наприклад, є у ЦРТ. Очевидно, що Однокласники і Вконтакт теж мають свої гарні, але вони для внутрішнього користування.

Коротше так, на обличчях зрушені здебільшого ми та китайці.

NTech взагалі першим у світі показав добрі параметри нового рівня. Десь наприкінці 2015 року. VisionLabs наздогнав NTech тільки. 2015 року вони були лідерами ринку. Але їхнє рішення було минулого покоління, а намагатися наздогнати NTech вони стали лише наприкінці 2016 року.

Якщо чесно, то мені не подобаються обидві компанії. Дуже агресивний маркетинг. Я бачив людей, яким було впарено явно невідповідне рішення, яке не вирішувало їхніх проблем.

З цього боку Vocord мені подобався дуже більше. Консультував якось хлопців кому Вокорд дуже чесно сказав «у вас проект не вийде з такими камерами та точками встановлення». NTech та VisionLabs радісно спробували продати. Але щось Вокорд останнім часом зник.

Висновки

У висновках хочеться сказати таке. Розпізнавання облич це дуже хороший і сильний інструмент. Він реально дозволяє шукати злочинців сьогодні. Але його використання вимагає дуже точного аналізу всіх параметрів. Є де досить OpenSource рішення. Є застосування (розпізнавання на стадіонах у натовпі), де треба ставити тільки VisionLabs | Ntech, а також тримати команду обслуговування, аналізу та прийняття рішення. І OpenSource вам тут не поможе.

На сьогоднішній день не можна вірити всім казкам у тому, що можна ловити всіх злочинців, чи спостерігати всіх у місті. Але важливо пам'ятати, що такі речі можуть допомагати ловити злочинців. Наприклад, щоб у метро зупиняти не всіх підряд, а тільки тих, кого система вважає схожими. Ставити камери так, щоб особи краще розпізнавались і створювати для цього відповідну інфраструктуру. Хоча, наприклад, я - проти такого. Бо ціна помилки якщо вас розпізнає як когось іншого може бути занадто великою.

Додати теги

Світовий ринок розпізнавання осіб зросте з 4,05 млрд. доларів у 2017року до 7,76 млрд. доларів США до 2022 року.

Як працює система розпізнавання осіб?

У принципі, система розпізнавання облич може бути описана як процес зіставлення осіб, що потрапили в об'єктив камери з базою даних раніше збережених та ідентифікованих зображень облич еталонів.
По структурної реалізації системи розпізнавання осіб можна назвати три поширені схеми.

Аналіз відеопотоку на сервері

Найбільш поширена схема реалізації - IP-камера передає відеопоток на сервер, на сервері спеціалізоване програмне забезпечення виконує аналіз відеопотоку та порівняння отриманих з відеопотоку зображень осіб, з базою осіб еталонів.

Недоліками такої схеми будуть, високе навантаження на мережу, висока вартість сервера, навіть найпотужнішому серверу можна підключити обмежену кількість IP-камер, тобто. чим більше система, тим більше серверів.
Перевагою є можливість використовувати вже існуючу систему відеоспостереження.

Аналіз відеопотоку на IP-камері

В даному випадку аналіз зображення буде проводитися на самій камері, а сервер будуть передаватися оброблені метадані.

Недоліки - потрібні спеціальні камери, вибір яких в даний момент вкрай малий, вартість камер вища за звичайні. Також у системах різних виробників буде по-різному вирішуватися питання зберігання та обсягу бази даних розпізнаних осіб стандартів, і навіть питань взаємодії софту на камері та софту на сервері.
Переваги – підключення практично необмеженої кількості камер до одного сервера

Аналіз відеопотоку на пристрої контролю доступу

На відміну від перших двох схем де використовуються IP-камери, в даному випадку камера вбудована в пристрій контролю доступу, який, крім розпізнавання особи, яка природно відбувається на пристрої, виконує функції управління доступом, як правило, через турнікет або електрозамок встановлений на двері. База даних осіб стандартів зберігається на пристрої, і зазвичай не у вигляді фотозображень.

Недоліки - зазвичай всі такі пристрої випускаються для використання в приміщеннях.
Переваги - низька вартість систем у порівнянні з системами відеоспостереження, що використовуються для розпізнавання осіб.

У будь-якому разі успіх реалізації проектів із розпізнавання осіб залежить від трьох важливих факторів:
Алгоритм розпізнавання
Бази даних розпізнаних осіб (еталонів)
Швидкодія алгоритму

Технологія розпізнавання осіб

Як правило система складається з камери відеоспостереження та програмного забезпечення, яке виконує аналіз зображень.Програмне забезпечення для розпізнавання осіб засноване на обробці зображень та обчислення складних математичних алгоритмів, які вимагають потужніший сервер, ніж зазвичай потрібно для систем відеоспостереження.

Нас насамперед цікавитиме якісні показники програмного забезпечення. По-друге, які серверні потужності потрібні для аналізу зображення та обробки бази даних із зображеннями, та й у треті ми розглянемо питання застосування IP-камер для цілей розпізнавання осіб.На окрему увагу заслуговують так звані «stand alone» пристрої, які виконують обробку зображень безпосередньо на самому пристрої а не на сервері, а також на таких пристроях можливо в пам'ять база даних осіб стандартів.

2D-розпізнавання осіб
В основі технології 2D (двовимірного) розпізнавання облич, лежать плоскі двовимірні зображення. Алгоритми розпізнавання осіб використовують: антропометричні параметри особи, графи – моделі осіб або еластичні 2D-моделі осіб, а також зображення з особами, представлені деяким набором фізичних чи математичних ознак. Рейтинг популярності алгоритмів розпізнавання облич ми розглянемо нижче.

Розпізнавання 2D зображень є однією з найбільш затребуваних технологій на даний момент. Оскільки основні бази даних ідентифікованих осіб, накопичені у світі, - саме двомірні. І основне обладнання, вже встановлене, по всьому світу теж 2D – за даними на 2016 рік – 350 мільйонів камер відеоспостереження. Тому основний попит припадає саме на 2D системи розпізнавання осіб.

А попит, як відомо, стимулює пропозицію, змушуючи розробників максимізувати зусилля на вдосконаленні саме 2D технології.Ці зусилля приносять іноді несподівано цікаві результати, наприклад, у вигляді створення тривимірної моделі обличчя на основі 2D зображення.Дослідники з університетів Ноттінгема та Кінгстона представили проект з 3D-реконструкції осіб на основі одного єдиного зображення.Нейросітка, через яку пропустили безліч об'ємних 3D-моделей людей і звичайних портретів, відтворює об'ємні особи людей на основі всього одного двовимірного зображення обличчя.

Переваги
Величезною перевагою 2D розпізнавання облич є наявність готових баз даних облич еталонів, і готової інфраструктури. Максимальний попит доведеться саме на цей сегмент, а попит стимулюватиме розробників удосконалювати технології.

Недоліки
Вищі коефіцієнти помилок FAR та FRR порівняно з 3D розпізнаванням осіб.

3D-розпізнавання осіб
3D розпізнавання (Three-dimensional face recognition - англ.) виробляється зазвичай по реконструйованим тривимірним образам. Технологія 3D розпізнавання облич має більш високі якісні характеристики. Хоча, звісно, і вона не є ідеальною.

Існує кілька різноманітних технологій 3D сканування. Це можуть бути лазерні сканери з оцінкою дальності від сканера до елементів поверхні об'єкта, спеціальні сканери зі структурованим підсвічуванням поверхні об'єкта та математичною обробкою згинів смуг, або це можуть бути сканери, що обробляють фотограмметричним методом синхронні стереопари зображень осіб.

Одним із найбільш досліджених споживачами та експертами 3D сканерів є знаменитий Face ID, від компанії Apple. Досвід використання Face ID вкрай цікавий і показовий, тому що по суті це єдиний пристрій з технологією 3D розпізнавання облич випущений на мас маркет, якщо звичайно можна вважати телефон за сотку пристроєм для мас маркету.

3D технологія від Apple єдина у світі використовує – вертикально-випромінюючі лазери (VCSEL), за чутками сумарно витративши на розробку Face ID від 1,5 до 2 мільярдів доларів. Постачальником VCSEL для Apple виступають дві компанії Finisar Corp (інвестиції Apple – 390 млн. доларів) та Lumentum Holdings. І судячи з того, що інші 3D технології, не показують такої ефективності як Face ID, розблокування обличчям на смартфонах на Android, з'явиться не скоро.

