Nær fremtid
Der er flere metoder, hvorpå ansigtsgenkendelsessystemer fungerer, men generelt taler vi om en teknologi, der kan identificere en person ud fra et digitalt billede eller en ramme fra en videokilde.
Mange smartphone-ejere bruger ansigtsgenkendelse hver dag, men i mobile enheder er genkendelseshastigheden ikke kritisk, og antallet af brugere er sjældent mere end en eller to personer. Til kontor- og gadesystemer (til massegenkendelse) bruges andre teknologier.
For nylig på Habré diskuterede de : Moskva-kædens kaffebarer "Pravda Coffee" og OneBucksCoffee begyndte at teste en ansigtsgenkendelsestjeneste i deres etablissementer.
Kaffebarer bruger vores tekniske løsning. Og i dag vil vi fortælle dig mere om det. Vi har selvfølgelig allerede talt om selve teknologien, men der er dukket noget nyt op – løsningen er virkelig blevet cloud-baseret. Og dette ændrer alt.
Sådan fungerer ansigtsgenkendelsesteknologi
Det første systemet skal gøre er at vælge et ansigt i rammen og ved hjælp af algoritmer sikre sig, at det er et menneskeligt ansigt.
Efter den indledende detektion bestemmes forskellige individuelle funktioner ved hjælp af fikspunkter - for eksempel tages afstanden mellem øjnene og snesevis af andre parametre i betragtning.
Dernæst søger andre algoritmer gennem forskellige forudoprettede databaser og giver en procentdel af lighed med den ønskede dataprøve. Hvis procentdelen af lighed er høj nok, betragtes ansigtet som genkendt.
Uden at gå i detaljer (fotos til analyse skal stadig normaliseres, før de overføres til et neuralt netværk, der læser en bestemt deskriptor), ligger den største vanskelighed ved løsningen i øjeblikket ikke i selve teknologierne (algoritmerne), men i implementeringen .
Genkendelsessystemer udvikler sig i flere retninger, klassificeret afhængigt af tilgangen til informationsbehandling. Nogle gange er det svært at vælge, hvilket system der bedst kan klare en bestemt opgave.
Forskellige systemer
Data kan behandles i skyen, på lokale servere installeret inden for virksomhedens sikkerhedsperimeter eller direkte på kameraer.
I sidstnævnte tilfælde udføres al analyse af kameraet selv, og den allerede behandlede information sendes til serveren. Den største fordel ved systemet er dets høje nøjagtighed og evnen til at "hænge" et stort antal enheder på en server.
På trods af dens tilsyneladende enkelhed og lette skalering har denne teknologi også ulemper. En af dem er den høje pris. Plus, i øjeblikket er der ingen ensartet standard for præsentation af den information, som specialiserede kameraer sender til serveren. Og datasættet kan variere meget mellem leverandører.
"Simpelt" ansigtsgenkendelsessystem fra
Systemer baseret på IP-kameraer med indbyggede videoanalysefunktioner er ringere i popularitet end serverløsninger. Men selvom du bruger et traditionelt system baseret på en registrar og/eller en lokal server, vil du ikke kunne spare penge.
Programmer og priser* Ansigtsgenkendelse
*Ifølge oplysninger fra åbne kilder.
I betragtning af kompleksiteten af algoritmerne og den høje pris på serverudstyr til videoanalysemoduler har ansigtsgenkendelsessystemer længe været et dyrt tilbud.
Derudover er omkostningerne ved løsningen påvirket af den store netværkstrafik, der genereres under driften - udover omkostningerne til kraftige servere, skulle man punge ud for aktivt netværksudstyr og "tykke" kommunikationskanaler.
I dag er der flere store aktører på det russiske marked, der tilbyder algoritmer af høj kvalitet til at analysere og behandle videodata. De er forenet af en interesse for projekter relateret til store virksomheder. Det er meget enkelt at forklare dette fokus - omkostningerne ved løsningen går langt ud over små og mellemstore virksomheders muligheder.
- ISS
Software "SecurOS Face".
Omkostningerne ved en licens til face capture-modulet er 41 rubler per kanal. Softwaren er installeret på en ansigtsgenkendelsesserver eller på en ansigtsgenkendelsesserver.
Omkostningerne ved en ansigtsgenkendelsesmodullicens for 1000 personer i databasen er 665 rubler. Installeret på ansigtsgenkendelsesserveren.
- Jo da
Russisk udvikler af udstyr og software til adgangskontrolsystemer.
