Каждая технология стремится не только облегчить жизнь человеку, но и сократить временные ресурсы на рутинные задачи. То что было раньше под силу только человеку, теперь доступно и машинному зрению, а именно видеоаналитика. Данная технология используется как для обеспечения безопасности, так и для повышения эффективности бизнеса в торговле, финансовом секторе и на транспорте.
Видеоаналитика — технология, использующая методы компьютерного зрения для автоматизированного получения различных данных на основании анализа последовательности изображений, поступающих с видеокамер в режиме реального времени или из архивных записей.
Видеоаналитика в системах видеонаблюдения не стоит на месте, таким функционалом, как выход из периметра, пропажа предмета из области, детекция пешеходов и пр., уже никого не удивить. На смену приходят все более интеллектуальные сценарии и функции. Одна из которых распознавание лиц в системах видеонаблюдения, технология появившаяся в данной сфере относительно недавно и очень уверенно захватывает долю на рынке.
Технология распознавание лиц на основе биометрии лица является «вершиной» видеоаналитики: она ставит наиболее сложные задачи и задействует широкий спектр математических инструментов. С одной стороны, биометрическая система реализует функцию распознавания, устанавливая вероятностную связь изображения с идентификаторами людей, зарегистрированных в базе данных. С другой стороны, биометрическая система требует безукоризненной работы функций обнаружения и слежения.
В статье речь пойдет:
- О различных способах реализации данных систем, плюсах и минусах того или иного способа.
- В каких сферах может использоваться распознавание лиц, постараюсь не ограничиваться лишь безопасностью.
Существуют два основных способа реализации распознавания лиц в видеонаблюдении.
Процедура распознавания лиц может осуществляться “силами” самой IP-камеры и передавать видеопоток, и метаданные на сервер (ПК)/ видеорегистратор. Из положительных моментов к серверу (ПК) возможно подключить большое количество камер, т.к. на ресурсы производительности сервера не оказывается большой нагрузки. Что касается недостатков данной системы. В случае расширения необходимо будет всегда использовать камеры одного и того же производителя, для согласования базы данных и используемых шаблонов распознавания лиц.
Второй основной способ осуществлять распознавание лиц на стороне сервера с помощью специального ПО, а с камеры видеонаблюдения передается только видеопоток. Однозначно такую систему удобно использовать в случае если видеонаблюдение уже установлено на объекте, заменить достаточно старый сервер/видеорегистратор. Можно ли отнести к недостаткам дороговизну устанавливаемого сервера, лицензия которого на канал стоит не мало, из-за высокой производительности сервера. Но и камеры с распознаванием лиц на борту стоят не дешево, плюс будет необходим демонтаж старых камер и установка новых, поэтому о цене того или иного решения говорить сложно, необходимо рассчитывать индивидуально.
Про алгоритмы распознавания.
Разработчиками ПО, систем видеонаблюдения был создано множество алгоритмов распознавания лиц таких как: распознавание с помощью нейронных сетей, методом главных компонентов, активных моделей внешнего вида (AAM), метод гибкого сравнения на графах, но несмотря на большое количество разработчиков можно выделить общий принцип действия распознавания лица.
Детекция лица (выделение лица из кадра)> распознавание лица (вычисление с помощью математических, геометрических операции по заданным точкам (это могут быть губы, лицо, глаза брови которые представлены в математической/геометрической форме) алгоритма и сравнение с эталонами которые загружены в базу данных.
В системах видеонаблюдения для распознавания лиц используется 2D пространство, алгоритмы наиболее простые по сравнению с 3D – позиционированием (Например, использующееся в продуктах Apple под названием FaceID) соответственно и производительных ресурсов требуется меньше, и исключает использование дополнительных датчиков, но необходимо большее количество условий, описании для распознавания лиц в различных условиях.
Использование технологии распознавания лиц в сфере безопасности безусловно вносит в свой вклад. Одним из самых ярких примеров является Китай, где создана база данных более миллиарда человек, информация поступает в единую систему от правоохранительных органов, объектов транспортной инфраструктуры, систем контроля доступа в государственных и коммерческих организациях. Все это позволяет вычислить правонарушителя довольно быстро. Пример можно привести не только за рубежом, относительно недавно в Московском метрополитене на ст.м. Октябрьское при использовании технологии распознавания лиц, в первый же месяц было задержано 42 человека находившихся в розыске.
Камеру или видеорегистратор с функцией распознавания лиц при наличии тревожных выходов возможно интегрировать с системами СКУД, открывая двери, шлагбаумы и взаимодействовать с другой инфраструктурой СКУД при распознавании лица, которое было добавлено в белый список. А в случае попадания в кадр лица из черного списка, можно создать оповещение о тревоге.
Установив такую систему в магазине, ресторане, кафе помимо распознавания лица, обычно осуществляется анализ пола и возраста, это позволит определить ЦА и быть наиболее клиентоориентированным, определить постоянных покупателей например выведя статистику за месяц, выдать карту постоянного покупателя или предоставить любимый столик. Во многих системах также присутствует функция трекинга лица, то есть составление маршрута данную функцию можно применить в местах крупного скопления людей, ТЦ, транспортные объекты, площади и тд., для составления наиболее оптимизированных маршрутов.