Løsning for ansiktsgjenkjenning: 80% nøyaktighet i identifisering av ansikter

Innowise har utviklet en avansert ansiktsgjenkjenningsløsning for å øke sikkerheten og effektivisere identifikasjonsprosessene.

Kunde

Industri

Detaljhandel

Region

Kunde siden

2020

Vår kunde er en australsk programvareutvikling og IT-konsulentselskap som spesialiserer seg på å utvikle IT-løsninger for detaljhandelen. Selskapet kan vise til imponerende resultater når det gjelder konseptualisering, design, utvikling og lansering av en rekke digitale detaljhandelsløsninger for ulike produktkategorier, blant annet dagligvarer, klær og dagligvarer.

Dette globale selskapet tilbyr en rekke svært skalerbare produkter og betjener et bredt spekter av kunder, fra multinasjonale detaljhandelsgiganter til individuelle butikkeiere.

Utfordring

Økt nøyaktighet for ansiktsgjenkjenning i detaljhandelen

Teamet vårt fikk i oppgave å utvikle et banebrytende ansiktsgjenkjenningssystem for detaljhandelen. Prosjektets hovedmål var å skape en skalerbar og distribuert arkitektur som benytter ulike algoritmer for nøyaktig ansiktsgjenkjenning.

Et stort problem var den varierende kvaliteten og egenskapene til videoinndataene og de respektive bildene. Denne inkonsekvensen skyldtes først og fremst varierende lysforhold og den uensartede kvaliteten på inndatabildene, noe som vanskeliggjorde systemets evne til å identifisere og analysere antropometriske punkter og tilstøtende trekk nøyaktig. Det var avgjørende å løse denne utfordringen for å sikre påliteligheten og effektiviteten til ansiktsgjenkjenningsløsningen.

Bildene som presenteres nedenfor, er enten ikke-homogent belyst eller uskarpe eller "to-i-ett" - uskarpe og ikke-homogent belyst samtidig. Det er komplisert å få et tilfredsstillende gjenkjennelsesresultat på grunnlag av slike bilder.

Løsning

Økt sikkerhet og effektivitet i detaljhandelen med et system for ansiktsgjenkjenning

Innowise startet et prosjekt for å utvikle en spesialtilpasset programvare for ansiktsgjenkjenning som er skreddersydd for detaljhandelen.

Ulike algoritmer for ansiktsgjenkjenning

Vi har implementert en rekke algoritmer for ansiktsgjenkjenning, for eksempel uadministrert ansiktsgjenkjenning PCA, administrert ansiktsgjenkjenning PCA og administrert ansiktsgjenkjenning eigenfaces. Disse algoritmene er sømløst utskiftbare, noe som gir fleksibilitet og tilpasningsevne for å oppfylle spesifikke krav.

Ustyrt ansiktsgjenkjenning PCA

Denne tilnærmingen benytter prinsipalkomponentanalyse (PCA) for effektivt å identifisere og trekke ut viktige ansiktstrekk, noe som forbedrer systemets evne til å gjenkjenne ansikter under ulike forhold.

Administrert ansiktsgjenkjenning PCA

Denne metoden forbedrer det grunnleggende PCA-rammeverket og introduserer presisjonsstyring for å optimalisere uttrekket av kjennetegn, noe som sikrer pålitelig gjenkjenning selv når bildekvaliteten varierer.

Administrert ansiktsgjenkjenning eigenfaces

Ved hjelp av eigenfaces-teknikken benytter systemet et sofistikert utvalg av egenvektorer for å forbedre gjenkjenningseffektiviteten, noe som er spesielt nyttig ved behandling av store bildevolumer.

Forbedringer av bildepresisjon og systemytelse

Vi fokuserte på å forbedre nøyaktigheten i bildene og systemets ytelse. Ved å implementere to OpenCV-algoritmer for ansiktsgjenkjenning og øyelokalisering oppnådde vi stabil og pålitelig ansiktsgjenkjenning.

Vi hadde imidlertid problemer med nøyaktigheten til øyelokaliseringsalgoritmen. Derfor konfigurerte vi systemet til å detektere midten av øyepupillene, noe som forbedret systemets stabilitet betraktelig. Denne justeringen muliggjorde mer nøyaktig bildestabilisering, rotasjon og skalanormalisering, samtidig som bilder tatt i feil vinkel ble filtrert bort.

Effektiv batch-bildebehandling

For å forenkle bildebehandlingsoppgavene har Innowise utviklet en batch-modul for bildebehandling. Vi integrerte denne modulen i systemet for å gjøre det mulig å hente ut bilder fra bildeserier, videoer eller kameraer på en effektiv måte. Det sparer tid og krefter, og gjør det mulig å håndtere store datamengder på en smidig måte.

