Presentación de una solución de software de reconocimiento facial personalizada

Innowise ha desarrollado una solución avanzada de reconocimiento facial para mejorar la seguridad y agilizar los procesos de identificación.

Cliente

Industria

Industria minorista

Región

Cliente desde

2022

Nuestro cliente es una empresa australiana de desarrollo de software y consultoría informática especializada en ofrecer soluciones informáticas a medida para el sector minorista. Con un sólido historial, han conceptualizado, diseñado y lanzado con éxito soluciones digitales en varias categorías de venta al por menor, incluyendo mercancía general, ropa y comestibles.

Esta empresa, que opera a escala mundial -desde multinacionales del comercio minorista hasta propietarios de tiendas independientes-, ofrece un conjunto de productos y servicios altamente escalables.

Desafío

Mejora de la precisión del reconocimiento facial en el sector minorista

Al principio, la tarea parecía sencilla: desarrollar una solución de reconocimiento facial que pudiera identificar de forma fiable a las personas en tiempo real para entornos comerciales. Pero cualquiera que esté familiarizado con las imágenes de vídeo del mundo real sabe que no suelen ser perfectas.

El principal problema era la calidad irregular del vídeo. Las cámaras suelen captar imágenes con poca luz, desde ángulos incómodos y en medio de un movimiento constante. Como resultado, los rostros aparecían borrosos, sombreados o distorsionados, lo que dificultaba al sistema la detección y alineación de rasgos faciales críticos como los ojos, la nariz y la boca.

En algunos casos, la iluminación desigual ocultaba los detalles faciales, mientras que en otros, la combinación de desenfoque y sombras hacía ineficaces los métodos de reconocimiento tradicionales. No se trataba de problemas ocasionales, sino de condiciones cotidianas a las que nuestro equipo tenía que hacer frente.

Para superarlo, necesitábamos algo más que algoritmos avanzados. Nuestros ingenieros tenían que diseñar un sistema capaz de procesar entradas imperfectas y desordenadas, extrayendo datos significativos de vídeos inconsistentes y de baja calidad para ofrecer resultados claros y procesables. En pocas palabras, la solución de software de reconocimiento facial personalizada tenía que trabajar con los retos del mundo real, no luchar contra ellos.

Solución

Mejorar la seguridad y la eficacia del comercio minorista con un sistema de reconocimiento facial

El enfoque de nuestro equipo de servicios de desarrollo de software de reconocimiento facial personalizado se centró en tres objetivos fundamentales: precisión, procesamiento en tiempo real y adaptabilidad a entradas de baja calidad.

Detección y reconocimiento fiables de caras

En el núcleo de la solución, integramos algoritmos avanzados de aprendizaje profundo para garantizar una detección y un reconocimiento precisos de los rostros, incluso en condiciones exigentes como iluminación deficiente, ángulos inusuales y entradas de baja resolución.

Detección y alineación de caras

Utilizamos RetinaFace por su rapidez y precisión en la detección de rostros, especialmente en imágenes de baja resolución y condiciones de iluminación difíciles. Optamos por la detección de puntos de referencia faciales de MediaPipe para identificar y alinear rasgos críticos como los ojos, la nariz y la boca. De este modo, el sistema podía manejar diversas entradas con mayor estabilidad y precisión. Esto permitió un preprocesamiento coherente de los rostros, incluso en condiciones de desalineación o ángulos inusuales.

Modelos precisos de reconocimiento facial

Para el reconocimiento facial, utilizamos la técnica ArcFace, conocida por su gran capacidad para generar incrustaciones faciales discriminatorias. Para optimizar la precisión en entornos comerciales, el equipo ajustó el modelo principal utilizando datos específicos del sector con aumentos específicos, como el desenfoque simulado y la distorsión angular. Como resultado, el sistema alcanzó una precisión de reconocimiento facial de 85-90% en condiciones difíciles y mantuvo una precisión superior a 95% con entradas de alta calidad.

Mejoras en la precisión de las imágenes y el rendimiento del sistema

Las grabaciones de vigilancia suelen presentar imperfecciones, por lo que, como parte de nuestros servicios de desarrollo de reconocimiento facial personalizado, desarrollamos un sólido proceso de preprocesamiento de imágenes para limpiar las entradas antes del reconocimiento.

Uno de los principales avances que aportamos fue la localización ocular. La integración de MediaPipe mejoró la capacidad del sistema para detectar el centro de las pupilas. Esto mejoró enormemente la alineación y estabilización de los rostros, permitiéndonos filtrar los fotogramas mal capturados o desalineados. De este modo, sólo se reconocían los fotogramas limpios y de alta calidad, lo que mejoraba la precisión general del sistema.

Procesamiento eficaz de imágenes por lotes

Necesitábamos manejar grandes cantidades de datos de vídeo, así que creamos un módulo de procesamiento de imágenes por lotes utilizando PyTorch y MediaPipe.