Звичайно з завданнями ідентифікації близнюків Face ID не справляється, хоча цього ніхто і не очікував, але навіть із близькими родичами трапляються фейли.
Ну і швидше комічний момент, але спочатку Face ID не розрізняв азіатів, але проблему настільки швидко пофіксували, що Apple навіть не встигли вчинити жодного позову за расизм.

Переваги 3D
Велика точність і менша кількість помилок поки що недосяжна для 2D систем розпізнавання облич.

Недоліки 3D
Досить легко підробитидля професіоналів
Навіть Face ID незважаючи на всю крутість, був зламаний в'єтнамською компанією Bkav відразу після надходження у продаж. Маска була створена за допомогою 3D-принтера. Собівартість створення маски лише $150. Створення маски досить складно для звичайної людини, і ваша мама навряд чи зможе це повторити, але для професіоналів це як два пальці об асфальт.

Не використовуйте 3D розпізнавання облич для захисту від несанкціонованого доступу до ноутбуків, смартфонів, приміщень з особливим рівнем секретності, всі вони можуть бути легко зламані професіоналами.

3D розпізнавання вимагає спеціальних камердля сканування, які у кілька разів дорожчезвичайних камер відеоспостереження, які використовуються в 2D розпізнаванні.
Відсутність готових баз даних ідентифікованих осіб порівняно з 2D розпізнаванням
Розпізнавання близнюків залишається складним завданням для алгоритмів розпізнавання осіб. У середньому у світі народжується 13.1 близнюків на 1000 новонароджених, і ця цифра сильно коливається залежно від географічного регіону.

Розпізнавання обличчя за текстурою шкіри обличчя
Зображення з високою роздільною здатністю ще один фактор у вдосконаленні технології розпізнавання облич, завдяки високому дозволу став можливий дуже докладний аналіз текстури шкіри.

При такому аналізі певна область шкіри обличчя може бути захоплена як зображення, а потім розбита на дрібніші блоки, які перетворюються на математичні вимірні простори, в яких записуються лінії, пори і фактична текстура шкіри.

Технологія може ідентифікувати різницю між близнюками, що поки що неможливо використовувати за допомогою програмного забезпечення для розпізнавання осіб». У разі поєднання розпізнавання особи з аналізом поверхневої текстури, точність ідентифікації може сильно збільшитися.

Розпізнавання особи за тепловізійним зображенням
Використання тепловізійних камер для цілей розпізнавання осіб на даний момент вважається перспективним напрямком для розробки, але готових для впровадження комерційних рішень поки немає.

Технологія досить перспективна, оскільки дозволяє нівелювати больові точки 2D-розпізнавання.

Розпізнавання осіб у повній темряві та в умовах недостатнього освітлення
Макіяж, зачіска, борода, капелюх, окуляри - не є проблемою для тепловізійних камер
Дозволяють розпізнавати близнюків

Можна виділити два напрями, у яких ведеться технологія:
Ідентифікація за заздалегідь створеними термограмами ідентифікованих осіб. Тут проблеми ті ж, що і з 3D-розпізнавання, готових баз даних еталонів немає, обладнання дороге.
Ідентифікація людини за зображеннями отриманими з тепловизионной камери, а як осіб еталонів застосовуються база даних стандартних двовимірних зображень. Вирішується завдання, як ви напевно вже здогадалися використанням глибоких нейронних мереж.

Розпізнавання облич по текстурі шкіри та по тепловізійному зображенню. працює, тільки в лабораторії, та й то не ідеально. Але ми уважно спостерігаємо, і якщо щось одразу дамо вам знати.

Якість програмного забезпечення

Існує кілька важливих метрик для оцінки якості програмного забезпечення.

Найбільш важливі з них FRR та FAR
False Reject Rate – FRR (Рівень помилкових відмов) – ймовірність того, що система не ідентифікує зареєстрованого користувача або не підтверджує його автентичності.

Як розраховується FRR:
Нехай Nt – кількість еталонів зображень у базі даних. FR - кількість помилкових нерозпізнавань (False Reject - Іванов, не розпізнаний як Іванов),

False Acceptance Rate – FAR (Рівень помилкових підтверджень) – ймовірність того, що система розпізнавання осіб помилково ідентифікує незареєстрованого користувача або підтверджує його дійсність.

Як розраховується FAR:
Нехай Nt – кількість еталонів зображень у базі даних. FA – кількість хибних розпізнавань (False Acceptation – Іванов розпізнаний як Петров),

Перше і найважливіше, що вам потрібно знати про ці два показники, це те, що вони не абсолютні, а відносні, тобто. вони можуть змінюватися залежно від параметрів алгоритму розпізнавання осіб.

Друге те, що ці показники взаємопов'язані - що менше FAR тим більше FRR.

Орієнтовні значення FRR та FAR для систем розпізнавання осіб та їх взаємозв'язок представлені в таблиці:

Порівняння FAR та FRR різних методів біометричної ідентифікації:

Розробники алгоритмів розпізнавання облич

Алгоритм розпізнавання, це, як правило, не готовий програмний продукт, а програмний алгоритм, який ще належить упаковувати в програмний продукт та обладнання.

Виробників алгоритмів розпізнавання у світі досить багато, благо є незалежні організації, які проводять тестування ефективності алгоритмів. Найвідоміші: NIST – Національний інститут стандартів технологій США та MegaFace – Вашингтонський університет, Labeled Faces in the Wild, є й інші. Результати конкурсів постійно оновлюються. Будь-яка компанія у будь-який момент може оновити свій результат, знову пройшовши тестування. Ще недавно NtechLab заявила про себе як переможця, а сьогодні вони лише на 4 місці.

Ми опублікуємо тестування NIST із результатами на 13.05.2018. Так як NIST на мій погляд більш цікавий оскільки тестування алгоритмів відбувається на закритій базі даних осіб, що виключає підготовку розробника до тестування.

Алгоритм - megvii-000 від Megvii, Китай
Китайська компанія Megvii зі своїм основним продуктом Face++. заоцінок Комерсантаоборот компанії становив близько $100 млн.
Алгоритми: 2 місце – visionlabs-003, 7 місце – visionlabs-002, VisionLabs, Росія
Алгоритми: 3 місце – morpho-002, 17 місце – morpho-000. OT-Morpho, Франція
Перший важкоатлет, у рейтингу з оборотом майже 3 млрд. євро за 2017 рік. Спільне підприємство Oberthur Technologies (OT) та Safran Identity & Security (Morpho)
Алгоритми: 4 місце – ntechlab-003, 13 місце – ntechlab-002 від NtechLab, Росія
Московська компанія, що здобула популярність як розробникрішення для пошуку порно акторів .
Отримав інвестиції від «РТ – розвиток бізнесу» («дочка» «Ростеху») та фонду компанії VB Partners. Сума інвестицій не розкривається. В результаті "дочка" "Ростеха", отримала 12,5% компанії, фонд New Dimension Fund Variable Capital Investment, ним управляє VB Partners - 25% компанії. NtechLab планує вийти на ринок систем національної безпеки та посилити розвиток у комерційному секторі.
Алгоритм - cogent-000 від Gemalto Cogent, США
Розробляє повний спектр біометричних рішень із акцентом на правоохоронну діяльність, прикордонний контроль та громадянську ідентифікацію. Щорічні глобальні продажі становлять близько 205 мільйонів доларів.
Алгоритм - vocord-002 від Vocord, Росія
Компанія «Вокорд» заснована у 1999 році випускниками МФТІ Дмитром Заварикіним та Олексієм Кадейшвілі. За даними «СПАРК-Інтерфакс», в 2014 році виручка компанії склала 302 млн рублів, свіжіших даних на момент написання статті отримати не вдалося.
Алгоритми: – fdu-000, 9 місце – fdu-001. Fudan University , Китай
Алгоритм – neurotechnology-003. Neurotechnology, Литва
З сайту компанії можназавантажити демо версію програмного забезпечення для ПК та для смартфона на Android, демо версію SDK. Компанія має інформативний канал на YouTube. Ціни на сайті. Також компанія пропонує власний хмарний сервіс www.skybiometry.com
Алгоритм – ITMO-003. Університет ІТМО, Росія
Алгоритм – 3divi-001. Тридиві (3DiVi Inc.) , Росія
Алгоритм – yitu-000. Yitu Technologies, Китай
Головний продукт Yitu – система розпізнавання облич Dragonfly Eye, яку використовують державні системи безпеки в різних містах Китаю. У перші три місяці використання системи у Шанхаї за допомогою Dragonfly Eye затримали 567 порушників закону. Система зберігає 1,8 мільярда фотографій, причому до бази потрапляють фото не лише громадян Китаю, а й усіх туристів, які перетинають кордон країни. Систему розгортають і на масових подіях: під час фестивалю пива в Ціндао камери допомогли затримати 22 розшуку. Влада на місцяхрапортують про успіхи : в одному місті система Yitu допомогла скоротити кишенькові крадіжки на 30%, в іншому - за два роки розкрити 500 злочинів Якимось неймовірним чином система навіть допомогла впізнати жертву вбивства по черепу через п'ять років після злочину.
Алгоритм – gorilla-000, Gorilla Technology, Тайвань
Алгоритм - cyberextruder-002, CyberExtruder, США
Алгоритм - tongyitrans-002,TongYi Transportation Technology, Китай
Алгоритм - yisheng-001,Zhuhai Yisheng Electronics Technology, Китай