Integrering med et kameraovervåkingssystem (CCTV)

Integreringen av en ansiktsgjenkjenningsløsning med et kameraovervåkingssystem innebærer at avansert ansiktsgjenkjenningsteknologi kombineres med den eksisterende overvåkingsinfrastrukturen. Denne integrasjonen endrer overvåkningsmulighetene og gjør det mulig å identifisere personer i butikker eller lagerlokaler i sanntid. Et slikt system styrker sikkerhetstiltakene mot uautorisert adgang og optimaliserer personalstyringen ved å overvåke oppmøte og atferd. Denne helhetlige tilnærmingen sikrer et tryggere og mer effektivt driftsmiljø for butikkene.

Nå kan ansiktsgjenkjenningsløsningen få tilgang til live videostrømmer fra CCTV-kameraene. Den bidrar til å analysere enkeltpersoners ansikter i videostrømmen i sanntid. Ansiktsgjenkjenningsløsningen benytter avanserte algoritmer for å oppdage og trekke ut ansiktstrekk fra videomaterialet. Disse algoritmene analyserer de unike egenskapene til hvert ansikt, for eksempel formen på øyne, nese og munn.

I tillegg omfatter integrasjonen funksjoner som ansiktssporing, som gjør det mulig for systemet å følge en persons bevegelser på tvers av ulike kameravisninger. Denne funksjonen forbedrer situasjonsforståelsen og gir en omfattende oversikt over de ansattes aktiviteter.

Teknologier

Back-end

.NET 3.5 SP1, C# 3.0 og Platform SDK

Cloud

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

DevOps

Jenkins, Nginx, Docker, Docker Compose

Maskinlæring

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

VCS

Git, GitHub

Prosess

Vårt utviklingsprosjekt for ansiktsgjenkjenning startet med en grundig evaluering av kundens krav. For å effektivisere utviklingsprosessen tok vi i bruk Scrum-metoden. Denne tilnærmingen innebar daglige stand-up-møter med oppdateringer av fremdriften i sanntid og månedlige demonstrasjoner for å presentere fremskrittene og innhente tilbakemeldinger fra kunden.

Vi organiserte arbeidsflyten og dokumentasjonen vår ved hjelp av Jira og Confluence for å sikre effektiv oppgavesporing og kunnskapsdeling, mens Microsoft Teams fungerte som hovedkanal for kundekommunikasjon.

Kjernen i vår tekniske strategi var å integrere avanserte algoritmer for presis ansikts- og øyegjenkjenning. En viktig innovasjon var å forbedre systemets evne til å detektere pupilsentre og forbedre bildekvaliteten gjennom bedre stabilisering og normalisering, noe som er avgjørende for å håndtere problemet med ujevn kvalitet på videoinndata.

Denne omfattende Agile-tilnærmingen gjorde det mulig for oss å levere et skreddersydd, høytytende ansiktsgjenkjenningssystem som oppfylte kundens spesifikke behov, noe som viser at vi er opptatt av innovasjon og kundetilfredshet.

Team

Forretningsanalytiker

Prosjektleder

Dataforsker

Back-end-utvikler

Front-end-utvikler

Resultater

Forbedret sikkerhet og strømlinjeformet ansiktsidentifisering

Vi oppnådde en høy grad av nøyaktighet når det gjaldt å identifisere og skille mellom personer, selv når vi arbeidet med dårligere kilder. Denne nøyaktigheten forbedret sikkerhetstiltakene betydelig ved å gi robust autentisering, slik at autoriserte personer fikk sikker tilgang til begrensede områder og systemer, og uautorisert adgang ble forhindret. I tillegg muliggjorde systemet overvåking i sanntid via videoovervåkingskameraer, slik at sikkerhetspersonell raskt ble varslet om uautoriserte eller mistenkelige personer som forsøkte å ta seg inn på begrensede områder.

Alt i alt viste ansiktsgjenkjenningssystemet seg å være en svært pålitelig, effektiv og sikker løsning for identifisering og autentisering. Løsningen gir fordeler på tvers av ulike sektorer, inkludert adgangskontroll, oppmøtestyring og forbedret kundeopplevelse.

Prosjektets varighet

Mai 2020 - oktober 2020

80%

treffsikkerhet ved identifisering av ansikter

75%

tidsbesparende for de ansattes verifisering

Relaterte saker

Ta kontakt med oss!

Bestill en samtale eller fyll ut skjemaet nedenfor, så kontakter vi deg så snart vi har behandlet forespørselen din.

Hva skjer videre?

Etter at vi har mottatt og behandlet forespørselen din, vil vi komme tilbake til deg innen kort tid for å beskrive prosjektbehovene dine og undertegne en taushetserklæring for å sikre informasjonens konfidensialitet.

Etter å ha undersøkt kravene, utarbeider våre analytikere og utviklere en prosjektforslag med arbeidsomfang, teamstørrelse, tid og kostnader estimater.

Vi arrangerer et møte med deg for å diskutere tilbudet og komme til en avtale.

Vi signerer en kontrakt og begynner å jobbe med prosjektet ditt så raskt som mulig.