Технология Visible Light получила известность благодаря уникальной способности к самообучению, а также увеличенной производительности и надежности. Используемые в ней биометрические технологии распознавания лиц относятся к категории передовых и считаются высоко перспективными.
Еще недавно использование систем такого уровня было невозможно из-за ряда технологических проблем. Первые устройства подобного типа были требовательны к аппаратным платформам, нуждались в производительных процессорах. Устройства пропускали поддельные идентификации, им было необходимо хорошее освещение, камеры, установленные под определенными углами. Системе Visible Light удалось преодолеть эти преграды за счет новой разработки – технологии распознавания лиц на основе глубокого самообучения.
Товары в нашем каталоге
Система защиты от поддельных идентификаций
Любая биометрическая система контроля доступа решает задачу предотвращения поддельных идентификаций, устройства распознавания лиц не являются исключением. Обычно для ложного срабатывания злоумышленник использует фотографию или видеозапись лица человека с правом входа. В технологии VisibleLight имеется специальный программный модуль, который распознает, что объект живой. Технология самообучается и совершенствуется со временем. Для выявления подделок программа изучает отличия в освещении, текстурах и разрешении между реальным человеком и его изображением на фото и в видеороликах.
Алгоритмы оптимизации нагрузок
Система использует классификацию объектов, основанную на определении редких признаков (SRC), чтобы для распознавания лица требовалось меньше времени и вычислительной мощности. Программа применяет математические линейные характеристики для оценки соседних пикселей, а самообучение помогает при выделении признаков. Технология оптимизации по данному алгоритму сократила время идентификации до секунды.
Отличная производительность даже в неблагоприятных условиях
Часто технологии распознавания требуется работать в обстановке постоянной динамики, где меняется яркость света, люди удаляются от камеры. Система самообучения преодолевает эти сложности за счет самостоятельного извлечения и фильтрации характеристик для оценки их различий на разном расстоянии, при смене поз, углов обзора и освещенности. Таким образом технология позволяет улучшить исходную картинку и выполнить поставленную задачу. Система демонстрирует отличную эффективность даже в полумраке.
Повышенная эффективность распознавания лиц
Работа обычной технологии определения биометрии лиц состоит из четырех этапов: обнаружить объект, выровнять его, извлечь необходимые признаки и выполнить распознавание. Система Visible Light включила в этот алгоритм несколько дополнительных этапов.
- Обнаружение. На первом этапе технология определяет наличие на фото или видео лица. Система легко найдет человека даже на удалении или при плохом освещении.
- Определение положения. Система выявляет углы наклона лица в трехмерном формате. Поза определяется с высокой точностью, что помогает на этапе восстановления картинки.
- Оценка качества изображения. На следующем этапе технология анализирует яркость и четкость картинки, чтобы не тратить вычислительные мощности на материалы, которые не подлежат идентификации.
- Выравнивание. Для более точной идентификации на следующем этапе система репозиционирует глаза, нос и рот человека в необходимых для определения лица рамках. Процесс выполняется за счет 2D преобразования: технология двигает, масштабирует и вращает картинку.
- Извлечение признаков. На следующем этапе в работу вступает алгоритм, который оценивает соседние пиксели, чтобы сформировать кривые, определить края лица и выявить его форму. Таким образом в итоге система получает набор уникальных идентификаторов конкретного человека, которые она сравнивает с имеющимся образцом.
Предотвращение поддельных идентификаций по фото
В отличие от лица реального человека голова на картинке перемещается вместе с фоном. Беря это во внимание, система анализирует видеопоследовательность и изучает соседние кадры. Программа выделяет лицо на фотографии и изучает перемещение пикселей на его границе, что позволяет ей определить реальность фона на изображении.
Предотвращение поддельных идентификаций по видео
Система использует самообучающийся алгоритм для определения различий между реальным человеком и его записью. Для анализа во внимание принимается текстура и разрешение картинки, наличие окружающих объектов, особенности фона. Так система узнает, что ей показывают запись со смартфона или планшета и выявляет ложную идентификацию.
Как происходит идентификация
В процессе распознавания полученной информации система сравнивает извлеченные признаки с имеющимися у нее шаблонами. Идентификация ведется через перекрестную проверку данных. Обычно данный процесс имеет две цели: распознавание в рабочем режиме или в процессе обучения.
Обучение
Получив данные, система структурирует лицо на отдельные пиксели, чтобы выявить кривые, края и формы. Материалы, на которых человек изображен в разных позах, под разнообразными углами обзора, освещением, расстоянием до объекта, позволяют программе выявить различия и научиться более точной идентификации.
Идентификация
Система в процессе своей работы может решать две задачи: проверка один к одному и сравнение один с N. Факт идентификации зависит от качества обработки полученных данных классификаторами. От способа классификации зависит качество распознавания лиц и время обработки. Анализ по редким признакам (SRC) подходит для решения задач в условиях большого объема данных, снижая вычислительные мощности и сокращая время анализа.