Разом: 5 представників із Росії, що не може не тішити, 5 від Китаю, що навіть не дивує.

Насправді, виробників алгоритмів розпізнавання набагато більше, багатьох відсутніх тут ви можете знайти в рейтингу MegaFace. Але якщо навіть скласти єдиний список, він все одно буде не сповнений. Майже всі гіганти IT індустрії розробляють власні алгоритми розпізнавання облич - Facebook, Google (вважає свою систему розпізнавання найточнішою), Baidu, Microsoft, Яндекс (тестує авторизацію водіїв по обличчю та голосу), Вконтакте, Toshiba та багато інших.

Існують навіть.

З цієї різноманітності, можна зробити кілька нескладних висновків:

Конкуренція на цьому ринку посилюватиметься, її наслідком вже стало багаторазове зниження цін. Для прикладу - Macroscop ще в 2017 році знизив свої ціни модуль розпізнавання в 18 разів, про що радісно повідомляють на своєму ж сайті, як би передаючи "велике привітання" всім своїм клієнтам яким пощастило купити модуль розпізнавання до 2017 року.

Очевидно, що ціни й надалі знижуватимуться.Якісні показники алгоритмів розпізнавання постійно зростають, і в багатьох випадках відрізняються один від одного незначно, значно ж відрізняється ціна, як ви зможете побачити нижче, ще більш значно відрізняється швидкодія, природно такий параметр, як швидкодія, потрібно тестувати на базі даних максимального обсягу.

Ще неважко помітити, що у рейтингах практично немає виробників обладнання для систем відеоспостереження, а без відеокамер та пристроїв зберігання, вся ця історія з алгоритмами лише гри на комп'ютері. Але те, що їх немає, це не означає, що вони не бачать цього ринку, і не розуміють його значущість. Ось - розпізнавання облич від Panasonic, від NEC, Amazon та багатьох інших. Загалом на цьому ринку незабаром стане дуже спекотно. Крім софтверних рішень(це коли безпосередньо розпізнавання відбувається на сервері), є ще Stand Aloneрішення - це коли розпізнавання відбувається на пристрої зчитування.

Програмне забезпечення для розпізнавання осіб для систем відеоспостереження

Тестування ефективності алгоритмів розпізнавання облич це звичайно цікаво, як і будь-яке змагання, але більше схоже на виставку досягнень народного господарства. Начебто вражає, але як безпосередньо почати використовувати і скільки коштуватиме незрозуміло.

Результатом роботи алгоритмів для розпізнавання осіб буде збіг або розбіжність з базою еталонів. А далі, залежно від специфіки вашої системи, має статися заздалегідь запрограмована дія. Наприклад, при вході VIP клієнта старший менеджер отримує повідомлення з усіма даними по клієнту з вашої бази даних.

Або навпаки, при вході людини з чорного списку, повідомлення отримує охорона. Або при спробі проходу людини із чорного списку через прохідну, система контролю доступу блокує прохід – це вже інтеграція системи розпізнавання осіб із системою контролю доступу.

Робота системи розпізнавання осіб у реальних умовах це комплекс програмно апаратного взаємодії.

Для організації таких взаємодій існує купа інтегрованих платформ, що дозволяє налаштовувати взаємодії із системами контролю доступу, системами відеоспостереження, охоронними системами, системами пожежної безпеки, CRM системами, системами управління підприємством та багатьма іншими.

Так якщо вам не шашечки, а везти, наступні пари розділів для вас просто «Must Have».

Інтеграційні платформи - гучна назва, до перелічених нижче розробників воно відноситься різною мірою, тому вибираючи рішення для розпізнавання осіб необхідно ознайомитися з усіма можливостями софту (платформи). Враховуючи як поточні потреби підприємства, і можливості розвитку, як якісні характеристики алгоритму розпізнавання осіб, і можливості інтеграції.

Розробники програмного забезпечення для системи розпізнавання осіб та ціни на їх модулі

ISS , Росія, Програмне забезпечення «SecurOS® Face»

Ліцензія модуля захоплення осіб - ціна 41 275 рублів

На канал. Встановлюється на сервері розпізнавання облич або на сервері захоплення облич

Ліцензія модуля розпізнавання осіб (до 1000 чол. в базі) – ціна 665 760 рублів.
На сервер розпізнавання облич.

Сервера для програмного забезпечення з метою розпізнавання осіб

Розпізнавання облич як і будь-яка інша відеоаналітика завдання процесорно ємні, тому для розгортання навіть невеликої системи розпізнавання облич вам потрібні досить потужні і зовсім не дешеві сервери. Показники сервера підбираються індивідуально і залежать від безлічі факторів - від кількості каналів розпізнавання, до передбачуваного обсягу бази даних осіб стандартів, і тривалості зберігання відеоархіву.

Сервера для програмного забезпечення систем розпізнавання осіб – ціна від 101 567 рублів

Вибір серверів не обмежується представленими у цьому каталозі, здебільшого ми збираємо сервер залежно від заявлених вами вимог.

Найкращі IP-камери для розпізнавання облич

Програмне забезпечення та сервери, ми розглянули вище, але щоб система запрацювала, потрібні IP-камери. Саме від якісних характеристик камер сильно залежатиме, то наскільки якісно система працюватиме система розпізнавання осіб.

При виборі IP-камери для розпізнавання облич ми рекомендуємо звертати увагу на такі характеристики.

WDR (Широкий динамічний діапазон)

Незважаючи на те, що останнім часом з'являються камери з WDR за 5000 рублів, якість зображення таких камер сильно поступається камерам з більш високого цінового сегмента. Камери з кращим WDR на наш досвід не може коштувати дешевше 80000 рублів.

Частота кадрів не менше 60 кадрів за секунду

Чим більша частота кадрів в секунду тим більша ймовірність того, що ви отримаєте знімок з найкращою орієнтацією особи людини щодо камери, що безпосередньо впливатиме на якість розпізнавання облич.

Варіофокальний об'єктив

Чим більше доводиться пікселів на обличчя людини, тим більше буде зображення.

Тести показали, що для успішного розпізнавання особи потрібно, щоб обличчя було представлено не менше 160 пікселів, що припадають на овал обличчя, і в ідеалі не менше 50 пікселів припадало на відстань між очима. Як би ретельно ви не вибирали розташування камери, щоб досягти цих значень її доведеться підлаштовувати за місцем залежно від безлічі факторів. Саме для цього вам і знадобиться варіофокальний об'єктив.

Камери відеоспостереження із встановленими рекомендованими характеристиками для розпізнавання осіб- Ціна від 10 000 рублів

Далі, як кажуть, вибір за вами. Якщо ви будуєте систему розпізнавання з нуля, то варто замислитися про вибір дійсно кращих моделей IP-камер.

Досить поширений і недорогий функціонал, як правило, він завжди присутній в основному програмному забезпеченні для розпізнавання осіб, але може і купуватися окремо. Якщо ви ніколи не цікавилися системами відеоспостереження. Подивіться відео там максимально коротко розказано у чому суть.

