Главная → Стартапы → Распознавание лиц
Задача — надежная защита офисных помещений ИТ-компании

Распознавание лиц (AI-PASS)

Ключевая информация

Локация

Belarus

Деятельность

Предприятие

Тип проекта

ИИ и машинное обучение

Срока разработки

6 месяцев на реализацию

Команда

Бизнес-аналитик, QA-инженер, 2 разработчика

Соглашение о неразглашении

Основная цель — безопасность доступа в помещение

Нашей задачей была надежная защита офисных помещений ИТ-компании. Системы распознавания лиц стали для нас своего рода естественным выбором. Наш первый внутренний проект, направленный на разработку системы распознавания лиц, был реализован путем предоставления доступа в помещения нашей компании. Мы использовали программные технологии, и наш офис стал основной площадкой для экспериментов.

Соглашение о неразглашении

Введение в технологию распознавания лиц

Нашей конечной целью была разработка системы распознавания лиц, которая не только точно идентифицировала лицо и подавала сигнал тревоги, если лицо не было распознано, но и была интегрирована с карточной системой, блокируя доступ в помещения компании при определенных обстоятельствах.

Долгосрочная безопасность (хорошо спроектированное приложение для распознавания лиц оказывается как минимум на 10% более «наблюдательным», чем человек-охранник, который легко может отвлечься или стать менее бдительным от усталости).

В результате мы пришли к выводу, что более оптимальной для достижения целей будет следующая комбинация инструментов и методов:

• HOG (Histogram of Oriented Gradients) Гистограмма ориентированных градиентов — предпочтительно для распознавания лиц.

• Dlib NN – оптимален для получения дескриптора лица (уникального идентификатора лица, состоящего из 128 черт лица или точек).

• SVM – предпочтительно для сравнения полученной визуальной информации с дескрипторами лица, хранящимися в базе данных приложения.

Важные уведомления

1.  Приложение для распознавания лиц должно распознавать не только лица, но и объекты. Особенно это будет актуально для крупных корпораций с очень большим количеством сотрудников или для тех предприятий, которые предъявляют повышенные требования к безопасности в силу характера и специфики производственного процесса. Например, человека с винтовкой не встретят в аэропорту. Приложение для распознавания лиц можно обучить распознавать такие объекты. Возможно, его было бы удобно использовать для предотвращения воровства на производственных объектах.

2.  Чаще всего голова человека не остается неподвижной при ходьбе. Качество, с которым приложение распознавания лиц может идентифицировать лицо, зависит от расстояния камеры от этого лица, положения этого лица и его движений. Несколько приемов могут помочь решить проблему расстояния до лица:

Расположите камеры по распознаванию лиц таким образом, чтобы их разрешение было оптимальным, учитывая расстояние до объектов.

Установка достаточного количества источников света в нужных местах.

Использование приложения распознавания лиц для улучшения результирующего изображения, чтобы оно соответствовало определенному шаблону, подходящему для целей распознавания.

Использование приложения для распознавания лиц таким образом, чтобы оно учитывало, насколько сильно вам нужно было скорректировать входящее изображение. Например, если по требованию алгоритма распознавания изображение лица размером 30×30 нужно увеличить до 150×150, приложение должно присвоить этому изображению более низкую оценку.

3.  Угол лица также очень важен, и с ним часто довольно сложно иметь дело. В идеале требуется 128 различных черт или точек лица, чтобы сразу идентифицировать человеческое лицо. Чем дальше от вида спереди угол поворота этого лица, тем сложнее вашему приложению для распознавания лиц правильно идентифицировать человека.

Мы провели много исследований, экспериментируя с разными ракурсами и изображениями разных частей лица, и нашли эффективный подход к процессу распознавания лиц:

Берем полный набор изображений с разных ракурсов, снятых камерой, определяем, насколько они близки к углу передней грани (рассчитываем угол поворота для каждого из изображений), и измеряем расстояние до объекта для тех изображения, которые можно считать лицевыми.

Изображения с лучшим соотношением углов к промежутку между передними планами имеют приоритет над другими изображениями. Однако остальные изображения также используются в процессе распознавания.

4. Каждый раз, когда добавляется новый человек, в базу данных приложения для распознавания лиц должен добавляться новый кластер, содержащий не менее 50 изображений (включая изображения, повернутые как спереди, так и слева и справа). Затем SVM необходимо переобучить, чтобы адаптироваться к этой информации и иметь возможность ее использовать.

Напишите нам

Опишите свой проект, кратко цели, которые необходимо достичь, и задачи, которые необходимо решить.

Ознакомьтесь с нашими статьями и пошаговыми руководствами по внедрению, чтобы обеспечить свой успех на рынке

Наш тематический блог

Системы тестирования интеграции программного обеспечения: типы и способы их выполнения

Есть несколько стратегий интеграционного тестирования в тестировании программного обеспечения, требующих вашего внимания. Обычно программный продукт состоит из нескольких таких модулей.

Читать далее »