Преимущества облачного распознавания лиц

в 9:36, , рубрики: face recognition, ivideon, Ivideon Faces, OneBucksCoffee, Блог компании Ivideon, искусственный интеллект, Монетизация IT-систем, облачное распознавание лиц, облачные сервисы, Правда Кофе, Работа с видео, распознавание лиц

image
Близкое будущее

Существует несколько методов, по которым работают системы распознавания лиц, но в целом речь идёт о технологии, способной идентифицировать человека по цифровому изображению или кадру из видеоисточника.

Многие владельцы смартфонов каждый день используют face recognition, но в мобильных устройствах скорость распознавания не критична, а число пользователей редко больше одного-двух человек. Для офисных и уличных систем (при массовом распознавании) применяются другие технологии.

Недавно на Хабре обсуждали новость: московские сетевые кофейни «Правда кофе» и OneBucksCoffee начали тестировать в своих заведениях сервис распознавания лиц.

Кофейни используют наше техническое решение. И сегодня мы расскажем о нём подробнее. Конечно, о самой технологии мы уже говорили, но появилось кое-что новое — решение стало по-настоящему облачным. А это всё меняет.

Как работает технология распознавания лиц

Первое, что должна сделать система, — выделить в кадре лицо и с помощью алгоритмов убедиться, что это именно человеческое лицо.

После первоначальной детекции происходит определение различных индивидуальных черт по фиксированным точкам — например, учитывается расстояние между глазами и ещё десятки других параметров.

Далее уже другие алгоритмы ищут по различным заранее созданным базам данных и выдают процент схожести с искомым образцом данных. Если процент схожести достаточно высок, лицо считается распознанным.

Если не вдаваться в подробности (фото для анализа ещё нужно нормализировать, прежде чем передавать в нейросеть, которая считывает некоторый дескриптор), основная сложность решения на данный момент заключается не в самих технологиях (алгоритмах), а в реализации.

Системы распознавания развиваются в нескольких направлениях, классифицируемых в зависимости от подхода к обработке информации. Иногда трудно выбрать, какая именно система лучше справится с конкретной задачей.

Разнообразие систем

image

Данные можно обрабатывать в облаке, на локальных серверах, развернутых в периметре безопасности предприятия, или непосредственно на камерах.

В последнем случае весь анализ осуществляется самой камерой, а на сервер поступает уже обработанная информация. Главное достоинство системы — это высокая точность и возможность «повесить» на один сервер большое количество устройств.

При кажущейся простоте и легкости масштабирования у этой технологии тоже есть минусы. Один из них — высокая цена. Плюс к этому, на данный момент нет единого стандарта представления информации, которую специализированные камеры передают на сервер. И набор данных может сильно различаться у разных вендоров.

image
«Простая» система распознавания лиц от Panasonic

Системы на основе IP-камер с функцией встроенного видеоанализа уступают по популярности серверным решениям. Но и в случае использования традиционной системы на базе регистратора и/или локального сервера сэкономить не получится.

Программы и цены* Face Recognition

*По информации из открытых источников.

Учитывая сложность алгоритмов и высокую цену на серверное оборудование для модулей видеоаналитики, системы распознавания лиц долгое время оставались недешевым удовольствием.

Дополнительно на стоимость решения влияет генерируемый в процессе работы большой сетевой трафик – помимо затрат на мощные серверы приходилось раскошеливаться на активное сетевое оборудование и «толстые» каналы связи.

На сегодняшний день на российском рынке присутствуют несколько крупных игроков, предлагающих качественные алгоритмы анализа и обработки видеоданных. Их объединяет заинтересованность в проектах, связанных с крупным бизнесом. Объяснить такую фокусировку очень просто – стоимость решения выходит далеко за рамки возможностей малого и среднего бизнеса.

  • ISS

Программное обеспечение «SecurOS Face».

Стоимость лицензии на модуль захвата лиц — 41 275 рублей на канал. ПО устанавливается на сервер распознавания лиц или на сервер их детекции.

Стоимость лицензии модуля распознавания лиц на 1000 человек в базе составляет 665 760 рублей. Устанавливается на сервер распознавания лиц.

