Den nära framtiden
Det finns flera metoder som ansiktsigenkänningssystem använder, men övergripande handlar det om teknologi som kan identifiera en person genom en digital bild eller en bildruta från en video.
Många smartphoneägare använder ansiktsigenkänning varje dag, men på mobila enheter är hastigheten för igenkänning inte kritisk och antalet användare är sällan mer än en eller två personer. För kontors- och gatunärsystem (vid massigenkänning) används andra teknologier.
Nyligen diskuterades : de Moskva-baserade caféerna "Pravda Kaffe" och OneBucksCoffee har börjat testa en ansiktsigenkänningstjänst i sina lokaler.
Caféer använder vår tekniska lösning. Idag kommer vi att berätta mer om den. Självklart har vi redan pratat om teknologin, men det har tillkommit något nytt — lösningen har blivit verkligt molnbaserad. Det förändrar allt.
Hur fungerar teknologin för ansiktsigenkänning
Det första som systemet måste göra är att identifiera ett ansikte i bilden och genom algoritmer bekräfta att det verkligen är ett mänskligt ansikte.
Efter den initiala detektionen sker en identifiering av olika individuella funktioner baserat på fasta punkter — till exempel tas avståndet mellan ögonen och flera dussin andra parametrar i beaktande.
Därefter söker andra algoritmer i olika förhandsskapade databaser och ger en procentandel av likhet med det efterfrågade datamönstret. Om likhetsprocenten är tillräckligt hög anses ansiktet igenkänt.
Utan att gå in i detaljerna (bilderna för analys behöver också normaliseras innan de överförs till neuronnätverket som läser av en viss deskriptor) ligger huvudutmaningen med lösningen just nu inte i själva teknologierna (algoritmerna) utan i implementeringen.
Ansiktsigenkänningssystem utvecklas i flera riktningar som klassificeras beroende på metodik av informationsbehandling. Ibland är det svårt att välja vilket system som är bäst för en specifik uppgift.
Mångfalden av system
Data kan bearbetas i molnet, på lokala servrar som är installerade inom företagets säkerhetsperimeter, eller direkt på kamerorna.
I det senaste fallet utför kameran hela analysen själv, och den bearbetade informationen skickas till servern. Det främsta fördelen med systemet är den höga noggrannheten och möjligheten att koppla ett stort antal enheter till en server.
Trots den uppenbara enkelheten och lättheten med skalning har denna teknologi också nackdelar. En av dem är det höga priset. Dessutom finns det för närvarande ingen enhetlig standard för den information som specialiserade kameror skickar till servern. Datamängden kan variera kraftigt mellan olika leverantörer.
Det "enkla" ansiktsigenkänningssystemet från
System baserade på IP-kameror med inbyggd videoanalys är mindre populära än serverlösningar. Men även om man använder ett traditionellt system baserat på en inspelare och/eller lokal server går det inte att spara pengar.
Program och priser* Ansiktsigenkänning
*Enligt information från öppna källor.
Med tanke på komplexiteten i algoritmerna och det höga priset på serverutrustning för videoanalysmoduler, har ansiktsigenkänningssystem länge varit en kostsam affär.
Kostnaden för lösningen påverkas dessutom av den stora nätverkstrafik som genereras under arbetet – förutom kostnader för kraftfulla servrar var man tvungen att också investera i aktiv nätverksutrustning och "tjocka" kommunikationskanaler.
Idag finns det flera stora aktörer på den ryska marknaden som erbjuder kvalitetsalgoritmer för analys och bearbetning av videodata. De förenas av intresset för projekt kopplade till stora företag. Det är lätt att förklara denna fokusering – kostnaden för lösningen är långt över de små och medelstora företagens möjligheter.
- ISS
Mjukvaran "SecurOS Face".
Kostnaden för licensen för ansiktsfångstmodulen är 41 275 rubel per kanal. Mjukvaran installeras på ansiktsigenkänningsservern eller på servern för ansiktsdetektion.
Kostnaden för licensen för ansiktsigenkänningsmodulen för 1000 personer i databasen är 665 760 rubel. Den installeras på ansiktsigenkänningsservern.
- Sigur
Rysk utvecklare av hårdvara och mjukvara för accesskontrollsystem.
Kostnaden för licensen för verifieringsmodulen på en kamera är 50 000 rubel.
