Lösungen zur Gesichtserkennung: 80% Genauigkeitsrate bei der Identifizierung von Gesichtern

Innowise hat eine fortschrittliche Gesichtserkennungslösung entwickelt, um die Sicherheit zu erhöhen und Identifikationsprozesse zu rationalisieren.

Der Kunde

Industrie

Einzelhandel

Region

Kunde seit

2020

Unser Kunde ist ein australisches in der Softwareentwicklung und IT-Beratungsunternehmen das auf die Entwicklung von IT-Lösungen für den Einzelhandel spezialisiert ist. Das Unternehmen kann eine beeindruckende Erfolgsbilanz bei der Konzeption, Gestaltung, Entwicklung und Einführung einer Reihe von digitalen Einzelhandelslösungen für verschiedene Produktkategorien vorweisen, darunter allgemeine Handelswaren, Bekleidung und Lebensmittel.

Das weltweit tätige Unternehmen bietet eine Reihe hochgradig skalierbarer Produkte an und bedient einen vielfältigen Kundenstamm, der von multinationalen Einzelhandelsriesen bis hin zu einzelnen Ladenbesitzern reicht.

Herausforderung

Verbesserung der Genauigkeit der Gesichtserkennung für den Einzelhandel

Unser Team wurde mit der Entwicklung eines hochmodernen Gesichtserkennungssystems für den Einzelhandel beauftragt. Das Hauptziel des Projekts bestand darin, eine skalierbare und verteilte Architektur zu schaffen, die verschiedene Algorithmen zur genauen Gesichtserkennung einsetzt.

Eine große Hürde, auf die wir gestoßen sind, war die uneinheitliche Qualität und Charakteristik der Videoeingaben und ihrer jeweiligen Bilder. Diese Inkonsistenz ergab sich in erster Linie aus den unterschiedlichen Beleuchtungsbedingungen und der unterschiedlichen Qualität der Eingabebilder, was die Fähigkeit des Systems beeinträchtigte, anthropometrische Punkte und ihre angrenzenden Merkmale genau zu identifizieren und zu analysieren. Die Bewältigung dieser Herausforderung war entscheidend für die Zuverlässigkeit und Effektivität der Gesichtserkennungslösung.

Die unten dargestellten Bilder sind entweder inhomogen beleuchtet oder unscharf oder "two-in-one" - unscharf und inhomogen zugleich. Es ist schwierig, auf der Grundlage solcher Bilder ein zufriedenstellendes Erkennungsergebnis zu erzielen.

Lösung

Verbesserung der Sicherheit und Effizienz im Einzelhandel durch ein Gesichtserkennungssystem

Innowise hat ein Projekt zur Entwicklung einer maßgeschneiderten Gesichtserkennungssoftware für den Einzelhandel in Angriff genommen.

Verschiedene Algorithmen zur Gesichtserkennung

Wir haben eine Reihe von Algorithmen zur Gesichtserkennung implementiert, wie z. B. die PCA zur unverwalteten Gesichtserkennung, die PCA zur verwalteten Gesichtserkennung und die Eigengesichter zur verwalteten Gesichtserkennung. Diese Algorithmen sind nahtlos austauschbar und bieten Flexibilität und Anpassungsfähigkeit an die jeweiligen Anforderungen.

Unverwaltete Gesichtserkennung PCA

Bei diesem Ansatz wird die Hauptkomponentenanalyse (PCA) zur effizienten Identifizierung und Extraktion wichtiger Gesichtsmerkmale verwendet, wodurch die Fähigkeit des Systems zur Erkennung von Gesichtern unter verschiedenen Bedingungen verbessert wird.

Verwaltete PCA zur Gesichtserkennung

Diese Methode erweitert den grundlegenden PCA-Rahmen und führt ein Präzisionsmanagement ein, um die Merkmalsextraktion zu optimieren und eine zuverlässige Erkennung auch bei schwankender Bildqualität zu gewährleisten.

Verwaltete Gesichtserkennung Eigengesichter

Das System nutzt die Technik der Eigengesichter und verwendet eine ausgeklügelte Auswahl von Eigenvektoren für eine verbesserte Erkennungseffizienz, die besonders bei der Verarbeitung großer Bildmengen nützlich ist.