  • Sigur

Российский разработчик оборудования и программного обеспечения для систем контроля доступа.

Стоимость лицензии на модуль верификации лиц на одну камеру — 50 000 рублей.

Стоимость лицензии на модуль идентификации лиц на одну камеру — 7 000 рублей.

Цена лицензии на базу до 1 000 лиц — 294 000 рублей.

  • ITV

Программное обеспечение «Интеллект» для распознавания лиц с памятью на 1 000 эталонов лиц в базе — 314 000 рублей.

Ядро системы — 20 300 рублей. Подключение видеоканала — 6 000 рублей.

  • Macroscop

Модуль распознавания лиц Macroscop Basic с размером базы до 1000 лиц — 240 000 рублей.

Лицензия на работу с одной IP-камерой — 16 500 рублей.

Ещё недавно решения от Macroscop использовались для обеспечения безопасности только особо важных объектов с большим количеством людей: стадионов, аэропортов, заводов. Но теперь компания поставляет свой продукт и для ритейла. Цена — 94 000 рублей за модули (регистраторы не продают).

  • TRASSIR

Программное обеспечение стоит 79 000 рублей + 32 000 рублей за регистратор. Клиенты компании, в основном, крупные фирмы (заводы, добывающие компании, университеты, спорткомплексы). Но основной упор компания делает на традиционное видеонаблюдение, а не на распознавание лиц. Хотя их видеорегистраторы отлично подходят и для этих задач.

  • FindFace

Компания разрабатывает и продаёт только специализированное ПО для распознавания лиц. Выбирать конфигурацию серверов для хранения и обработки данных вам придётся самостоятельно.

  • Ivideon

Облачный сервис видеонаблюдения и видеоаналитики, который предложил услуги бизнесу, ограниченному бюджетом. Сервис Ivideon Faces работает практически с любыми камерами, стоимость подключения одного устройства – от 3 150 рублей с анализом до 100 уникальных лиц в сутки и базовой записью в облачный архив за 5 суток.

Подбор «железа» для систем Face Recognition

С одной Full HD камеры для обработки видеопотока, содержащего 10 лиц в кадре, потребуется одно ядро процессора с частотой 2,8 ГГц. Если в кадре мало лиц (от 1 до 3), то одно процессорное ядро легко справится и с обработкой двух видеопотоков.

Из этого примера видно, что даже в простой системе надо иметь определенный запас по «железу». Ведь если на объект одновременно зайдёт не 10, а 15 человек, то потребуется уже второе ядро с аналогичной производительностью.

Следовательно, для работы традиционной системы, с учётом пиковых нагрузок, требуется держать двойные резервные мощности.

Чтобы вам легче было представить, во сколько обходится традиционная система распознавания лиц, мы в качестве примера возьмём торговую точку и посчитаем стоимость традиционной и облачной системы распознавания лиц.

Расчёт затрат: стоимость традиционной системы распознавания лиц

image

Допустим, мы разворачиваем систему распознавания лиц в аптечной сети, состоящей из 16 точек. В среднем за сутки каждую аптеку посещают 500 покупателей.

Чтобы полноценно распознавать лица, на каждый объект наблюдения можно установить по одной поворотной камере или камере с механизированным объективом.

В случае использования традиционной системы затраты будут следующие:

  1. Для каждой аптеки потребуется не менее одного специализированного видеорегистратора. Его розничная стоимость составляет примерно 40 000 руб.
  2. Для каждого регистратора дополнительно потребуется специальный жёсткий диск (не путать с обычным HDD для ПК) объёмом не менее 4 ТБ, чтобы записывать видеопоток в разрешении 1920х1080 при высокой интенсивности движения. Средняя розничная стоимость — 10 000 рублей.
  3. В бюджет следует заложить стоимость работ по обслуживанию системы видеонаблюдения (например, выезд монтажника для устранения ошибок, обновления ПО или замены HDD). Стоимость таких работ — 12 000 рублей/год (выезд раз в квартал) для каждого объекта (в соответствии с прайс-листом одной из монтажных организаций).
  4. Минимальная стоимость полнофункционального ПО для распознавания лиц — в среднем 120 000 рублей на камеру (неограниченная по времени лицензия).
  5. По данным компании Backblaze, около 50 % всех жёстких дисков требует замены к 6 году эксплуатации. Таким образом, через 5 лет беспрерывной эксплуатации из строя выйдут около 8 дисков, а при условии, что в такой системе резервирование не предусмотрено, в среднем нужно заложить дополнительные расходы в размере 1,6 диска в год, или 16 000 рублей/год.

