Den nærliggende fremtid
Der findes flere metoder, hvormed ansigtsgenkendelsessystemer fungerer, men generelt handler det om en teknologi, der er i stand til at identificere en person ud fra et digitalt billede eller et billede fra en video.
Mange smartphone-ejere bruger ansigtsgenkendelse dagligt, men på mobile enheder er hastigheden af genkendelse ikke kritisk, og antallet af brugere er sjældent mere end én til to personer. Til kontor- og udendørs systemer (ved massegenkendelse) anvendes andre teknologier.
For nylig blev der diskuteret på Habr : de moskva-baserede netcaféer "Pravda Kaffe" og OneBucksCoffee har begyndt at teste en ansigtsgenkendelsestjeneste i deres lokaler.
Caféer bruger vores tekniske løsning. Og i dag vil vi fortælle mere om det. Selvfølgelig har vi allerede talt om selve teknologien, men der er kommet noget nyt — løsningen er blevet virkelig sky-baseret. Og det ændrer alt.
Hvordan fungerer teknologien til ansigtsgenkendelse
Det første, systemet skal gøre, er at identificere ansigtet i billedet og ved hjælp af algoritmer bekræfte, at det faktisk er et menneskeligt ansigt.
Efter den indledende detektion sker der en bestemmelse af forskellige individuelle træk ud fra faste punkter — for eksempel tages der hensyn til afstanden mellem øjnene og et dusin andre parametre.
Derefter leder andre algoritmer i forskellige foruddefinerede databaser og returnerer en procentdel af lighed med det ønskede datasæt. Hvis lighedsprocenten er tilstrækkelig høj, betragtes ansigtet som genkendt.
Hvis vi ser bort fra detaljerne (billedet til analyse skal stadig normaliseres, før det sendes til neuronet, der aflæser en bestemt descriptor), ligger den primære udfordring med løsningen i øjeblikket ikke i selve teknologierne (algoritmerne), men i implementeringen.
Ansigtsgenkendelsessystemer udvikler sig i flere retninger, klassificeret efter tilgangen til behandling af information. Det kan nogle gange være svært at vælge, hvilket system der bedst håndterer en bestemt opgave.
Mangfoldigheden af systemer
Data kan behandles i skyen, på lokale servere, der er implementeret i virksomhedens sikkerhedsperimeter, eller direkte på kameraerne.
I det sidste tilfælde udføres hele analysen af kameraet selv, og der sendes allerede behandlet information til serveren. Det primære kendetegn ved systemet er den høje præcision og muligheden for at tilslutte et stort antal enheder til en enkelt server.
Selvom teknologien virker enkel og nem at skalere, har den også ulemper. En af dem er den høje pris. Derudover er der i øjeblikket ingen ensartet standard for, hvordan informationen, som de specialiserede kameraer sender til serveren, præsenteres. Datamængden kan variere meget mellem forskellige leverandører.
Det "enkle" ansigtgenkendelsessystem fra
Systemer baseret på IP-kameraer med indbygget videoanalyse er mindre populære end serverløsninger. Men selv ved brug af et traditionelt system baseret på en optager og/eller en lokal server vil der ikke være mulighed for at spare.
Programmer og priser* Ansigtgenkendelse
*Ifølge oplysninger fra åbne kilder.
I betragtning af kompleksiteten af algoritmerne og de høje omkostninger ved serverudstyr til videoanalysemoduler er ansigtgenkendelsessystemer længe blevet betragtet som en kostbar fornøjelse.
Desuden påvirker den store netværkstrafik, der genereres under driften, omkostningerne ved løsningen – udover udgifterne til kraftige servere måtte man også investere i aktivt netværksudstyr og "tykke" kommunikationskanaler.
I dag er der flere store spillere på det russiske marked, der tilbyder kvalitetsalgoritmer til analyse og behandling af videodata. De har en fælles interesse i projekter relateret til store virksomheder. Det er let at forklare denne fokus – omkostningerne ved løsningen overstiger langt små og mellemstore virksomheders muligheder.
- ISS
Software "SecurOS Face".