ITV , Росія, Програмне забезпечення «Інтелект»

Пошук осіб в архіві (за 1 відеоканал) – ціна 6 200 рублів

Trassir , Росія, Програмне забезпечення «Trassir Face Search»

Модуль пошуку певної особи в архіві Trassir Face Search - ціна 36 990 рублів

У тому чи іншому вигляді цей функціонал присутній у більшості розробників, тому ми мабуть не розтягуватимемо і без того ні коротку статтю.

Виробники обладнання з інтегрованими алгоритмами розпізнавання облич

Якщо розділ вище із розробниками програмного забезпечення це справжнє, тобто. саме там зосереджені основні рішення, що показують максимальну ефективність на даний момент. То цей розділ про майбутнє, яке вже настає.

У першому випадку відеопотік від камери через мережу передається на сервер із встановленим софтом, і саме там відбувається розпізнавання осіб, потік від однієї IP-камер приблизно дорівнює 5 Мбіт/с, і цей потік потрібно передати по мережі на сервер і там обробити. У випадку з однією камерою все виглядає прийнятно, а якщо камер сотні - це проблема, яку потрібно окремо вирішувати. Вирішувати її можна переважно десятками серверів для обробки даних, будь-яка відеоаналітика це процесорно ємне завдання. Отже, сервери будуть чималою статтею витрат.

Набагато ефективніше зробити розпізнавання на борту пристрою, а по мережі передати вже опрацьовані результати, що зменшить навантаження на мережі та сервери на порядки.

Крім того, що такі пристрої вже є, вони вже показують приголомшливу ефективність і швидкодію. Все обладнання я поділив би на дві великі групи «Камери відеоспостереження з вбудованим розпізнаванням осіб» та «Обладнання для систем контролю доступу з вбудованим розпізнаванням осіб».

Камери відеоспостереження із вбудованим розпізнаванням облич

Розумні камери з вбудованими алгоритмами розпізнавання облич є одним із найпередовіших у галузі. Вони дозволяють обробляти відеопотік безпосередньо на самій камері, а на сервер відправляти оброблені метадані.

2Мп камера iDS-2CD8426G0/F-I з двома об'єктивами - ціна 135 550 рублів

HikVision, Китай, найбільший китайський виробник систем відеоспостереження.
Матриця - 1/2.8'' Progressive Scan CMOS
Чутливість - Колір: 0.005 лк @ (F1.2, AGC ВКЛ), 0.0089 лк @ (F1.6, AGC ВКЛ), 0 лк з ІЧ
Швидкість електронного затвора – 1с ~ 1/100000с
Роздільна здатність 2МпАпаратний WDR 120дБ, частота кадрів 25к/с@2Мп, слот для microSD до 128Гб, ІЧ-підсвічування до 10м

Камера для розпізнавання обличчя, з двома об'єктивами, є компактним пристроєм з алгоритмами глибокого навчання DeepinView з системою розпізнавання осіб на борту.

Камера підтримує кілька кодеків стиснення відео (H.265, H.264, MPEG-4 та MJPEG) та може обробляти до п'яти відеопотоків. Розмір відеокамери – 180,4 х 147 х 117,9 мм, вага пристрою – 1500 грам. Конструктивно є дволінзовою камерою з бінокулярною стереофонічною технологією, яка зчитує велику кількість характеристик обличчя для більш точного розпізнавання.

Вона оснащена об'єктивом з фіксованою фокусною відстанню 4 мм, кут огляду дорівнює 86 °. Камера автоматично захоплює вибирає та виводить оптимальне зображення обличчя людини.

Виконує розпізнавання осіб, миттєве порівняння захоплених осіб із бібліотеками на борту, підтримується налаштування активації тривоги за ідентифікованою особою.

HikVision заявляє про робочі температури в діапазоні від -10 ° C до 40 ° C і рівень вологості до 95 відсотків.

Камера автоматично перемикається між режимами денної та нічної зйомки. Інфрачервоне підсвічування діє на відстань до 10 метрів.

Відеореєстратор iDS-96128NXI-I16 із системою розпізнавання осіб - ціна 3 299 990 рублів

Запис відео з роздільною здатністю до 12Мп, Виведення відео з роздільною здатністю до 4K
128 каналів, Синхронне відтворення 4 канали @ 4К
16 SATA HDD до 10ТБ кожен
1/2 аудіо вхід/виходів, 16/8 тривожних входів/виходів
Мережевий інтерфейс 4 RJ-45 10M/100M/1000M Ethernet

Пам'ять відеореєстратора розрахована на 16 бібліотек знімків людей (всього до 100 000 фото)

Відеореєстратор підтримує Smart-функції пошуку схожих людей, аналізу поведінки, виявлення осіб і автомобілів.
Є можливість роботи з тепловізорами, виявлення вогню, морських суден, вимірювання температури, ведення статистики камер теплових карток та підрахунку відвідувачів.
iDS-96128NXI-I16 здатний виявляти людей на 32 каналах, і моделювати особи зі швидкістю 64 фото за секунду.

Реєстратор має інтерфейси 1 RS-232, 1 RS-485, RS-485 для клавіатури, і по два роз'єми USB 2.0 та USB 3.0, а також 16 тривожних входів та 8 виходів.

IDS-96128NXI-I16 підтримує використання рейд-масивів RAID0, RAID1, RAID5, RAID6 та RAID10.

Камера відеоспостереження DH-IPC-HF8242F-FR із системою розпізнавання осіб на борту – ціна 100 000 рублів
Dahua Technology, Китай
1/1.9", 2 Мп progressive scan CMOSSmart кодек 265+/H.264+, кодування в 3х потоках
Starlight, true WDR 120дБ, 3DNR, День/ніч (ICR), AWB, AGC, BLC
Множинний моніторинг мережі: веб-переглядач, CMS (DSS/PSS) & DMSS
Автоматичне задне фокусування (ABF)

Face capture - це програмна програма, яка автоматично захоплює особи з цифрового зображення або відеофрагменту з відеоджерела. Камери Dahua використовують удосконалені алгоритми Deep Learning, що дозволяє камері швидко та точно розпізнавати та зіставляти обличчя.

Відеокамера для розпізнавання облич DH-IPC-HF8242FP-FR використовує технологію Deep Learning, що дозволяє ефективно розпізнавати та зіставляти особи. Аналітичні функції пристрою дозволяють визначати вік, стать, настрій, наявність або відсутність маски/окулярів/бороди або вусів.

Відеокамера має функцію підрахунку людей та генерує теплову карту.
Пам'ять камери містить до 10 000 осіб, які можуть бути розділені на 5 категорій, що дозволяє забезпечити захоплення та порівняння осіб у реальному часі.

Завдяки Starlight технології від компанії Dahua камера ідеально підходить для роботи в складних умовах з обмеженим освітленням.
Її низька світлочутливість забезпечує продуктивність кольорової картинки з мінімальним навколишнім освітленням. Навіть в екстремальних умовах низького освітлення, практично у повній темряві, Starlight технологія здатна відобразити кольорове зображення.

Камера відеоспостереження IPC2255-Gi4N із системою розпізнавання осіб на борту – ціна 100 000 рублів

Kedacom, Китай
1/1.9" КМОП Starlight матриця, 0.001 лк при кольоровому зображенні [email protected]к/с H.265 / H.264 / MJPEG
Розпізнавання до 18 цілей одночасно (образ, особа)
Аппартний WDR, Адаптоване ІЧ-підсвічування до 100м
2 тривожні входи / 1 вихід, Клас захисту IP66, Діапазон температур -40°C +60°C

Відеокамера Axis P1367 із вбудованим алгоритмом Ayonix - ціна 68 448 рублів

Ayonix, Японія
Матриця 1/2,9” з прогресивною розгорткою
Змінна фокусна відстань 2,8-8,5 мм
Чудова якість відео з роздільною здатністю 5 Мп
Технології Lightfinder та Forensic WDR, Технологія Zipstream
Розширені можливості для аналізу зображень

Японський розробник програмного забезпечення для розпізнавання облич Ayonix розробила програмне забезпечення для роботи на борту камери Axis P1367.

Завдяки платформі ACAP сторонні розробники можуть розробляти програми для встановлення їх безпосередньо на камери Axis.