Verbesserungen für Bildgenauigkeit und Systemleistung

Wir haben uns darauf konzentriert, die Genauigkeit der Bilder und die Leistung des Systems zu verbessern. Durch die Implementierung von zwei OpenCV-Algorithmen zur Gesichtserkennung und Augenlokalisierung haben wir eine stabile und zuverlässige Gesichtserkennung erreicht.

Allerdings stießen wir auf Schwierigkeiten mit der Genauigkeit des Algorithmus zur Augenlokalisierung. Deshalb haben wir das System so konfiguriert, dass es die Zentren der Augenpupillen erkennt, was die Stabilität des Systems erheblich verbessert. Diese Anpassung ermöglichte eine genauere Bildstabilisierung, Drehung und Skalennormalisierung, während gleichzeitig Bilder herausgefiltert wurden, die in falschen Winkeln aufgenommen wurden.

Effiziente Stapelverarbeitung von Bildern

Um Bildverarbeitungsaufgaben zu vereinfachen, hat Innowise ein Modul für die Stapelverarbeitung von Bildern entwickelt. Wir haben dieses Modul in das System integriert, um Bilder aus Bildserien, Videos oder Kameras effizient zu extrahieren. Es spart erheblich Zeit und Aufwand und ermöglicht einen reibungslosen Betrieb auch bei großen Datenmengen.

Integration in ein CCTV-System (Closed Circuit Television)

Bei der Integration einer Gesichtserkennungslösung in ein CCTV-System (Closed Circuit Television) wird eine fortschrittliche Gesichtserkennungstechnologie mit der bestehenden Überwachungsinfrastruktur kombiniert. Diese Integration verändert die Überwachungsmöglichkeiten und ermöglicht eine präzise Echtzeit-Identifizierung von Personen in Geschäften oder Lagern. Ein solches System verstärkt die Sicherheitsmaßnahmen gegen unbefugten Zutritt und optimiert das Mitarbeitermanagement durch Überwachung von Anwesenheit und Verhalten. Dieser umfassende Ansatz gewährleistet eine sicherere und effizientere Betriebsumgebung für Einzelhandelsgeschäfte.

Jetzt kann die Gesichtserkennungslösung auf die Live-Videobilder der CCTV-Kameras zugreifen. Sie trägt zur Analyse der Gesichter von Personen im Videostrom in Echtzeit bei. Die Gesichtserkennungslösung setzt hochentwickelte Algorithmen ein, um Gesichtsmerkmale aus dem Videomaterial zu erkennen und zu extrahieren. Diese Algorithmen analysieren die einzigartigen Merkmale eines jeden Gesichts, wie z. B. die Form der Augen, der Nase und des Mundes.

Außerdem umfasst die Integration Funktionen wie die Gesichtsverfolgung, mit der das System die Bewegungen einer Person über verschiedene Kameraansichten hinweg verfolgen kann. Diese Funktion verbessert das Situationsbewusstsein und bietet einen umfassenden Überblick über die Aktivitäten der Mitarbeiter.

Technologien

Backend

.NET 3.5 SP1, C# 3.0 und Plattform-SDK

Cloud

AWS (Kinesis Video Streaming, EC2, EKS, ECR, S3, Glue)

DevOps

Jenkins, Nginx, Docker, Docker Compose

Maschinelles Lernen

OpenCV, ONNX Runtime, Armadillo, Scikit-learn, numpy, pandas

VCS

Git, GitHub

Prozess

Unser Entwicklungsprojekt zur Gesichtserkennung begann mit einer gründlichen Bewertung der Anforderungen des Kunden. Um den Entwicklungsprozess zu rationalisieren, haben wir die Scrum-Methode angewandt. Dieser Ansatz beinhaltete tägliche Stand-up-Meetings für Echtzeit-Fortschritts-Updates und monatliche Demonstrationen, um Fortschritte zu präsentieren und Kunden-Feedback einzuholen.

