{"id":52835,"date":"2019-11-17T00:00:00","date_gmt":"2019-11-16T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/preimushhestva-oblachnogo-raspoznavaniya-lits"},"modified":"2020-02-18T14:00:38","modified_gmt":"2020-02-18T11:00:38","slug":"preimushhestva-oblachnogo-raspoznavaniya-lits","status":"publish","type":"post","link":"https:\/\/prohoster.info\/da\/blog\/administrirovanie\/preimushhestva-oblachnogo-raspoznavaniya-lits","title":{"rendered":"Fordele ved cloud-baseret ansigtsgenkendelse","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

\"Fordele
\nDen n\u00e6rliggende fremtid<\/i><\/p>\n

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.<\/p>\n

Mange smartphone-ejere bruger ansigtsgenkendelse dagligt, men p\u00e5 mobile enheder er hastigheden af genkendelse ikke kritisk, og antallet af brugere er sj\u00e6ldent mere end \u00e9n til to personer. Til kontor- og udend\u00f8rs systemer (ved massegenkendelse) anvendes andre teknologier. <\/p>\n

For nylig blev der diskuteret p\u00e5 Habr nyheder<\/a><\/noindex>: de moskva-baserede netcaf\u00e9er \"Pravda Kaffe\" og OneBucksCoffee har begyndt at teste en ansigtsgenkendelsestjeneste i deres lokaler. <\/p>\n

Caf\u00e9er bruger vores tekniske l\u00f8sning. Og i dag vil vi fort\u00e6lle mere om det. Selvf\u00f8lgelig har vi allerede talt om selve teknologien, men der er kommet noget nyt \u2014 l\u00f8sningen er blevet virkelig sky-baseret. Og det \u00e6ndrer alt.
\n<\/a><\/noindex><\/p>\n

Hvordan fungerer teknologien til ansigtsgenkendelse<\/h2>\n

\nDet f\u00f8rste, systemet skal g\u00f8re, er at identificere ansigtet i billedet og ved hj\u00e6lp af algoritmer bekr\u00e6fte, at det faktisk er et menneskeligt ansigt. <\/p>\n

Efter den indledende detektion sker der en bestemmelse af forskellige individuelle tr\u00e6k ud fra faste punkter \u2014 for eksempel tages der hensyn til afstanden mellem \u00f8jnene og et dusin andre parametre. <\/p>\n

Derefter leder andre algoritmer i forskellige foruddefinerede databaser og returnerer en procentdel af lighed med det \u00f8nskede datas\u00e6t. Hvis lighedsprocenten er tilstr\u00e6kkelig h\u00f8j, betragtes ansigtet som genkendt.<\/p>\n

Hvis vi ser bort fra detaljerne (billedet til analyse skal stadig normaliseres, f\u00f8r det sendes til neuronet, der afl\u00e6ser en bestemt descriptor), ligger den prim\u00e6re udfordring med l\u00f8sningen i \u00f8jeblikket ikke i selve teknologierne (algoritmerne), men i implementeringen.<\/p>\n

Ansigtsgenkendelsessystemer udvikler sig i flere retninger, klassificeret efter tilgangen til behandling af information. Det kan nogle gange v\u00e6re sv\u00e6rt at v\u00e6lge, hvilket system der bedst h\u00e5ndterer en bestemt opgave. <\/p>\n

Mangfoldigheden af systemer<\/h2>\n

\n\"Fordele
\n
\nData kan behandles i skyen, p\u00e5 lokale servere, der er implementeret i virksomhedens sikkerhedsperimeter, eller direkte p\u00e5 kameraerne. <\/p>\n

I det sidste tilf\u00e6lde udf\u00f8res hele analysen af kameraet selv, og der sendes allerede behandlet information til serveren. Det prim\u00e6re kendetegn ved systemet er den h\u00f8je pr\u00e6cision og muligheden for at tilslutte et stort antal enheder til en enkelt server.<\/p>\n

Selvom teknologien virker enkel og nem at skalere, har den ogs\u00e5 ulemper. En af dem er den h\u00f8je pris. Derudover er der i \u00f8jeblikket ingen ensartet standard for, hvordan informationen, som de specialiserede kameraer sender til serveren, pr\u00e6senteres. Datam\u00e6ngden kan variere meget mellem forskellige leverand\u00f8rer.<\/p>\n

\"Fordele
\nDet \"enkle\" ansigtgenkendelsessystem fra Panasonic <\/a><\/noindex><\/i><\/p>\n

Systemer baseret p\u00e5 IP-kameraer med indbygget videoanalyse er mindre popul\u00e6re end serverl\u00f8sninger. Men selv ved brug af et traditionelt system baseret p\u00e5 en optager og\/eller en lokal server vil der ikke v\u00e6re mulighed for at spare. <\/p>\n

Programmer og priser* Ansigtgenkendelse <\/h2>\n

\n*If\u00f8lge oplysninger fra \u00e5bne kilder.
\n<\/i>
\nI betragtning af kompleksiteten af algoritmerne og de h\u00f8je omkostninger ved serverudstyr til videoanalysemoduler er ansigtgenkendelsessystemer l\u00e6nge blevet betragtet som en kostbar forn\u00f8jelse. <\/p>\n

Desuden p\u00e5virker den store netv\u00e6rkstrafik, der genereres under driften, omkostningerne ved l\u00f8sningen \u2013 udover udgifterne til kraftige servere m\u00e5tte man ogs\u00e5 investere i aktivt netv\u00e6rksudstyr og \"tykke\" kommunikationskanaler.<\/p>\n

I dag er der flere store spillere p\u00e5 det russiske marked, der tilbyder kvalitetsalgoritmer til analyse og behandling af videodata. De har en f\u00e6lles interesse i projekter relateret til store virksomheder. Det er let at forklare denne fokus \u2013 omkostningerne ved l\u00f8sningen overstiger langt sm\u00e5 og mellemstore virksomheders muligheder. <\/p>\n