También desarrollamos un módulo para extraer y procesar imágenes de secuencias de vídeo en bloque, lo que ahorra tiempo y reduce el esfuerzo manual. El sistema optimizado gestiona grandes volúmenes de datos sin problemas, incluso en entornos minoristas muy concurridos.

Integración con un sistema de CCTV

La integración de software de reconocimiento facial personalizado con un sistema de circuito cerrado de televisión (CCTV) implica combinar tecnología avanzada de reconocimiento facial con la infraestructura de vigilancia existente. Esta integración reconfigura las capacidades de vigilancia, permitiendo una identificación precisa en tiempo real de las personas dentro de las tiendas o almacenes. Este sistema refuerza las medidas de seguridad contra el acceso no autorizado y optimiza la gestión de los empleados mediante el seguimiento de la asistencia y la supervisión del comportamiento laboral. Con este enfoque holístico, el entorno de cualquier punto de venta se vuelve mucho más seguro y eficiente para su funcionamiento.

Ahora, la solución de reconocimiento facial personalizada accede a secuencias de vídeo en directo de cámaras de CCTV y emplea algoritmos basados en PyTorch y MediaPipe para detectar y analizar rasgos faciales únicos, como la forma de los ojos, la nariz y la boca.

Utilizando modelos de reidentificación de personas (Re-ID), el sistema sigue a los individuos de una cámara a otra, incluso con oclusión o mientras se mueven de una zona a otra. Combinado con el procesamiento de fotogramas en tiempo real mediante las funciones de inferencia de PyTorch, el sistema también permite el reconocimiento en tiempo real con una latencia inferior a 200 ms, incluso en múltiples transmisiones en directo.

Tecnologías

Back-end

.NET 6, C#, Python

Cloud

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

DevOps

Acciones GitHub, Kubernetes, Nginx

Machine learning

PyTorch, MediaPipe

VCS

Git, GitHub

Proceso

Empezamos con talleres intensivos para comprender los objetivos del proyecto y los retos que se planteaban, como
la mala calidad del vídeo, el procesamiento en tiempo real y la escalabilidad del sistema. Nuestro equipo realizó un
auditoría detallada de la instalación de CCTV del cliente, evaluando los tipos de cámara, las frecuencias de imagen y la calidad de vídeo para asegurarse de que la
software de reconocimiento facial personalizado funcionara de forma fiable en condiciones reales.

Diseño del sistema y planificación de la arquitectura

A continuación, nuestro equipo diseñó una arquitectura escalable y distribuida capaz de procesar múltiples datos en directo.
simultáneamente. Cada parte del sistema -detección, preprocesamiento y reconocimiento facial- se construyó como un
componente independiente, garantizando un flujo de datos fluido y tolerancia a fallos. También trazamos puntos de integración para conectar
la solución con la red de CCTV existente del cliente.

Desarrollo y aplicación

Seguimos un planteamiento de desarrollo ágil, entregando los resultados por etapas y recabando información periódicamente.
para perfeccionar el sistema. He aquí cómo abordamos cada área crítica:

Detección y alineación de caras: Nuestros ingenieros construyeron y optimizaron la tubería de detección para
estabilizar
vídeo entrante, abordando retos como la iluminación incoherente, los ángulos inusuales y el movimiento.
Preprocesamiento de imágenes: Nuestro equipo mejoró los fotogramas de vídeo con filtrado y estabilización,
garantizando sólo la limpieza,
marcos utilizables avanzaron para su reconocimiento.
Modelos de reconocimiento: Utilizando muestras de vídeo reales, perfeccionamos el proceso de reconocimiento
con precisión
identificar rostros, incluso bajo ángulos extremos u obstrucciones parciales.
Optimización del procesamiento por lotes: Para gestionar grandes volúmenes de vídeo de forma eficaz, nuestra solución optimizada
procesamiento por lotes
flujos de trabajo para secuencias archivadas al tiempo que se reduce la carga de las operaciones en tiempo real.

En cada sprint, realizamos pruebas rigurosas y supervisamos el rendimiento para solucionar cuellos de botella y
apoyar un progreso constante.

Pruebas y validación

Nuestros especialistas en control de calidad ponen a prueba el sistema para validar su rendimiento en condiciones reales. reales:

Pruebas funcionales: Cada módulo se probó individualmente y como parte de la cadena completa.
Pruebas de estrés: Nuestro equipo evaluó la capacidad del sistema para procesar múltiples flujos de cámaras bajo cargas pesadas.
Validación en el mundo real: Utilizando imágenes de vídeo reales de comercios, comprobamos que el sistema ofrecía resultados coherentes incluso con mala iluminación, movimiento borroso o baja resolución.
Pruebas de casos extremos: Nuestro equipo probó situaciones difíciles, como caras parciales y ángulos ángulos extremos para garantizar su solidez y fiabilidad.