Термінали для систем обліку робочого часу із вбудованим розпізнаванням осіб

Термінал обліку робочого часу FacePass Pro - ціна 23 000 рублів

Anviz , Китай
Об'єм пам'яті на 400 користувачів
Час ідентифікації< 0,1 сек
Відстань для ідентифікації користувача: від 30 см до 80 см
Відсоток розпізнавання: > 99%
Чутливий сенсорний 2,8” TFT дисплей
Вбудований Web Server для зручності налаштування терміналу

Дві камери, що сканують, забезпечують максимально точну ідентифікацію, а високошвидкісний процесор Samsung ARM зводить до мінімуму час розпізнавання осіб співробітників.

На точність і швидкість ідентифікації не впливають навіть такі фактори, як колір шкіри, вираз обличчя, підлога, зачіска, а також наявність або відсутність на обличчі рослинності.

Anviz FacePass Pro - система обліку робочого часу співробітників з розпізнаванням по обличчю, безконтактних карток RFID або паролю.

Поєднання нового алгоритму BioNANO з високопродуктивною апаратною частиною гарантує ідентифікацію користувачів менш ніж за 0,1 (!) секунди.

Унікальне інфрачервоне підсвічування, забезпечує стабільну роботу пристрою як у приміщеннях зі змінною освітленістю, так і у повній темряві.
На швидкість та якість ідентифікації не впливають навіть такі фактори, як: колір шкіри, вираз обличчя, підлога, зачіска, а також наявність чи відсутність на обличчі бороди чи вусів.

Динамічна цифрова клавіатура та чутливий 2,8” сенсорний дисплей TFT гарантують комфортну експлуатацію.

Мультибіометричний термінал обліку робочого часу ZKTeco Pface202-ID - ціна 26 500 рублів

ZKTeco, Китай

Пам'ять на 600 шаблонів вен долоні, 1200 осіб (до 3000 при верифікації 1:1), 2000 пальців та 10000 карт
Місткість журналу 100000 на подій
Сенсорний РК-дисплей 4.3’’
Вбудований зчитувач карток Em-Marin

Мережевий біометричний термінал для систем обліку робочого часу та контролю доступу з ідентифікацією по особах, венах долоні, відбиткам пальців, зчитувачем RFID-карток та підключенням по Ethernet.

Мультибіометричний термінал обліку робочого часу ZKTeco uFace302-ID - ціна 27 405 рублів

Пам'ять розрахована на 1200 шаблонів осіб, 2000 відбитків пальців і 10000 карт
Журнал подій на 100 000 записів
Висока швидкість розпізнавання
Інтерфейси TCP/IP, RS232/485, USB Host, Wiegand вихід
Виходи для підключення елетророзамка, датчика стану дверей, кнопки виходу, тривожний вихід
Використання апаратного шифрування для захисту прошивки

Біометричний термінал для обліку робочого часу та контролю доступу UFace302-ID здійснює ідентифікацію по обличчю, відбитку пальця, карті та коду. Face302-ID здатний відрізнити обличчя реальної людини від фотозображення. Просунутий і доброзичливий інтерфейс користувача забезпечує 4-дюймовий сенсорний дисплей (Touch Screen).

Біометричний термінал обліку робочого часу ZKTeco uFace800 - ціна 27 405 рублів

Вбудована подвійна камера високої роздільної здатності для сканування осіб з інфрачервоним підсвічуванням
Пам'ять до 3000 осіб, 5000 пальців, 10000 карт та 100000 подій
Платформа ZMM220_TFT, алгоритми ZK Face 7.0, ZK Finger 10.0
6 статусів подій під час реєстрації
Сканер відбитків пальців, Вбудований зчитувач карток
Інтерфейси TCP/IP, USB Host, WiFi (optional), Wiegand вихід

Мережевий біометричний термінал для систем обліку робочого часу та контролю доступу з ідентифікацією по особах, сканером відбитків пальців, зчитувачем RFID-карт та підключенням по Ethernet.
uFace800 підтримує керування замком, контроль датчика дверей, дзвінок, датчик злому, підключення кнопки виходу.

Обладнання для систем контролю доступу із вбудованим розпізнаванням осіб

Термінал розпізнавання облич FaceStation 2 - ціна 80 856 рублів

Suprema, Корея. Найбільший світовий виробник біометрії, входить до топ 50 найбільших світових виробників систем безпеки.
Мікропроцесорна система: 1.4 GHz Quard Core, Пам'ять: 8 GB Flash + 1 GB RAM
Автономна пам'ять на 30 000 користувачів, 5 000 000 подій, 50 000 фото
Швидка ідентифікація – порівняння 1:3 000 шаблонів на секунду
Сенсорний дисплей 4" LCD Touchscreen, Підсвічування до 25000 лк
Стабільна робота при будь-якому освітленні завдяки підсвічуванню 25 000 лк

FaceStation 2 – високопродуктивна платформа для розпізнавання облич. Розпізнавання осіб може бути використане як у режимі ідентифікації, так і в режимі верифікації. Крім ідентифікації по обличчю, підтримується ідентифікація за смартфоном та безконтактними картами.

Для вирішення конкретних завдань СКУД на реальному об'єкті користувач може підібрати різні режими ідентифікації (1:N) або верифікації (1:1) із широкого переліку, запропонованого FaceStation 2.
Таким чином, з'являється можливість вибрати оптимальне співвідношення рівня безпеки та швидкості роботи у кожному конкретному випадку.

Залежно від вибраного режиму в роботі будуть задіяні різні поєднання біометричних сенсорів, вбудованого зчитувача Smart карт та сенсорної клавіатури для введення PIN-коду.
Безконтактна ідентифікація на обличчі та можливість використання смартфона замість карти доступу робить FaceStation 2 виключно зручним для користувачів.

Термінал розпізнавання облич високої продуктивності, з вбудованим мультичастотним зчитувачем карт (125kHz EM & 13.56Mhz MIFARE, DESFire/EV1, FeliCa, NFC, ISO14443A/B, ISO15693).

Завдяки розширеній області розпізнавання, встановлений згідно з інструкцією пристрій «бачить» обличчя людей зростом від 145 см до 210 см.
Термінал оснащений розширеними функціями безпеки, такими як інфрачервона технологія блокування підроблених осіб та багатосмугова технологія RF-зчитування, що підтримує найновіші стандарти RFID.

Також є модифікація терміналу FaceStation 2 (модель FS2-AWB)ціна 93 850 рублів, що відрізняється вбудованим зчитувачем MultiCLASS SE (125kHz EM, HID Prox & 13.56Mhz MIFARE, DESFire/EV1, FeliCa, iCLASS SE/SR, NFC, ISO14443A/B, ISO15693).

Ну і звичайно рішення від наших китайських партнерів, які не були б китайськими партнерами, якби не пропонували сучасні технології в 3-4 рази дешевші. Дешевизна безумовно не досягається без наслідків, одна з основних відмінностей це розмір бази даних, який у китайців менше разів у 5 мінімум, та й швидкість і точність теж трохи страждають. Але в принципі це цілком робітничі, локальні рішення для малих підприємств.

Пристрій мультифакторної біометричної ідентифікації ZKTeco VF680 – ціна 13 410 рублів

ZKTeco®, Китай, найбільший китайський виробник біометричних, самостійно розробляє алгоритми розпізнавання.
Платформа ZEM810, алгоритм ZK Face 7.0
Вбудована подвійна камера високої роздільної здатності для сканування осіб з інфрачервоним підсвічуванням
Пам'ять на 800 осіб, до 10 000 та 100 000 подій
Швидкість верифікації трохи більше 1 секунди
Підключення через TCP/IP

VF680 може працювати автономно або підключатися до мережних систем контролю доступу. Термінал оснащений платформою ZEM810, сенсорним екраном 3.0 дюймів та алгоритмом ZK Face 7.0, що підтримує 800 осіб.
Зчитувач може програмуватись з вбудованої клавіатури або за допомогою програмного забезпечення.

