Nära framtid
Det finns flera metoder som ansiktsigenkänningssystem fungerar med, men generellt talar vi om en teknik som kan identifiera en person från en digital bild eller ram från en videokälla.
Många smartphoneägare använder ansiktsigenkänning varje dag, men i mobila enheter är igenkänningshastigheten inte kritisk, och antalet användare är sällan fler än en eller två personer. För kontors- och gatusystem (för massigenkänning) används andra tekniker.
Nyligen på Habré diskuterade de : Moskvakedjorna "Pravda Coffee" och OneBucksCoffee började testa en ansiktsigenkänningstjänst i sina anläggningar.
Kaféer använder vår tekniska lösning. Och idag kommer vi att berätta mer om det. Självklart har vi redan pratat om själva tekniken, men något nytt har dykt upp – lösningen har blivit riktigt molnbaserad. Och detta förändrar allt.
Hur ansiktsigenkänningsteknik fungerar
Det första systemet måste göra är att välja ett ansikte i ramen och, med hjälp av algoritmer, se till att det är ett mänskligt ansikte.
Efter den första upptäckten bestäms olika individuella egenskaper med hjälp av fasta punkter - till exempel beaktas avståndet mellan ögonen och dussintals andra parametrar.
Därefter söker andra algoritmer igenom olika förskapade databaser och ger en procentuell likhet med det önskade dataprovet. Om andelen likhet är tillräckligt hög anses ansiktet kännas igen.
Utan att gå in på detaljer (foton för analys måste fortfarande normaliseras innan de överförs till ett neuralt nätverk som läser en viss deskriptor), ligger den största svårigheten med lösningen för närvarande inte i själva teknologierna (algoritmerna), utan i implementeringen .
Igenkänningssystem utvecklas i flera riktningar, klassificerade beroende på tillvägagångssätt för informationsbehandling. Ibland är det svårt att välja vilket system som bäst klarar en viss uppgift.
Mångfald av system
Data kan bearbetas i molnet, på lokala servrar som distribueras inom företagets säkerhetsperimeter eller direkt på kameror.
I det senare fallet utförs all analys av kameran själv och den redan bearbetade informationen skickas till servern. Den största fördelen med systemet är dess höga noggrannhet och förmågan att "hänga" ett stort antal enheter på en server.
Trots sin uppenbara enkelhet och lätta att skala har denna teknik också nackdelar. En av dem är det höga priset. Dessutom finns det för närvarande ingen enhetlig standard för att presentera den information som specialiserade kameror överför till servern. Och datamängden kan variera mycket mellan leverantörer.
"Enkelt" ansiktsigenkänningssystem från
System baserade på IP-kameror med inbyggda videoanalysfunktioner är sämre i popularitet än serverlösningar. Men även om du använder ett traditionellt system baserat på en registrar och/eller en lokal server kommer du inte att kunna 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 ett dyrt förslag.
Dessutom påverkas kostnaden för lösningen av den stora nätverkstrafiken som genereras under drift - förutom kostnaderna för kraftfulla servrar fick man punga ut pengar för aktiv nätverksutrustning och "tjocka" kommunikationskanaler.
Idag finns det flera stora aktörer på den ryska marknaden som erbjuder högkvalitativa algoritmer för att analysera och bearbeta videodata. De förenas av ett intresse för projekt relaterade till stora företag. Det är mycket enkelt att förklara detta fokus - kostnaden för lösningen går långt utöver kapaciteten hos små och medelstora företag.
- ISS
Programvaran "SecurOS Face".
Kostnaden för en licens för ansiktsfångningsmodulen är 41 275 rubel per kanal. Programvaran installeras på en ansiktsigenkänningsserver eller på en ansiktsigenkänningsserver.
Kostnaden för en ansiktsigenkänningsmodullicens för 1000 665 personer i databasen är 760 XNUMX rubel. Installerad på ansiktsigenkänningsservern.
- Säker
Rysk utvecklare av utrustning och programvara för passersystem.
Kostnaden för en licens för en ansiktsverifieringsmodul för en kamera är 50 000 rubel.
Kostnaden för en licens för en ansiktsidentifieringsmodul för en kamera är 7 000 rubel.
Priset för en licens för en bas på upp till 1 000 personer är 294 000 rubel.