Prisen for en licens til ansigtfangstmodulet er 41.275 rubler pr. kanal. Softwaren installeres på serveren til ansigtgenkendelse eller på serveren til deres detektion.
Prisen for en licens til ansigtgenkendelsesmodulet for 1000 personer i databasen er 665.760 rubler. Installeres på serveren til ansigtgenkendelse.
- Sigur
Russisk udvikler af udstyr og software til kontrolsystemer.
Prisen for en licens til verifikationsmodulet for ansigtet pr. kamera er 50.000 rubler.
Prisen for licensen til modul til ansigtsgenkendelse for ét kamera er 7.000 rubler.
Prisen for licensen til databasen med op til 1.000 ansigtstræk er 294.000 rubler.
- ITV
Software "Intellect" til ansigtsgenkendelse med plads til 1.000 ansigtstræk i databasen koster 314.000 rubler.
Kernen i systemet koster 20.300 rubler. Tilslutning af videokanalen koster 6.000 rubler.
- Macroscop
Macroscop Basic ansigtsgenkendelsesmodul med en database på op til 1.000 ansigtstræk koster 240.000 rubler.
Licensen til brug med ét IP-kamera koster 16.500 rubler.
Indtil for nylig blev løsninger fra Macroscop kun brugt til sikkerhed på særligt vigtige steder med mange mennesker: stadioner, lufthavne, fabrikker. Men nu tilbyder virksomheden sit produkt også til detailhandelen. Prisen er 94.000 rubler per modul (optagere sælges ikke).
- TRASSIR
Software koster 79.000 rubler + 32.000 rubler for optageren. Virksomhedens kunder er hovedsageligt store virksomheder (fabrikker, udvindingsvirksomheder, universiteter, sportsanlæg). Men virksomheden fokuserer primært på traditionelt videoovervågning, ikke ansigtsgenkendelse. Selvom deres videooptagere også fungerer godt til disse opgaver.
- FindFace
Virksomheden udvikler og sælger kun specialiseret software til ansigtsgenkendelse. Du skal selv vælge konfigurationen af serverne til opbevaring og behandling af data.
- Ivideon
Cloud-service til videoovervågning og videoanalyse, som tilbyder tjenester til virksomheder med et stramt budget. Tjenesten fungerer praktisk talt med alle kameraer, og prisen for tilslutning af én enhed starter fra 3.150 rubler med analyse af op til 100 unikke ansigtstræk om dagen og grundlæggende optagelse i cloud-arkivet i 5 dage.
Valg af hardware til Face Recognition systemer
Med ét Full HD kamera til behandling af videostreamen, der indeholder 10 ansigtstræk i billedet, kræves der én processor kerne med en frekvens på 2,8 GHz. Hvis der er få ansigtstræk i billedet (fra 1 til 3), kan én processor kerne nemt håndtere to videostreams.
Som det ses i dette eksempel, skal der i et simpelt system være en vis reserve af "hardware". Hvis der samtidig kommer ikke 10, men 15 personer ind, kræves der allerede en anden kerne med tilsvarende ydeevne.
Derfor kræves det for at drive et traditionelt system, under hensyntagen til spidsbelastninger, at man har dobbelt reservekapacitet.
For easier understanding of the costs associated with a traditional face recognition system, let's take a retail outlet as an example and calculate the expenses for both traditional and cloud-based face recognition systems.
Cost calculation: expenses for a traditional face recognition system
Let's imagine we are deploying a face recognition system in a pharmacy chain consisting of 16 outlets. On average, each pharmacy is visited by 500 customers per day.
To fully recognize faces, each observation point can be equipped with one pan-tilt camera or a camera with a mechanized lens.
In the case of using a traditional system, the expenses will be as follows:
- Each pharmacy will require at least one specialized video recorder. Its retail price is approximately 40,000 DKK.
- For each recorder, a special hard drive (not to be confused with a regular HDD for PCs) with a capacity of at least 4 TB will be required to record video streams at 1920x1080 resolution during high activity. The average retail price is 10,000 DKK.
- The budget should include the cost of servicing the video surveillance system (for example, technician visits to fix issues, update software, or replace HDDs). The cost of such services is 12,000 DKK/year (quarterly visits) for each outlet (according to the price list of one of the installation companies).