Omkostningerne ved en licens til et ansigtsverifikationsmodul til et kamera er 50 rubler.
Omkostningerne ved en licens til et ansigtsidentifikationsmodul til et kamera er 7 rubler.
Prisen på en licens for en base på op til 1 personer er 000 rubler.
- ITV
"Intellekt" software til ansigtsgenkendelse med hukommelse til 1 ansigtsstandarder i databasen - 000 rubler.
Systemkerne - 20 rubler. Tilslutning af en videokanal - 300 rubler.
- Makroskop
Macroscop Basic ansigtsgenkendelsesmodul med en databasestørrelse på op til 1000 ansigter - 240 rubler.
Licens til at fungere med et IP-kamera - 16 rubler.
Indtil for nylig blev løsninger fra Macroscop brugt til at sikre sikkerheden af kun særligt vigtige objekter med et stort antal mennesker: stadioner, lufthavne, fabrikker. Men nu leverer virksomheden sit produkt til detailhandlen. Pris - 94 rubler for moduler (optagere sælges ikke).
- TRASSIR
Softwaren koster 79 rubler + 000 rubler for optageren. Virksomhedens kunder er hovedsageligt store virksomheder (fabrikker, mineselskaber, universiteter, sportskomplekser). Men virksomhedens hovedfokus er på traditionel videoovervågning frem for ansigtsgenkendelse. Selvom deres DVR'er er gode til disse opgaver.
- finde ansigt
Virksomheden udvikler og sælger kun specialiseret software til ansigtsgenkendelse. Du skal selv vælge serverkonfigurationen til lagring og behandling af data.
- Ivideon
En cloud-baseret videoovervågning og videoanalysetjeneste, der tilbød tjenester til virksomheder på et budget. Service fungerer med næsten alle kameraer, omkostningerne ved at forbinde en enhed er fra 3 rubler med analyse af op til 150 unikke ansigter om dagen og grundlæggende optagelse til et skyarkiv på 100 dage.
Udvalg af hardware til ansigtsgenkendelsessystemer
Fra ét Full HD-kamera skal du bruge en processorkerne med en frekvens på 10 GHz for at behandle en videostream, der indeholder 2,8 ansigter i en ramme. Hvis der er få ansigter i rammen (fra 1 til 3), så kan én processorkerne nemt klare at behandle to videostreams.
Fra dette eksempel er det klart, at selv i et simpelt system skal du have en vis forsyning af hardware. Når alt kommer til alt, hvis ikke 10, men 15 personer kommer ind i anlægget på samme tid, så vil en anden kerne med lignende ydeevne være påkrævet.
For driften af et traditionelt system er det derfor nødvendigt at opretholde dobbelt reservekapacitet under hensyntagen til spidsbelastninger.
For at gøre det nemmere for dig at forestille dig, hvor meget et traditionelt ansigtsgenkendelsessystem koster, tager vi et detailforretning som eksempel og beregner prisen på et traditionelt og cloud-baseret ansigtsgenkendelsessystem.
Omkostningsberegning: Omkostninger til traditionelt ansigtsgenkendelsessystem
Lad os sige, at vi implementerer et ansigtsgenkendelsessystem i en apotekskæde bestående af 16 punkter. I gennemsnit besøger 500 kunder hvert apotek om dagen.
For fuldt ud at genkende ansigter kan der installeres et PTZ-kamera eller et kamera med en motoriseret linse på hvert overvågningsobjekt.
Hvis der anvendes et traditionelt system, vil omkostningerne være som følger:
- Hvert apotek vil kræve mindst én specialiseret videooptager. Dens udsalgspris er cirka 40 rubler.
- Hver optager vil desuden kræve en speciel harddisk (ikke at forveksle med en almindelig HDD til en pc) med en kapacitet på mindst 4 TB for at optage en videostream i en opløsning på 1920x1080 ved høj trafikintensitet. Den gennemsnitlige detailpris er 10 rubler.
- Budgettet bør inkludere omkostningerne til vedligeholdelsesarbejde for videoovervågningssystemet (for eksempel besøg af en installatør for at eliminere fejl, opdatere software eller udskifte HDD'en). Omkostningerne ved sådant arbejde er 12 rubler/år (besøg en gang i kvartalet) for hvert objekt (i overensstemmelse med prislisten for en af installationsorganisationerne).
- Minimumsomkostningerne for fuldt udstyret ansigtsgenkendelsessoftware er i gennemsnit 120 rubler pr. kamera (ubegrænset licens).