Wir organisierten unsere Arbeitsabläufe und Dokumentationen mit Jira und Confluence, um eine effiziente Aufgabenverfolgung und den Wissensaustausch sicherzustellen, während Microsoft Teams als Hauptkanal für die Kundenkommunikation diente.

Im Mittelpunkt unserer technischen Strategie stand die Integration modernster Algorithmen zur präzisen Gesichts- und Augenerkennung. Eine Schlüsselinnovation war die Verfeinerung der Fähigkeit des Systems, Pupillenmitten zu erkennen, und die Verbesserung der Bildqualität durch bessere Stabilisierung und Normalisierung, was entscheidend für die Bewältigung des Problems der uneinheitlichen Videoeingangsqualität ist.

Dieser umfassende agile Ansatz ermöglichte es uns, ein maßgeschneidertes, leistungsstarkes Gesichtserkennungssystem zu liefern, das die spezifischen Anforderungen des Kunden erfüllte und unser Engagement für Innovation und Kundenzufriedenheit unter Beweis stellte.

Team

Business-Analyst

Projektmanager

Datenwissenschaftler

Back-End-Entwickler

Front-End-Entwickler

Ergebnisse

Erhöhte Sicherheit und optimierte Gesichtserkennung

Wir erreichten ein hohes Maß an Genauigkeit bei der Identifizierung und Unterscheidung von Personen, selbst wenn wir mit minderwertigen Quellen arbeiten. Diese Genauigkeit verbesserte die Sicherheitsmaßnahmen erheblich, indem sie eine zuverlässige Authentifizierung ermöglichte und autorisierten Personen den sicheren Zugang zu gesperrten Bereichen und Systemen gestattete, um unbefugten Zutritt zu verhindern. Darüber hinaus ermöglichte das System eine Echtzeitüberwachung durch Videoüberwachungskameras, die das Sicherheitspersonal sofort über unbefugte oder verdächtige Personen informiert, die versuchen, Sperrbereiche zu betreten.

Insgesamt erwies sich das Gesichtserkennungssystem als eine äußerst zuverlässige, effiziente und sichere Lösung für die Identifizierung und Authentifizierung. Die Lösung bietet Vorteile in verschiedenen Bereichen, darunter Zugangskontrolle, Anwesenheitsmanagement und verbesserte Kundenerfahrung.

Projektdauer

Mai 2020 - Oktober 2020

80%

Trefferquote bei der Identifizierung von Gesichtern

75%

Zeitersparnis bei der Überprüfung der Mitarbeiter

Unsere aktuellen Fallstudien

Kontaktieren Sie uns!

Buchen Sie einen Anruf oder füllen Sie das Formular unten aus und wir melden uns bei Ihnen, sobald wir Ihre Anfrage bearbeitet haben.

Name

Unternehmen

E-Mail

Telefon

Nachricht Bitte fügen Sie Projektdetails, Dauer, Technologie-Stack, benötigte IT-Experten und andere Infos bei.

Bitte fügen Sie Projektdetails, Dauer, Technologie-Stack, benötigte IT-Experten
und andere Infos bei.

Hängen Sie nach Bedarf zusätzliche Dokumente an.

Datei hochladen

Sie können bis zu 1 Datei von insgesamt 2 MB anhängen. Gültige Dateien: pdf, jpg, jpeg, png

Bitte beachten Sie, dass Innowise mit dem Anklicken der Schaltfläche 'Senden' Ihre persönlichen Daten nach der Datenschutzrichtlinie verarbeiten wird, um Ihnen die gewünschten Informationen zukommen zu lassen.

Wie geht es weiter?

Sobald wir Ihre Anfrage erhalten und bearbeitet haben, werden wir uns mit Ihnen in Verbindung setzen, um Ihre Projektanforderungen zu besprechen und eine NDA (Vertraulichkeitserklärung) für die Vertraulichkeit der Informationen zu unterzeichnen.

Nach der Prüfung der Anforderungen erstellen unsere Analysten und Entwickler einen Projektvorschlag, der Arbeitsumfang, Teamgröße, Zeit- und Kostenschätzung enthält.