Капитальные затраты (без учёта стоимости камер) составят 2 928 000 рублей/год.

Затраты на облачную систему

В случае облачной системы стоимость тарифа видеонаблюдения с распознаванием 500 лиц/сутки составит 4 750 руб/мес (57 000 руб/год) за камеру, или 912 000 руб/год за 16 камер.

Напомним, что никакого дополнительного «железа» владельцу сети приобретать не придётся. Затраты на техническое обслуживание также не нужны, ведь все облачные серверы обслуживаются провайдером облачных услуг в дата-центре.

Налицо экономия более чем в 3 раза в течение первого года эксплуатации системы.

Промежуточный итог и дополнительные «плюшки»

В расчётах выше есть важный нюанс: через 3 года эксплуатации традиционная система по совокупным издержкам станет дешевле облачного распознавания лиц. Здесь стоит учесть два фактора.

Во-первых, оборудование, которое купит владелец сети, за 3 года эксплуатации устареет. Зато наверняка появятся новые, более совершенные технологии и алгоритмы распознавания лиц, работающие на более мощном «железе». И через 3 года, вероятнее всего, придется полностью заменять оборудование на точках.

С облачной системой этого делать не нужно – сервис совершенствуется и обновляется постоянно за счёт развития алгоритмов и роста вычислительной мощности дата-центров. Поддержка стандартов безопасности также не привязана к железу.

Во-вторых, экономия средств в первые годы позволит обернуть эти деньги несколько раз, принося дополнительную прибыль бизнесу.

Прошлое, настоящее и будущее облачного распознавания лиц

Эволюция систем распознавания в последние годы ускорилась. Ещё не так давно вместо сложных алгоритмов и нейронных сетей обычный сотрудник службы безопасности с помощью компьютера просто сравнивал зафиксированные программой лица с базами и отмечал, кто все эти люди.

К тому же, системы работали через локальные сервера. Соответственно, для работы сервиса пользователю нужно было устанавливать выделенный ПК или специальный видеорегистратор. А это лишние затраты на оборудование и накладные расходы на его эксплуатацию.

Облачное распознавание лиц не требует покупки и настройки никакого другого оборудования, кроме камер, и будет работать с теми камерами, которые уже установлены на объекте.

Не нужно держать штат специалистов для поддержания работы оборудования. Проблемы технического состояния оборудования решает сам провайдер сервиса (и делает это эффективнее, чем неспециализированные компании).

Облачное распознавание превращает громоздкую и уязвимую систему из локальных аналитических серверов в гибкую отказоустойчивую облачную структуру. На практике это означает, что система распознавания больше не зависит от возможностей конкретного сервера, купленного и установленного в офисе клиента, а также ИТ-инфраструктуры, которая у этого клиента имеется. Нет необходимости приобретать новое оборудование и долго согласовывать с поставщиком вопросы конфигурации и возможности его расширения.

Облако в автоматическом режиме распределяет нагрузку по всей доступной инфраструктуре с мощными серверами. Клиенту не нужно держать редко используемые мощности про запас для работы в периоды неожиданных всплесков нагрузки (праздники, выходные). Более подробно о возможностях системы можно узнать, проконсультировавшись у нас.

«Правда кофе» и OneBucksCoffee сейчас вызвали бурю обсуждений, но очень скоро практически не останется компаний в офлайновом бизнесе без видеоаналитики. У игроков потребительского рынка есть острая необходимость узнавать своего покупателя в лицо: персонализировать сервис и предложения, анализировать настроение гостя, сокращать издержки и возвращать клиентов, а не просто покупать технологические решения ради отчётности.

Автор: randall

Источник

* - обязательные к заполнению поля


https://ajax.googleapis.com/ajax/libs/jquery/3.4.1/jquery.min.js