Kostnaden för licensen på modul för ansiktsigenkänning för en kamera är 7 000 rubel.
Priset för licensen för en databas med upp till 1 000 ansikten är 294 000 rubel.
- ITV
Programvaran "Intellect" för ansiktsigenkänning med lagring för upp till 1 000 referensansikten i databasen kostar 314 000 rubel.
Systemkärnan kostar 20 300 rubel. Anslutning av videokanal kostar 6 000 rubel.
- Macroscop
Modul för ansiktsigenkänning Macroscop Basic med databasstorlek upp till 1 000 ansikten kostar 240 000 rubel.
Licens för arbete med en IP-kamera kostar 16 500 rubel.
Tidigare användes lösningar från Macroscop endast för säkerhet vid särskilt viktiga objekt med stora folksamlingar: arenor, flygplatser, fabriker. Men nu levererar företaget sin produkt även till detaljhandeln. Priset är 94 000 rubel per modul (inspelare säljs inte).
- TRASSIR
Programvaran kostar 79 000 rubel + 32 000 rubel för inspelare. Företagets kunder är främst stora företag (fabriker, gruvföretag, universitet, idrottsanläggningar). Men företaget fokuserar främst på traditionell övervakning snarare än ansiktsigenkänning. Deras videoinspelare fungerar dock utmärkt för dessa uppgifter.
- FindFace
Företaget utvecklar och säljer endast specialiserad programvara för ansiktsigenkänning. Du måste själv välja serverkonfigurationer för lagring och databehandling.
- Ivideon
En molntjänst för övervakning och videoanalys som erbjuder tjänster till företag med begränsad budget. Tjänsten fungerar praktiskt taget med alla kameror, kostnaden för att ansluta en enhet är från 3 150 rubel med analys av upp till 100 unika ansikten per dag och grundläggande lagring i en molnarkiv under 5 dagar.
Val av "hårdvara" för system för ansiktsigenkänning
Med en Full HD-kamera för att behandla videoströmmen som innehåller 10 ansikten i bilden krävs en processor med en klockfrekvens på 2,8 GHz. Om det finns få ansikten i bilden (från 1 till 3) klarar en processor enkelt av att behandla två videoströmmar.
Detta exempel visar att även i ett enkelt system måste man ha en viss kapacitet för "hårdvara". För om 15 personer går in på objektet samtidigt, behöver man en andra kärna med liknande prestanda.
Därför krävs det dubbla reservkapaciteter för att arbeta med traditionella system med hänsyn till spikbelastningar.
För att underlätta din förståelse av kostnaden för ett traditionellt ansiktsigenkänningssystem tar vi ett exempel med en försäljningspunkt och beräknar kostnaden för ett traditionellt och ett molnbaserat ansiktsigenkänningssystem.
Kostnadsberäkning: kostnaden för ett traditionellt ansiktsigenkänningssystem
Anta att vi implementerar ett ansiktsigenkänningssystem i ett apoteksnätverk bestående av 16 punkter. I genomsnitt besöker 500 kunder varje apotek per dag.
För att effektivt känna igen ansikten kan en roterande kamera eller en kamera med mekanisk objektiv installeras på varje övervakningspunkt.
I fallet med ett traditionellt system ser kostnaderna ut som följer:
- Varje apotek behöver minst en specialiserad videoregistrator. Det genomsnittliga detaljhandelspriset är omkring 40 000 rubel.
- För varje registrator krävs dessutom en special hårddisk (inte att förväxlas med en vanlig HDD för PC) med en kapacitet på minst 4 TB för att spela in videoström i upplösningen 1920x1080 vid hög rörlighet. Det genomsnittliga detaljhandelspriset är 10 000 rubel.
- Budgeten bör inkludera kostnaden för underhåll av övervakningssystemet (till exempel resor för montörer för att åtgärda problem, uppdatera mjukvara eller byta hårddisk). Kostnaden för sådana arbeten är 12 000 rubel/år (ett besök per kvartal) för varje objekt (enligt prislistan från en av installationsföretagen).
- Minimikostnaden för fullt fungerande mjukvara för ansiktsigenkänning är i genomsnitt 120 000 rubel per kamera (obegränsad licens).