Пристрій мультифакторної біометричної ідентифікації ZKTeco MultiBio700id – ціна 28 530 рублів

Версія алгоритму: ZK Face v7.0 та ZK Finger v10.0

100 000 подій у журналі
Розпізнавання не більше 1 секунди

Мультибіометричний термінал ZKTeco Multibio700 здійснює доступ по обличчю, відбитку пальця, безконтактній карті та коду.
Пристрій захоплює відносну позицію, розмір і форму очей, носа, вилиць, щелеп і формує з цих даних біометричний шаблон для подальшого порівняння.
Розпізнавання користувача відбувається точно і швидко в межах 1 секунди. Інфрачервоне підсвічування допомагає успішно проводити ідентифікацію в умовах недостатньої освітленості.

Для прямого управління замком термінал може використовуватися автономно, або підключатися в ролі зчитувача мережевих систем доступу з використанням Wiegand інтерфейсу.

Біометричний зчитувач ZKTeco SpeedFace V5

Процесор Quad-Core A17 1.8Ghz, Пам'ять 2G RAM / 16G ROM
Подвійна камера: IR камера + Visible Light камера
Робота при освітленні 0~40,000Lux
5 дюймовий сенсорний екран
Пам'ять на 6000 ~ 10000 (1:N) осіб
Швидкість верифікації менше 1 секунди
Зчитувач підтримує розпізнавання обличчя, відбитка пальця та RFID карт EM-Marine або Mifare.

Розпізнавання облич Visible light в рази перевищує розпізнавання облич IR і дистанція розпізнавання збільшена до 2 метрів, що значно спрощує ситуацію в годину-пік. Не потрібно довго стояти перед камерою пристрою. Користувач може швидко пройти в потрібному напрямку поруч із пристроєм, щоб особа потрапила у поле видимості камери.

Завдяки використанню CNN та створенню 3D моделі обличчя стало можливим розпізнавання з різних кутів огляду. Із застосуванням інтелектуального алгоритму CNN, функція анти-спуфінгу ефективно запобігає проходу по масках, фото та відео.

Біометричний термінал доступу HikVision DS-K1T606M - ціна 49 990 рублів

HikVision , Китай
Пам'ять на 3 000 шаблонів осіб, 5 000 карт формату Mifare та 100 000 подій у журналі
2 тривожних входу та 1 вихід
Інтерфейси зв'язку TCP/IP; Wi-Fi; EHome протокол; RS-485; Wiegand 26/34
Робочі умови від -20 °C до +50 °C, вологість 10% - 90%
Підходить для вуличного встановлення

Зчитувач з вбудованим контролером та алгоритмом розпізнавання облич ST-FR040EM - ціна 26 824 рублів
Smartec, Росія, парасольковий російський бренд, розміщує замовлення на купі китайських фабрик і продає в Росії під єдиним брендом Smartec.
Версія алгоритму: ZK Face v7.0 та ZK Finger v10.0
Інфрачервона камера високої роздільної здатності, Сенсорний дисплей 3 дюйми
Об'єм пам'яті на 400 шаблонів осіб, 2000 відбитків пальців та 1000 безконтактних карток
Розпізнавання не більше 1 секунди
Вбудований RFID рідер Em-Marine 125kHz

Якщо вам здалося, що він схожий на ZKTeco MultiBio700ID, то ви маєте рацію для Smartec цей зчитувач виробляє ZKTeco, і це повна копія MultiBio700ID.

Домофон із вбудованою системою розпізнавання облич DS06M - ціна 14 300 рублів

Бевард, Росія
1,3 Мп сенсор SONY Exmor, з чутливістю 0.01Лк
Експлуатація в діапазоні температур від -40 до +50 ° С, клас захисту IP54
Встановлена картка microSDHC на 4 ГБ, запис на картку пам'яті
Двосторонній аудіозв'язок
Підтримка хмарного сервісу Camdrive

Не поспішайте радіти низькій ціні, база даних максимум на 30 осіб. Але якщо у вас є невелике підприємство і ви хочете зробити ВАУ ефект на ваших відвідувачів - це те, що може підійти.

До речі, системою розпізнавання облич може бути обладнаний будь-який IP домофон, бажано з нормальною IP камерою.
І навіть більше, IP домофон встановлюється саме на рівні особи або трохи нижче, що ідеально підходить для якісного розпізнавання облич.

Той самий домофон Бевард, але підключений до системи розпізнавання облич Макроскоп, у разі програмне забезпечення Макроскоп встановлюється на сервер . У такій конфігурації розмір бази даних обмежений, вибачте, вашими фінансовими можливостями.

Окуляри з системою розпізнавання облич використовуєполіція міста Чженчжоу

LLVision Technology, Китай

Підключені до бази даних поліції, окуляри видають ім'я та адресу людини за 2-3 хвилини. За півтора тижні за допомогою окулярів на залізничному вокзалі в Чженчжоу було затримано семеро людей, що числяться в розшуку, і 26 з підробленими ID-картами.

Крім хакерів, є ще всюдисущий товариш майор, який до біометричних даних виявляє не менший інтерес. WikiLeaks опублікувала повідомлення (url передбачливо заблокована РосКомНаглядом) про можливу крадіжку бази даних Aadhaar ЦРУ, за допомогою обладнання яке використовується для сканування відбитків пальців та райдужної оболонки ока від компанії Cross Match (Запам'ятайте цю американську компанію вона досі активно просуває своє обладнання, в тому кількості на міжнародних ринках)

Природно, Aadhaar сам надає доступ комерційним компаніям, наприклад компанія Microsoft використовує Aadhaar для підтвердження особистості користувачів спеціальної версії Skype для Індії.

У наданні доступу комерційних компаній до державних баз біометричних даних є велике значення. Як правило, самі біометричні дані не передаються, передаються лише результат ідентифікації. Крім того, що ці послуги платні, саме на ці надходження створюються та обслуговуються державні біметричні бази даних.

Свій Aadhaar з'явився і в Росії, очевидно, що російська база даних навряд чи вдасться уникнути всіх тих проблем, через які пройшла Aadhaar.

Доступ до російської бази даних планується надавати банкам.

Є й приклади іншого підходу, Бельгія – перша країна, що заборонила використання систем розпізнавання осіб комерційними організаціями.

Бази даних приналежні комерційним компаніям
Держава навіть володіючи монополією на примусовий збір даних, як правило, не є найефективнішим їх збирачем.

Тому ми маємо величезну кількість комерційних баз даних біометричної інформації. Найбільші - База даних Вконтакте (більше 97 000 000 чоловік щомісяця користуютьсяВКонтакте), саме їй наприклад користується NtechLab для свого сайту FindFace, також великою базою даних володіє Facebook та інші соціальні мережі та сайти знайомств.

Комерційні бази даних для того і створюються, що за скромні гроші їх могли використовувати інші комерційні компанії.

Наприклад Бітрікс24 у своїх продуктах Face-трекер, Face-карт для 1С, Bitrix24.Time та візит-трекер використовує базу даних вконтакті.

Найкраща база даних
У всіх вище перерахованих баз даних є один істотний недолік, вони не мають жодного відношення до вашого бізнесу. І містять лише певні набори даних, найчастіше вкрай корисні набори, але без урахування специфіки вашого бізнесу застосування їх сильно обмежене.

Одним з найважливіших показників якості вашої бази даних буде якість зображень особи, еталонів.
Найважливіші показники якості бази даних еталонних зображень:
Кількість пікселів
Контраст та промальовування деталей обличчя
Фон, на якому знаходиться основна частина особи
Відсутність деталей, що заважають, на області обличчя і т.д.

Важливо при цьому ще й дотримуватися більш менш однакових умов отримання образів осіб (освітленість, розмір самої особи на тлі всього образу).

Ці показники важливо враховувати ще етапі проектування системи загалом, окремо приділяючи велику увагу системі отримання розпізнаних осіб еталонів.
Почніть створювати базу даних вже сьогодні!

Використання біометричних баз даних
Багато хто виявляє розумні побоювання як щодо використання біометричних даних державою так і ще більші побоювання з приводу використання цих даних комерційними структурами.

І дійсно, ці побоювання не позбавлені сенсу, але вони не повинні зупиняти впровадження технології. У нашому недалекому майбутньому саме наша біологічна ідентичністьдозволить відрізнити людину від штучного інтелекту.

Скрін з даними прокількості ботів та реальних людей, що відвідують веб сайти, дослідження проведено компанією Imperva Incapsula

Навіть на даний момент кількість ботів і реальних людей, що відвідують сайти, приблизно однакова. З розвитком інтернету речей та штучного інтелекту кількість ботів зростатиме в математичній прогресії як і їх можливості, вже існують рішення, здатні зателефонувати від вашого імені, наприклад, у перукарню або піцерію.

