Система розпізнавання осіб на основі технології VisibleLight має велику продуктивність і надійність, і має здатність до самонавчання. Розпізнавання облич - одна з п ередових біометричних технологій, що має величезні перспективи зростання в майбутньому. Наявні технологічні проблеми до недавніх пір обмежували застосування таких систем. Основними проблемами ранніх версій були високі вимоги до апаратних платформ і їх продуктивності, до зовнішнього освітлення, кутах установки камер і захисту від підроблених ідентифікацій. Щоб заповнити ці технологічні недоліки нами була розроблена абсолютно нова технологія розпізнавання осіб, ключовою особливістю якої є використання технології глибокого самонавчання.
Захист від підроблених ідентифікацій (антіспуфінг) - одна з найважливіших завдань усіх видів біометричних технологій, включаючи і розпізнавання осіб. Використання фото або відео із зображенням обличчя - найпростіший і популярний спосіб пройти ідентифікацію. Щоб захистити систему від таких ситуацій, нами був створений програмний модуль виявлення «живого» об'єкта, здатний самовдосконалюватися завдяки алгоритмам самонавчання. Навчання ґрунтується на вивченні відмінностей між реальною людиною і фотографією або відео, таких як освітлення, текстура і дозвіл.
Класифікація на основі рідкісних ознак (SRC) використовується для збільшення швидкості розпізнавання і для зниження необхідної обчислювальної потужності. Зазначене подання використовує математичні лінійні характеристики сусідніх пікселів і самонавчальний алгоритм виділення ознак. Використання оптимізованих алгоритмів дозволяє проводити ідентифікацію менш ніж за 1 секунду.
Розпізнавання обличчя зазвичай проводиться в динамічному середовищі, де змінюється інтенсивність джерел світла, кути огляду і відстань до камери. Технологія самонавчання дозволяє системі самостійно витягувати і фільтрувати характеристики для вивчення відмінностей при різній відстані, позі, куті огляду і яскравості джерел світла. Що дозволяє екстраполювати і поліпшити вихідне зображення, навіть якщо відстань, освітлення і кут розташування менше ідеального. Система може працювати навіть при низьких рівнях освітленості.
Традиційне розпізнавання осіб проходить через чотири основних етапи: виявлення, вирівнювання, витяг ознак і розпізнавання. Вдосконалене розпізнавання особи в видимому світлі включає в себе кілька додаткових етапів, щоб доповнити цю технологію.
виявленняСистема спочатку визначить, чи є особа на зображенні або відео. Під час виявлення програма з високою точністю дозволяє знаходити особи незалежно від їх розміру і зовнішньої освітленості. | |
визначення позиАлгоритми визначення пози дозволяють точно визначити тривимірні кути нахилу об'єкта. Точність особливо важлива для подальшої тривимірного відновлення зображення. |  |
аналіз якостіПісля оцінки пози буде проаналізована яскравість і чіткість зображення, щоб гарантувати, що якість потрапляє в допустимий діапазон, і відсіяти зображення, які класифікуються як невпізнанні, для запобігання втрат обчислювальної потужності |  |
вирівнюванняВирівнювання особи -це позиціонування очей, носа і рота людини в зазначених рамках. Цей процес використовує 2D перетворення, включаючи рух, масштабування і обертання. Вирівняні зображення більш ефективні для ідентифікації. |  |
витяг ознакДалі спеціальний алгоритм аналізує зображення, досліджуючи сусідні пікселі, формує криві, визначить краї, визначає форми. Після цього ми може отримати набір специфічних ознак, характерних для даної людини і виконати порівняння з наявними шаблонами. |  |
На відміну від «живого» людського обличчя обличчя на фотографії переміщається разом з усією фотографією, включаючи фон фотографії. З огляду на цю особливість, програма спочатку захоплює відеопослідовність і аналізує сусідні кадри, виділяє контури особи і аналізує поведінку пікселів на кордоні в часі, що дозволяє зрозуміти використовується реальний фон або фотографія.
Самонавчання сприяє виявленню відмінностей між живим людським обличчям і відеозаписом. Аналізується текстура і дозвіл, навколишні об'єкти, фонове зображення та ін., Що дозволяє виявити рамку смартфона або планшета і виявити спробу помилковою ідентифікації.
Розпізнавання - це процес, який класифікує отримані дані з заданими ідентифікаторами шляхом перехресної перевірки витягнутих ін Ізнак з шаблонами. Розпізнавання зазвичай робиться для навчання або для ідентифікації:
Після введення даних для навчання і відповідного шаблону особи, програма почне вивчення, реструктуризує його на пікселі, щоб сформувати криві, краю, форми. Крім того, порівняння з набором навчальних даних, які можуть відрізнятися за кутом, позі, віддалі і висвітлення, дозволяє системі знайти різницю між ними, і знайти спосіб розширення діапазону по кутовій відстані і провести більш точну і ефективну ідентифікацію.
Завдання розпізнавання, як правило, може бути розділена на дві: перевірка 1: 1 і порівняння 1: N. Розпізнавання особистості зводиться до обробки отриманих даних класифікаторами. Класифікатори або спосіб класифікації будуть істотно впливати на якість розпізнавання і час обробки. Класифікація на основі рідкісних ознак (SRC) застосовується для підвищення ефективності за рахунок мінімізації обсягу оброблюваних даних, що дозволяє знизити обчислювальну потужність системи і скоротити час обробки.
Вдосконалене розпізнавання осіб - це глиб око модернізована технологія, здатна виконувати різноманітні завдання розпізнавання осіб в динамічному середовищі.
В даний час ми розробляємо мульти-модульну технологію розпізнавання осіб на основі ближнього інфрачервоного (NIR) і видимого спектру (VIS). Модуль самонавчання вибирає зображення NIR в якості основного, і два зображення VIS в якості додаткових: один правильний зразок і один помилковий зразок. Вибір зображення NIR в якості базового і використання триплетів для навчання дозволить ще більше скоротити різницю між базовим і правильним зразком і легко відрізнити помилковий зразок.
Кошик0
Консультація 
Наверх
Програмне забезпечення 
Устаткування проти COVID-19 
Облік робочого часу 
Відеоспостереження 
Торгівельне обладнання 
Біометричні модулі 
Огляд багажу і автомобілів 