- ITV
"Intellekt" programvara för ansiktsigenkänning med minne för 1 000 ansiktsstandarder i databasen - 314 000 rubel.
Systemkärna - 20 300 rubel. Ansluta en videokanal - 6 000 rubel.
- Makroskop
Macroscop Basic ansiktsigenkänningsmodul med en databasstorlek på upp till 1000 ansikten - 240 000 rubel.
Licens att arbeta med en IP-kamera - 16 500 rubel.
Tills nyligen användes lösningar från Macroscop för att säkerställa säkerheten för endast särskilt viktiga objekt med ett stort antal människor: arenor, flygplatser, fabriker. Men nu levererar företaget sin produkt till detaljhandeln. Pris - 94 000 rubel för moduler (inspelare säljs inte).
- TRASSIR
Programvaran kostar 79 000 rubel + 32 000 rubel för inspelaren. Företagets kunder är främst stora företag (fabriker, gruvbolag, universitet, idrottsanläggningar). Men företagets huvudfokus ligger på traditionell videoövervakning, snarare än ansiktsigenkänning. Även om deras DVR är bra för dessa uppgifter.
- FindFace
Företaget utvecklar och säljer endast specialiserad mjukvara för ansiktsigenkänning. Du måste själv välja serverkonfiguration för lagring och bearbetning av data.
- Ivideon
En molnbaserad videoövervaknings- och videoanalystjänst som erbjöd tjänster till företag på en budget. Service fungerar med nästan 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 inspelning till ett molnarkiv på 5 dagar.
Val av hårdvara för ansiktsigenkänningssystem
Från en Full HD-kamera, för att bearbeta en videoström som innehåller 10 ansikten i en ram, behöver du en processorkärna med en frekvens på 2,8 GHz. Om det finns få ansikten i bildrutan (från 1 till 3) kan en processorkärna enkelt klara av att bearbeta två videoströmmar.
Från detta exempel är det tydligt att även i ett enkelt system måste du ha ett visst utbud av hårdvara. När allt kommer omkring, om inte 10, utan 15 personer går in i anläggningen samtidigt, kommer en andra kärna med liknande prestanda att krävas.
Följaktligen, för driften av ett traditionellt system, med hänsyn till topplaster, är det nödvändigt att upprätthålla dubbel reservkapacitet.
För att göra det enklare för dig att föreställa dig hur mycket ett traditionellt ansiktsigenkänningssystem kostar, tar vi en butik som exempel och beräknar kostnaden för ett traditionellt och molnbaserat ansiktsigenkänningssystem.
Kostnadsberäkning: Kostnad för traditionellt ansiktsigenkänningssystem
Låt oss säga att vi använder ett ansiktsigenkänningssystem i en apotekskedja som består av 16 punkter. I genomsnitt besöker 500 kunder varje apotek per dag.
För att helt känna igen ansikten kan en PTZ-kamera eller en kamera med motoriserad lins installeras på varje övervakningsobjekt.
Om ett traditionellt system används blir kostnaderna följande:
- Varje apotek kommer att kräva minst en specialiserad videobandspelare. Dess försäljningspris är cirka 40 000 rubel.
- Varje inspelare kommer dessutom att kräva en speciell hårddisk (inte att förväxla med en vanlig hårddisk för en PC) med en kapacitet på minst 4 TB för att spela in en videoström i en upplösning på 1920x1080 vid hög trafikintensitet. Det genomsnittliga försäljningspriset är 10 000 rubel.
- Budgeten bör inkludera kostnaden för underhållsarbete för videoövervakningssystemet (till exempel besök av en installatör för att eliminera fel, uppdatera programvara eller byta ut hårddisken). Kostnaden för sådant arbete är 12 000 rubel/år (besök en gång i kvartalet) för varje objekt (i enlighet med prislistan för en av installationsorganisationerna).
- Minimikostnaden för fullfjädrad mjukvara för ansiktsigenkänning är i genomsnitt 120 000 rubel per kamera (obegränsad licens).
- Enligt Backblaze behöver cirka 50 % av alla hårddiskar bytas ut före det sjätte användningsåret. Sålunda, efter 6 års kontinuerlig drift, kommer cirka 5 diskar att misslyckas, och förutsatt att ett sådant system inte ger redundans, måste du i genomsnitt budgetera för ytterligare kostnader i mängden 8 diskar per år, eller 1,6 16 rubel/år .