A lo largo de las pruebas, controlamos las métricas de rendimiento -precisión, velocidad y tasas de rechazo de fotogramas- y y ajustamos el sistema para obtener resultados óptimos.

Implantación e integración

Una vez que el software de análisis facial personalizado estuvo listo, nuestro equipo lo desplegó en el entorno de producción del cliente con una interrupción mínima. cliente con una interrupción mínima. El sistema se configuró para procesar secuencias de vídeo en directo e integrarse con la infraestructura de CCTV existente. Para garantizar un despliegue sin problemas, también impartimos sesiones de formación y documentación detallada para el equipo del cliente.

Mantenimiento y asistencia tras la implantación

Como parte de nuestro papel como empresa de desarrollo de software de reconocimiento facial personalizado, proporcionamos continuas actualizaciones y soporte para mejorar la eficiencia y escalabilidad del sistema.

Equipo

Analista de negocio

Jefe de proyecto

Ingeniero ML

Desarrollador de Back-End

Desarrollador de Front-End

Resultados

Mayor seguridad e identificación facial simplificada

Nuestro equipo creó un sistema de reconocimiento facial que superaba con éxito los principales retos del mundo real, como la baja resolución, la escasa iluminación y el desenfoque por movimiento. Mediante un diseño y una optimización minuciosos, mejoramos 70%, reduciendo el tiempo de verificación de los empleados de 20 segundos a menos de 5 segundos por persona.

Nuestros ingenieros se aseguraron de que el sistema pudiera manejar cargas de trabajo exigentes mediante la implementación de eficientes de procesamiento. Como resultado, ahora procesa miles de caras por segundo en varias secuencias de vídeo. Utilizando la infraestructura de AWS optimizada para GPU y ajustando el rendimiento, pudimos mantener las cosas funcionando sin problemas y de forma consistente, incluso durante las horas punta de las tiendas. consistente, incluso durante las horas punta de venta al por menor.

Nuestros esfuerzos también reforzaron los resultados en materia de seguridad. Los mecanismos de alerta en tiempo real desarrollados por nuestro equipo permiten al sistema generar notificaciones instantáneas de personas no autorizadas. Como resultado, los tiempos de respuesta de seguridad 40%, lo que permite a los equipos in situ actuar con mayor rapidez y mejorar el conocimiento general de la situación.

La fiabilidad fue un aspecto clave durante todo el proyecto. Las optimizaciones de nuestro equipo garantizaron un tiempo de actividad del 99,9% y proporcionaron un funcionamiento ininterrumpido para procesos críticos como el control de acceso y la supervisión en directo. La perfecta integración con los sistemas existentes del cliente contribuyó además a reducir en un 20-25% los incidentes relacionados con la seguridad, lo que ayudó a los minoristas a crear tiendas más seguras y eficaces. a los minoristas a crear entornos más seguros y mejor gestionados.

En conjunto, la solución demostró ser rápida, precisa y escalable. No sólo optimizó la seguridad, sino que también simplificó la gestión de la asistencia y mejoró los flujos de trabajo operativos cotidianos, ofreciendo resultados tangibles para los entornos minoristas. minoristas.

Duración del proyecto

Mayo 2022 - Octubre 2022

99.8%

verificaciones por debajo de 200 ms por fotograma en instancias de AWS optimizadas para GPU

85-90%

precisión del reconocimiento facial en condiciones de poca luz o movimiento borroso

50%

menos intervenciones manuales con una identificación automatizada fiable

Casos relacionados

Póngase en contacto con nosotros

Reservar una llamada o rellene el siguiente formulario y nos pondremos en contacto con usted cuando hayamos procesado su solicitud.

Nombre

Empresa

Correo electrónico

Teléfono

Mensaje Por favor, facilítenos detalles del proyecto, duración, tecnologías, especialistas informáticos necesarios y otra información relevante.

Grabe un mensaje de voz sobre su proyecto
para ayudarnos a comprenderlo mejor.

Adjunte los documentos adicionales si es necesario

Cargar archivo

Puede adjuntar hasta 1 archivo de 2 MB en total. Archivos válidos: pdf, jpg, jpeg, png

Le informamos de que cuando haga clic en el botón Enviar, Innowise procesará sus datos personales de acuerdo con nuestra Política de privacidad con el fin de proporcionarle la información adecuada.

¿Qué pasa después?

Una vez recibida y procesada su solicitud, nos pondremos en contacto con usted para detallar las necesidades de su proyecto y firmar un acuerdo de confidencialidad que garantice la confidencialidad de la información.

Después de examinar los requisitos, nuestros analistas y desarrolladores elaboran una propuesta de proyecto con el alcance de las obras, el tamaño del equipo, el tiempo y las estimaciones de costos.

Concertamos una reunión con usted para discutir la oferta y llegar a un acuerdo.

Firmamos un contrato y comenzamos a trabajar en su proyecto lo más rápido posible.