Області застосування систем розпізнавання осіб

Специфіка застосування технології розпізнавання облич відрізняється різною критичністю до помилок залежно від сфери застосування.

Системи контролю доступу

Одне з найкращих застосувань систем розпізнавання осіб зараз саме у системах контролю доступу. По-перше співробітник сам зацікавлений у наданні йому доступу і не свідомо саботуватиме роботу системи розпізнавання осіб. По-друге, ви контролюєте всі зовнішні фактори, що впливають на якість розпізнавання - освітлення, фон, схема руху співробітників. Використовуючи все це, ви можете створити ідеальні умови.

Системи розпізнавання осіб можуть використовуватись у системах контролю доступу у двох режимах:

Режим ідентифікації - рішення про допуск приймається на основі даних тільки від системи розпізнавання осіб. Тобто, наприклад, база даних з ваших співробітників 100 осіб, і завдання системи розпізнавання порівняти обличчя поточної людини з базою даних у 100 осіб. Тобто, порівняння відбувається 100:1. Якщо людина буде ідентифікована як співробітник, то їй буде надано доступ.

Термінали розпізнавання облич від HikVision

Цей режим найефективніше використовувати в задачах виявлення сторонніх на контрольованій території. Як правило є сенс використовувати в зонах підприємства, що особливо охороняються, куди доступ дозволено обмеженому колу осіб. До системи розпізнавання підключаються всі камери встановлені на даній території у разі виявлення будь-якої особи, яка не міститься у базі даних, відбувається інформування служби безпеки.

Режим верифікації - ідентифікація в даному випадку проводиться за допомогою іншої технології, наприклад, RFID (якщо ви консерватор), або може використовуватися мобільні ідентифікатори, абовідбитки пальця або венозний малюнок руки або пальця , якщо ви січете куди вітер дме в сучасних тенденціях СКУД, і не хочете викидати гроші на вітер.

Людина підносить карту до зчитувача система його ідентифікує, тобто встановлює що це Іванов, і Іванову дозволено доступ зараз. Система розпізнавання осіб у разі вже знає, що це Іванов, і використовуючи лише фото Іванова з бази даних порівнює, пред'явника RFID карти з фотографією Іванова у базі даних. Тобто, порівняння відбувається 1:1.

У режимі верифікації працює взагалі ідеально, оскільки завдання верифікації дуже просте навіть середніх за якістю систем розпізнавання осіб.

Цей режим доцільно використовувати на будь-яких прохідних - бізнес-центри, виробничі підприємства, інститути, школи.

Завдання системи розпізнавання облич - верифікувати власника картки. Зазвичай це завдання виконує охоронець або вахтер. І це не найкраща ідея, якщо ви не фольклорист, і не маєте на меті скласти «енциклопедію сучасної культури»

У охоронця на моніторі відображається фото людини при піднесенні безконтактної картки до зчитувача, завдання охоронця порівняти фото та пред'явника картки (наука це називається верифікація). Охоронцем виконується ця робота погано - як і будь-яка інша одноманітна, рутинна робота, що повторюється.

Система розпізнавання осіб не тільки набагато ефективніше виконає цю роботу, а ще запобігти зловживанням з боку охорони.

Розпізнавання осіб у транспорті

У транспорті розпізнавання осіб може застосовуватися для кількох цілей:

Пошук зниклих людей
Пошук злочинців, які перебувають у розшуку
Вилучення демографічної інформації людей для кращого обслуговування
Вимірювання задоволеності людей від їхніх осіб
Підрахунок кількості пасажирів, які використовують громадський транспорт

Дані про кількість пасажирів, що надходять в режимі онлайн, допоможуть швидше, більш гнучко та ефективно керувати мережами громадського міського транспорту.

Також підрахунок кількості пасажирів у порівнянні цих даних із кількістю оплат, дозволить встановлювати порушення правил оплати проїзду.

Ідентифікація по особі з метою оплати проїзду

Розпізнавання особи для цілей оплати проїзду може на даний момент вестись у режимі верифікації, і дозволить уникати несанкціонованого використання багаторазових проїзних квитків, наприклад, використання одного проїзного абонементу декількома особами.

Використання розпізнаної особи як єдиного ідентифікатора пасажира для автоматизованої оплати проїзду, на даному рівні розвитку технологій є можливим лише у невеликих корпоративних транспортних мережах, і ніяк не підійде для масового громадського міського транспорту.

Облік робочого часу

Ще недавно облік робочого часу без використання запобіжних пристроїв було недосяжною мрією. Сьогодні це реальність.
Облік робочого дня це, звичайно, одна з функцій системи контролю доступу, але облік робочого часу може вестись і окремо, лише за допомогою систем розпізнавання осіб.

Одна з основних переваг використання систем розпізнавання осіб для обліку відпрацьованого часу - це відсутність вимог до чистоти особи. У межах розумного звичайно - дивіться розділ "Саботаж".

Також перевагами обліку робочого часу за допомогою системи розпізнавання осіб будуть:

Відсутність перегороджувальних пристроїв, що, звичайно, підвищує комфортність
Можливість використовувати облік робочого часу потай, без інформування співробітників

Облік робочого дня всього лише одна з метрик, і взагалі сама по собі у відриві від інших даних по роботі підприємства, мало, що говорить. Але володіючи всім обсягом знань, вона відмінно вбудовується в аналіз ефективності роботи компанії.

Особливо уважно варто стежити за відвідуваністю кризи, на це нам сам PricewaterhouseCoopers прямо вказує. Не стежитимете за відвідуваністю отримайте 2 додаткові дні відсутності на роботі, про які ви не дізнаєтеся, але які ви оплатите. Що у 1,3 рази збільшить ваші фінансові втрати від відсутності працівників на робочому місці.

Розпізнавання осіб з метою обліку робітника може бути реалізовано у двох видах.

Сервер + софт + хороші IP-камери, і все це за багато грошей. Царський варіант - коли облік робочого дня може проводитись без інформування співробітників.

Спеціалізовані термінали - це той варіант, коли співробітнику потрібно підійти до терміналу, тим самим пройшовши процедуру ідентифікації. Це працює тільки якщо ви оголосили про те, що будь-кому, хто не відзначиться в пристрої розпізнавання облич - робочий день не оплачено. Це простий адміністративний захід як за помахом чарівної палички скорочує кількість помилок FAR і FRR до абсолютного нуля.

Розпізнавання облич у натовпі

Говорячи про систему розпізнавання осіб, як правило, наша уява малює саме сценарії ідентифікації злочинців на вулицях міста. Ця найбажаніша найзатребуваніша, і найскладніше на даний момент завдання.

Пошук зниклих людей у Китаї за допомогою системи розпізнавання осіб

Складнощі
Нерівномірне освітлення (день, ніч, сонце, що світить, все це різні умови які будуть сильно впливати на відсоток розпізнавання осіб)
Велика кількість людей у кадрі

Плюси
Ефект несподіванки
Розпізнавання облич хоч і перспективна технологія, про яку дуже багато пишуть, але пишуть у спеціалізованих «гіківських» виданнях. Отже кількість людей, які в курсі - мікроскопічна, в масштабі загальної кількості населення. Більшість злочинців просто не здійснюватимуть дії, що перешкоджають ідентифікації.

Мережа покриття
Камер відеоспостереження у більшості великих міст дуже багато. Саме цей аспект вноситиме свою корективу в роботу системи розпізнавання осіб. Наприклад, у Великобританії людина за день потрапляє в об'єктив відеокамери близько 300 разів. І це не рекорд, і не межа при низькій вартості IP-камер.

Визначення віку

Від задач безпеки переходимо до завдань маркетингу. Коли говорять про приєднання галузі «Систем безпеки» до великої галузі IT мають на увазі саме це – за допомогою обладнання, яке раніше вважалося здатним вирішувати лише проблеми безпеки. Сьогодні вирішую гігантський спектр різних завдань, які не стосуються «Систем безпеки» як таких.

Віковий склад відвідувачів безцінна інформація для будь-якого маркетолога, і якщо вірити нашому міністру охорони здоров'я, яка заявила, що середня тривалість життя може зрости до 120 років, щоправда, пані Скворцова не уточнила в якій країні це станеться, що очевидно видає в ній розумну людину. (я особисто вірю, що в Росії), так чи інакше актуальність завдання визначення віку точно зростатиме.