- The minimum cost of fully functional face recognition software is, on average, 120,000 DKK per camera (unlimited time license).
- According to Backblaze, about 50% of all hard drives require replacement by the sixth year of operation. Thus, after 5 years of continuous operation, about 8 disks will fail, and if such a system does not provide for redundancy, on average, additional costs of 1.6 disks per year, or 16,000 DKK/year, should be anticipated.
Capital expenditures (excluding the cost of cameras) will amount to 2,928,000 DKK/year.
Expenses for a cloud system
In the case of a cloud system, the cost of video surveillance with recognition of 500 faces/day will be 4,750 DKK/month (57,000 DKK/year) per camera, or 912,000 DKK/year for 16 cameras..
Det skal understreges, at netværksejeren ikke behøver at købe noget ekstra "hardware". Omkostningerne til vedligeholdelse er heller ikke nødvendige, da alle cloud-servere vedligeholdes af cloud-tjenesteudbyderen i datacentret.
Der er besparelser på mere end tre gange i løbet af det første år af systemets drift.
Mellemsum og ekstra "fordele"
I de ovenstående beregninger er der en vigtig nuance: efter tre års drift vil omkostningerne ved det traditionelle system samlet set blive lavere end ved cloud-ansigtsgenkendelse. Her skal man tage højde for to faktorer.
For det første, det udstyr, som netværksejeren køber, vil være forældet efter tre års drift. Men der vil helt sikkert komme nye, mere avancerede teknologier og ansigtsgenkendelsesalgoritmer, der fungerer på mere kraftfuldt "hardware". Og efter tre år vil det sandsynligvis være nødvendigt at udskifte udstyret på punkterne fuldstændigt.
Med det cloud-baserede system er det ikke nødvendigt – servicen forbedres og opdateres konstant takket være udviklingen af algoritmerne og væksten af datacentrenes beregningskraft. Støtten til sikkerhedsstandarder er heller ikke bundet til hardwaren.
For det andet, besparelsen i de første år gør det muligt at geninvestere disse penge flere gange, hvilket genererer ekstra indtægter til virksomheden.
Fortid, nutid og fremtid for cloud-ansigtsgenkendelse
Udviklingen af genkendelsessystemer er accelereret i de seneste år. Ikke længe siden brugte den almindelige medarbejder i sikkerhedstjenesten blot computeren til at sammenligne de registrerede ansigtstræk med databaser og markere, hvem disse personer var.
Desuden fungerede systemerne gennem lokale servere. Derfor var brugeren nødt til at installere en dedikeret pc eller en speciel videooptager for at kunne bruge servicen. Det betød ekstra udgifter til udstyr og driftsomkostninger.
Cloud-ansigtsgenkendelse kræver ikke køb og opsætning af noget andet udstyr end kameraerne, og det vil fungere med de kameraer, der allerede er installeret på stedet.
Det er ikke nødvendigt at have personale til at opretholde udstyrets drift. Problemer med den tekniske tilstand løser serviceudbyderen selv (og gør det mere effektivt end ikke-specialiserede virksomheder).
Cloud recognition transforms the cumbersome and vulnerable system of local analytics servers into a flexible, fault-tolerant cloud structure. In practice, this means that the recognition system is no longer dependent on the capabilities of a specific server purchased and installed in the client's office, as well as the IT infrastructure available to that client. There is no need to acquire new hardware and spend a long time coordinating configurations and expansion options with the supplier.
The cloud automatically distributes the load across the entire available infrastructure with powerful servers. Clients do not need to keep rarely used capacities in reserve to handle unexpected spikes in load (holidays, weekends). More detailed information about the system's capabilities can be found by us.
"Truth Coffee" and OneBucksCoffee have sparked a storm of discussions, but very soon there will be nearly no companies in the offline business without video analytics. Consumer market players have an urgent need to recognize their customers' faces: to personalize service and offerings, analyze guest sentiment, reduce costs, and bring back clients rather than just buying technological solutions for reporting.
Kilde: habr.com