Kapitalkostnaderna (exklusive kostnaden för kameror) kommer att uppgå till 2 928 000 rubel/år.
Molnsystemkostnader
I fallet med ett molnsystem kommer kostnaden för en videoövervakningstariff med igenkänning av 500 ansikten/dag att vara 4 750 rub/månad (57 000 rub/år) per kamera, eller 912 000 rub/år för 16 kameror.
Låt oss påminna dig om att nätverksägaren inte behöver köpa någon extra hårdvara. Det finns heller inga underhållskostnader eftersom alla molnservrar underhålls av molntjänstleverantören i datacentret.
Det finns besparingar på mer än 3 gånger under det första driftåret av systemet.
Delsumma och ytterligare "bullar"
Det finns en viktig nyans i beräkningarna ovan: efter 3 års drift kommer det traditionella systemet att bli billigare sett till totala kostnader än molnbaserad ansiktsigenkänning. Det finns två faktorer att ta hänsyn till här.
Först, kommer den utrustning som nätägaren köper att bli omodern efter 3 års drift. Men nya, mer avancerade tekniker och ansiktsigenkänningsalgoritmer kommer sannolikt att dyka upp, som körs på kraftfullare hårdvara. Och efter 3 år, troligen, måste utrustningen vid punkterna bytas ut helt.
Det finns inget behov av att göra detta med ett molnsystem - tjänsten förbättras och uppdateras ständigt på grund av utvecklingen av algoritmer och tillväxten av datorkraft i datacenter. Stöd för säkerhetsstandarder är inte heller knutet till hårdvara.
Andra, spara pengar under de första åren gör att du kan vända dessa pengar flera gånger, vilket ger ytterligare vinst till verksamheten.
Det förflutna, nuet och framtiden för molnbaserad ansiktsigenkänning
Utvecklingen av igenkänningssystem har accelererat de senaste åren. För inte så länge sedan, istället för komplexa algoritmer och neurala nätverk, jämförde en vanlig säkerhetstjänsteman som använde en dator helt enkelt ansiktena som spelats in av programmet med databaserna och noterade vilka alla dessa människor var.
Dessutom fungerade systemen via lokala servrar. Följaktligen behövde användaren installera en dedikerad PC eller en speciell DVR för att tjänsten skulle fungera. Och dessa är extra kostnader för utrustning och omkostnader för dess drift.
Molnbaserad ansiktsigenkänning kräver inte köp och konfigurering av någon annan utrustning än kameror, och kommer att fungera med de kameror som redan är installerade på platsen.
Det finns inget behov av att anställa en personal med specialister för att upprätthålla driften av utrustningen. Problem med utrustningens tekniska skick löses av tjänsteleverantören själv (och gör detta mer effektivt än icke-specialiserade företag).
Molnigenkänning förvandlar ett besvärligt och sårbart system av lokala analytiska servrar till en flexibel, feltolerant molnstruktur. I praktiken innebär detta att igenkänningssystemet inte längre är beroende av kapaciteten hos en specifik server som köpts och installerats på kundens kontor, samt den IT-infrastruktur som denna klient har. Det finns ingen anledning att köpa ny utrustning och ägna lång tid åt att förhandla om konfigurationsfrågor och expansionsmöjligheter med leverantören.
Molnet fördelar automatiskt belastningen över hela den tillgängliga infrastrukturen med kraftfulla servrar. Kunden behöver inte reservera sällan utnyttjad kapacitet för drift under perioder med oväntade belastningssteg (semester, helger). Du kan ta reda på mer om systemets funktioner på: vi har.
"Pravda Coffee" och OneBucksCoffee har nu orsakat en storm av diskussion, men mycket snart kommer det praktiskt taget inga företag att finnas kvar i offlinebranschen utan videoanalys. Aktörer på konsumentmarknaden har ett akut behov av att känna igen sina kunder på sikt: anpassa service och erbjudanden, analysera gästens humör, sänka kostnader och återvända kunder, och inte bara köpa tekniska lösningar för rapporteringens skull.
Källa: will.com