- Enligt Backblaze kräver cirka 50 % av alla hårddiskar utbyte inom 6 års drift. Därför kommer omkring 8 diskar att gå sönder efter 5 års oavbruten drift, och om inget redundanssystem är installerat, bör man räkna med ytterligare kostnader motsvarande 1,6 diskar per år, eller 16 000 rubel/år.
Kapitalutgifterna (utan att ta hänsyn till kamerakostnader) uppgår till 2 928 000 rubel/år.
Kostnader för ett molnbaserat system
I fallet med ett molnbaserat system kommer kostnaden för videövervakning med igenkänning av 500 ansikten/dag att uppgå till 4 750 rubel/månad (57 000 rubel/år) per kamera, eller 912 000 rubel/år för 16 kameror.
Vi vill påminna om att nätverksägaren inte behöver köpa någon extra "hårdvara". Kostnader för underhåll behövs inte, eftersom alla molnservrar underhålls av molnleverantören i datacentret.
Det finns en besparing på mer än tre gånger under det första året av systemets användning.
Sammanfattning och ytterligare "fördelar"
I de ovanstående beräkningarna finns en viktig nyans: efter tre års drift kommer det traditionella systemet, sett till de totala kostnaderna, att bli billigare än molnbaserad ansiktsigenkänning. Här bör två faktorer beaktas.
För det första, den utrustning som nätverksägaren köper kommer att bli föråldrad efter tre års drift. Samtidigt kommer säkert nya, mer avancerade teknologier och algoritmer för ansiktsigenkänning att dyka upp, som fungerar på mer kraftfull "hårdvara". Och efter tre år kommer det med stor sannolikhet att bli nödvändigt att helt byta ut utrustningen på platserna.
Med det molnbaserade systemet behöver detta inte göras – tjänsten förbättras och uppdateras ständigt tack vare utvecklingen av algoritmer och ökningen av datacenterkapacitet. Stödet för säkerhetsstandarder är inte heller kopplat till hårdvaran.
För det andra, besparingar under de första åren kommer att göra att dessa pengar kan återinvesteras flera gånger, vilket ger extra vinster till företaget.
Det förflutna, nuet och framtiden för molnbaserad ansiktsigenkänning
Utvecklingen av igenkänningssystem har accelererat de senaste åren. Inte så länge sedan jämförde en vanlig anställd på säkerhetstjänsten helt enkelt, med hjälp av en dator, de ansikten som programmet registrerat med databaserna och noterade vilka dessa människor var.
Dessutom arbetade systemen via lokala servrar. Därför behövde användaren installera en dedikerad PC eller en speciell videoinspelare för att tjänsten skulle fungera. Detta innebar extra kostnader för utrustning och driftskostnader.
Molnbaserad ansiktsigenkänning kräver inget köp av eller inställning av något annat utrustning, förutom kameror, och kommer att fungera med de kameror som redan är installerade på objektet.
Det är inte nödvändigt att ha en personalstyrka av specialister för att upprätthålla driften av utrustningen. Problem med den tekniska statusen för utrustningen hanteras av tjänsteleverantören (och gör det effektivare än ospecialiserade företag).
Molnigenkänning omvandlar en skrymmande och sårbar system av lokala analysservrar till en flexibel och motståndskraftig molninfrastruktur. I praktiken innebär detta att igenkänningssystemet inte längre är beroende av kapaciteten hos en specifik server, som köpts och installerats på kundens kontor, eller den IT-infrastruktur som finns hos den kunden. Det finns ingen anledning att köpa ny utrustning eller ta lång tid på att förhandla med leverantören om konfiguration och uppgraderingsmöjligheter.
Molnet distribuerar automatiskt belastningen över hela den tillgängliga infrastrukturen med kraftfulla servrar. Kunden behöver inte ha sällan använda resurser på lager för att hantera oväntade belastningstoppar (helger, semester). Mer information om systemets möjligheter kan fås, med oss.
«Sanningen om kaffe» och OneBucksCoffee har nu orsakat en storm av diskussioner, men snart kommer det knappt finnas några företag i offline-verksamheten utan videoanalys. Aktörer på konsumentmarknaden har ett stort behov av att känna igen sina kunder: att segmentera tjänster och erbjudanden, analysera gästernas humör, minska kostnader och återfå kunder, snarare än att bara köpa tekniska lösningar för rapportering.
Källa: habr.com