Онлайн сервіси для визначення віку
Наскільки точним буде визначення віку, ви можете протестувати на кількох онлайн-сервісах. Завантажуйте свої фото та тестуйте.

Для цілей визначення віку вам підійде:

Програмне забезпечення для розпізнавання осіб www.axis.com/products/axis-demographic-identifier/

Визначення статі

Якщо ви не збираєтеся аналізувати стать учасників Євробачення, для сучасних систем розпізнавання осіб це досить просте завдання.

Не потрібно бути великим маркетологом, щоб розуміти, що різний ґендерний склад ваших покупців вимагає різної маркетингової, рекламної, PR та будь-яких інших стратегій пов'язаних із взаємодією з клієнтами.

Мережі кінотеатрів «Сінема парк» та «Формула кіно» вже запустили збір віку та статі своїх відвідувачів.

Наскільки точним буде визначення статі, ви можете протестувати за вже знайомими вам онлайн сервісами. Завантажуйте свої фото та тестуйте.

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

Для визначення віку ви можете використовувати:
Програмне забезпечення для розпізнавання осіб, у часто це одна з його функцій.

Готові рішення від Axis, HikVision - Смарт відеореєстратор + IP-камери

Швеція
AXIS Demographic Identifier
https://www.axis.com/products/axis-demographic-identifier/

Підрахунок унікальних відвідувачів

Класичне завдання підрахунку кількості відвідувачів завжди вирішували інфрачервоними або лазерними датчиками, які просто показують кількість перетинів віртуальної лінії. Наприклад візок буде давати окремий перетин, користі від них, як від показника середньої температури по лікарні.

Є сучасні комплекси відеоаналітики, як правило, суміщені з додатковими датчиками. Вони вже вміють вважати саме людей, але ж вас охоронець, або місцевий міський божевільний, що 50 разів пройшов туди - назад, може звести дані майже до марності.

Вперше, завдяки сучасним системам розпізнавання осіб, маркетологи можуть отримувати по-справжньому корисні дані. кількість унікальних відвідувачів. А в поєднанні з показниками статі та віку - це Яндекс метрика для вашого магазину.

Trassir Face Analytics модуль аналізу осіб - ціна 36 990 рублів
Інтелектуальний модуль аналізу осіб. Функціонал:
1. підрахунок унікальних осіб
2. демографічний аналіз осіб (стаття, вік)
3. ідентифікація раси
4. розпізнавання атрибутів особи (окуляри, головний убір, вуса, колір волосся). Вартість за обробку 1 відеоканалу.

Скоро в нашому блозі вийде стаття з оглядом сучасних систем відеоаналітики для магазинів, це буде бомба, підписуйтесь, щоб не пропустити - ми доступні на всіх платформах -

Однією із застав якості життя в сучасному соціумі є правильний підхід до забезпечення особистої безпеки та збереження майна. Вимоги до систем відео-реєстрації постійно зростають. Хороша система спостереження в наші дні повинна не тільки вміти записувати те, що відбувається на знімні носії, але й розпізнавати та ідентифікувати людей у кадрі.

Місця застосування

Функція «розпізнавання облич» знайшла своє застосування у багатьох аспектах життя. За допомогою систем відеоспостереження цього типу можна:

організувати прохідну для підприємства чи інших закритих від сторонніх об'єктів. Відеоспостереження можна пов'язати з турнікетами та організувати автоматичний пункт пропуску за принципом «свої-чужі»;
організувати систему протидії розкраданням у торгових точках та інших приватних володіннях. Будь-які магазини, особливо великі, стикаються із проблемою пристрасті деяких відвідувачів до крадіжки. Найчастіше одні й самі люди, схильні здійснювати крадіжки у тих самих торгових точках. Встановивши камери з системою розпізнавання облич, можна більш ретельно придивлятися до дій людини, що вже попалася на крадіжці. Сканер повідомить пульт охорони як тільки він зайде в магазин;
організувати систему протидії проникненню на територію домоволодінь та інші закриті об'єкти. Іноді людині складно на моніторі відрізнити зловмисника, що причаївся, від куща, або іншого предмета, тим більше якщо камери встановлені на слабоосвітленій ділянці місцевості. Але те, що недоступне людині, цілком може зробити комп'ютерний модуль;
фейс-контроль у нічних клубах – 100% захист від непроханих гостей.

Принцип роботи

Система відеоспостереження з функцією "розпізнавання осіб" працює за принципом порівняння отриманого зображення з наявним у базі. Середньостатистичний комплекс вміє ідентифікувати людське обличчя на відстані, що не перевищує десяти метрів від камери. При цьому відвідувач буде впізнаний навіть з урахуванням змін фізичних параметрів особи: зміна зачіски, борода, наявність окулярів і т. д. Аналіз грунтується на порівнянні біометричних параметрів будови голови, індивідуальних для кожної людини. При цьому сканування відбувається на ходу, відвідувачу достатньо повернути обличчя до сканера під час руху. Система відеоспостереження може бути пов'язана з турнікетами та іншими пристроями авторизованоговходу та працювати автоматично. Непізнані відвідувачі не отримають доступу на територію, що охороняється, а їх фото буде збережено в базі для обробки службою охорони.

Зазвичай такі системи встановлюються у великих корпораціях, де від безпеки залежить майбутній успіх компанії, наприклад компанії з розробки нових типів озброєння або мікросхем, біологічна лабораторія. Система автоматично розпізнає всіх працівників та порівнює з базою даних. У разі невідповідності або відсутності людини в системі вона активізує протоколи безпеки, в кімнаті охорони запалюється тривожний сигнал і червона світлова індикація. Місце виявлення порушника точно вказується на електронній карті об'єкта та охорона за лічені секунди знаходить порушника.

Методи роботи

Камери систем розпізнавання осіб працюють у двох режимах двовимірному та тривимірному. У випадку з 2D системами розпізнавання відбувається на основі плоского зображення. Двовимірні камери дуже чутливі до рівня освітленості приміщення, від цього параметра значною мірою залежить якість кінцевої картинки. При поганому світлі зображення буде важкою. 3D камери для індикації відтворюють тривимірний образ на основі отриманого зображення. Погана освітленість їм особливої перешкодою перестав бути, зазвичай це може лише трохи спотворити текстуру особи.

Види

Залежно від цілей та завдань, поставлених перед системою відеоспостереження з функцією розпізнавання осіб, вони поділяються на:

виявлення (Камера від 1 Мп, фокусна відстань від 1 мм). Дія цієї охоронної системи спрямована на фіксування проникнень на підконтрольні об'єкти. Сканер може відрізнити людину від кішки або білки, але не зможе ідентифікувати її;
розпізнавання (Камера від 2 Мп, фокусна відстань від 6 мм). У разі основною функцією сканера є розпізнавання осіб відвідувачів за принципом «свої-чужі». При перегляді відеоряду зображення буде досить змазаним, Ви дізнаєтеся на ньому знайомі особи, але якщо на об'єкт проник злодій, знайти його за даними кадрами буде дуже важко;
ідентифікації (Камера більше 2 Мп, фокусна відстань від 8 мм) Дані системи можуть виконувати всі функції попередніх типів, при цьому якості зображення буде цілком достатньо щоб пізнати зловмисника. Таке фото цілком можна передати до судових органів та органів правопорядку.

У дужках до опису кожного типу систем відеоспостереження ми позначили мінімальні вимоги до роздільної здатності камери та фокусної відстані об'єктива. При замовленні обладнання необхідно враховувати, що цих характеристик достатньо за ідеальних умов для зйомки. Звичайно на практиці таке зустрічається рідко, тому вибираючи сканери краще придбати пристрої з запасом, наприклад, для систем розпізнавання - роздільна здатність в 2 Мп і фокусна відстань в 8 мм, для систем індикації - роздільна здатність в 5 МП і фокусна відстань в 12 мм.

Звичайно, кінцевий результат залежить не тільки від цих показників. Фокусна відстань і роздільна здатність дуже важливі, але при монтажі камери необхідно врахувати освітленість, кути огляду та багато інших параметрів. Тому підбір та встановлення краще довірити професіоналам.