- Ifølge Backblaze kræver omkring 50% af alle harddiske udskiftning inden det 6. års brug. Efter 5 års kontinuerlig drift vil omkring 8 diske således svigte, og forudsat at et sådant system ikke sørger for redundans, skal du i gennemsnit budgettere med ekstra omkostninger i mængden af 1,6 diske om året eller 16 rubler om året .
Kapitalomkostninger (eksklusive omkostninger til kameraer) vil beløbe sig til 2 rubler om året.
Cloud system omkostninger
I tilfælde af et cloud-system vil prisen for en videoovervågningstakst med genkendelse af 500 ansigter/dag være 4 rub/måned (750 rub/år) pr. kamera eller 57 rub/år for 000 kameraer.
Lad os minde dig om, at netværksejeren ikke behøver at købe yderligere hardware. Der er heller ingen vedligeholdelsesomkostninger, fordi alle cloud-servere vedligeholdes af cloud-tjenesteudbyderen i datacentret.
Der er besparelser på mere end 3 gange i løbet af systemets første driftsår.
Subtotal og yderligere "boller"
Der er en vigtig nuance i beregningerne ovenfor: Efter 3 års drift vil det traditionelle system blive billigere i forhold til de samlede omkostninger end cloud-baseret ansigtsgenkendelse. Der er to faktorer at overveje her.
For det første, vil det udstyr, som netejeren køber, blive forældet efter 3 års drift. Men nye, mere avancerede teknologier og ansigtsgenkendelsesalgoritmer vil sandsynligvis dukke op, som kører på mere kraftfuld hardware. Og efter 3 år skal udstyret på punkterne højst sandsynligt udskiftes fuldstændigt.
Det er ikke nødvendigt at gøre dette med et cloud-system - tjenesten bliver konstant forbedret og opdateret på grund af udviklingen af algoritmer og væksten i datacentres computerkraft. Support til sikkerhedsstandarder er heller ikke bundet til hardware.
For det andet, vil spare penge i de første år give dig mulighed for at vende disse penge rundt flere gange, hvilket bringer yderligere overskud til virksomheden.
Skybaseret ansigtsgenkendelses fortid, nutid og fremtid
Udviklingen af genkendelsessystemer er accelereret i de senere år. For ikke så længe siden, i stedet for komplekse algoritmer og neurale netværk, sammenlignede en almindelig sikkerhedsofficer, der brugte en computer, simpelthen de ansigter, der blev optaget af programmet, med databaserne og bemærkede, hvem alle disse mennesker var.
Derudover fungerede systemerne via lokale servere. For at tjenesten skulle fungere, skulle brugeren derfor installere en dedikeret pc eller en speciel DVR. Og disse er ekstra omkostninger til udstyr og overheadomkostninger til driften.
Cloud-baseret ansigtsgenkendelse kræver ikke køb og konfiguration af andet udstyr end kameraer og vil fungere med de kameraer, der allerede er installeret på stedet.
Der er ingen grund til at ansætte en stab af specialister til at opretholde driften af udstyret. Problemer med udstyrets tekniske tilstand løses af tjenesteudbyderen selv (og gør dette mere effektivt end ikke-specialiserede virksomheder).
Skygenkendelse forvandler et besværligt og sårbart system af lokale analytiske servere til en fleksibel, fejltolerant skystruktur. I praksis betyder det, at genkendelsessystemet ikke længere afhænger af mulighederne på en bestemt server købt og installeret på kundens kontor, samt den it-infrastruktur, som denne klient har. Der er ingen grund til at købe nyt udstyr og bruge lang tid på at forhandle konfigurationsproblemer og muligheden for at udvide det med leverandøren.
Skyen fordeler automatisk belastningen på tværs af hele den tilgængelige infrastruktur med kraftfulde servere. Klienten behøver ikke at holde sjældent brugt kapacitet i reserve til drift i perioder med uventede belastningsstigninger (ferier, weekender). Du kan finde ud af mere om systemets muligheder på: vi har.
"Pravda Coffee" og OneBucksCoffee har nu skabt en storm af diskussion, men meget snart vil der praktisk talt ikke være nogen virksomheder tilbage i offline-branchen uden videoanalyse. Aktører på forbrugermarkedet har et presserende behov for at genkende deres kunder ved synet: personalisere service og tilbud, analysere gæstens humør, reducere omkostninger og returnere kunder, og ikke kun købe teknologiske løsninger for rapporterings skyld.
Kilde: www.habr.com