System wykrywania i rozpoznawania twarzy oparty o Edge AI
Rozwiązanie do wykrywania i rozpoznawania twarzy w celu poprawy bezpieczeństwa w obiektach komercyjnych i transporcie publicznym.
Idea stojąca za naszym rozwiązaniem
Algorytmy wykrywania i rozpoznawania twarzy oraz systemy rejestracji obecności są dobrze znane przedsiębiorcom, twórcom oprogramowania oraz użytkownikom urządzeń mobilnych. Nadal jednak istnieją przypadki biznesowe, których nie obejmują powszechnie dostępne rozwiązania.
Jakie wyzwania chcesz przezwyciężyć?
Chcesz zastąpić karty RFID lub czytniki linii papilarnych technologią bezdotykową?
Szukasz niezawodnego systemu do automatycznego i bezdotykowego uwierzytelniania?
Zamierzasz zwiększyć bezpieczeństwo pasażerów lub pracowników w zarządzanym obiekcie?
Chcesz zmniejszyć opóźnienia związane z przetwarzaniem w chmurze lub przesyłaniem dużych plików?
Mierzysz się z innymi wyzwaniami, które można rozwiązać za pomocą edge computing i sztucznej inteligencji?
Porozmawiajmy o budowie indywidualnego rozwiązania
Jak to działa?
Chcesz zobaczyć jak działa nasze rozwiązanie? Obejrzyj film i skontaktuj się z nami, aby uzyskać PoC.
Przykładowe scenariusze biznesowe
Rozpoznawanie twarzy do rozpoznawania pracowników
Identyfikacja personelu podczas pracy zmianowej oraz rozpoznawanie pracowników w godzinach szczytu, aby zapobiec długim kolejkom przy wejściu do budynku.
Zapobieganie kradzieży tożsamości
System zapobiega naruszeniom bezpieczeństwa i oszustwom, wykrywając osoby posługujące się skradzionym dowodem osobistym lub korzystające ze zniżki na bilet w sposób nieuprawniony.
Zapobieganie kradzieży tożsamości
System zapobiega naruszeniom bezpieczeństwa i oszustwom, wykrywając osoby posługujące się skradzionym dowodem osobistym lub korzystające ze zniżki na bilet w sposób nieuprawniony.
Zarządzanie kolejką i skrócenie czasu oczekiwania
Generowanie oszczędności dla firmy dzięki lepszemu zarządzaniu czasem pracowników oczekujących w kolejce na weryfikację tożsamości, aby rozpocząć zmianę.
Zwiększenie bezpieczeństwa pracowników
Zastąpienie ręcznej weryfikacji tożsamości niezawodnym rozwiązaniem, które automatycznie rozpoznaje uprawnione osoby.
Zwiększenie bezpieczeństwa pracowników
Zastąpienie ręcznej weryfikacji tożsamości niezawodnym rozwiązaniem, które automatycznie rozpoznaje uprawnione osoby.
Rozwiązanie napędzane przez Edge AI computing
Edge AI computing
System wykrywania i rozpoznawania twarzy działa w oparciu stworzony przez nas moduł Raco Edge AI Gateway, co oznacza, że wszystkie operacje są wykonywane na urządzeniu bez konieczności ich przetwarzania w chmurze. Raco posiada wbudowaną kamerę i może być wzbogacony o jej dowolny inny model podłączony przez adapter CSI lub port USB.
Główne korzyści
Natychmiastowe działanie
Nasze rozwiązanie jest szybkie i niezawodne – proces uwierzytelniania i wykrywania twarzy trwa milisekundy.
Inteligentny system
System rozpoznaje zmiany w wyglądzie identyfikowanej osoby, rozpoznając postaci w okularach, z nakryciem głowy czy w nowej fryzurze.
Efektywność czasowa
Dodawanie nowych osób do rejestru jest bardzo szybkie – wymaga wykonania zaledwie kilku zdjęć i przesłania ich w celu przeszkolenia algorytmu sztucznej inteligencji.
Zgodność z RODO
Nie ma potrzeby przechowywania wrażliwych danych – system może działać na urządzeniu, a identyfikacja jest całkowicie anonimowa.
Łatwa integracja
Integracja z systemami zewnętrznymi jest możliwa za pomocą API oraz połączenia sieciowego poprzez Ethernet, Wi-Fi lub LTE.
Podejście technologiczne
Nadzorowany dostęp
Do rozpoznawania twarzy możemy użyć standardową kamerę wykorzystywaną do monitorowania obiektów. Takie urządzenie nie rozpoznaje jednak czy obraz jest trójwymiarowy czy płaski, co oznacza, że system nie sprawdzi się we wszystkich sytuacjach związanych z bezpieczeństwem.
Zalety:
- Tańszy sprzęt
- Szybsze wdrożenie
Nienadzorowany dostęp
Do uzyskania w pełni autonomicznego systemu potrzebujemy rozwiązania opartego na podczerwieni, podobnego do tych używanych do odblokowywania smartfonów. Algorytm AI rozpoznaje prawdziwą, trójwymiarową twarz i oświetla ją niewidocznym dla ludzkiego oka światłem podczerwonym.
Zalety:
- Bezpieczniejsze rozwiązanie
- Trudniejsze do oszukania niż urządzenie, które nie rozpoznaje głębi obrazu
- Nadzór ochroniarza nie jest potrzebny
Wymagane wyposażenie:
- Oświetlacz IR – mała lampka emitująca światło podczerwone potrzebna do oświetlenia całej twarzy
- Kamera IR, która zweryfikuje to co wyświetlił oświetlacz i przekaże te informacje do modelu Edge AI, który określi czy mamy do czynienia z prawdziwą osobą
Zdjęcia wykonane kamerą IR na wszystkich etapach rozpoznawania twarzy za pomocą smartfona – proces trwa około 1 s
Od lewej:
- standardowy obraz widziany kamerą IR, obraz widziany bez użycia oświetlacza,
- oświetlacz oświetla cały kadr (podobnie jak lampa błyskowa podczas robienia zdjęcia),
- oświetlacz rzuca na obraz losowe „kropki”,
- oświetlacz rzuca na kadr losowe „plamy”.
Skontaktuj się z nami, aby omówić rozwiązanie dostosowane do potrzeb Twojego biznesu
Jak przebiega współpraca z nami?
Określanie wymagań projektowych
Jako autoryzowany partner projektowy Raspberry Pi posiadamy ekspercką wiedzę, która pozwala nam świadczyć usługi doradcze w zakresie technologii IoT i dostarczać rozwiązania dostosowane do potrzeb klienta.
Ustalanie punktów startowych
Model sztucznej inteligencji musi zostać przeszkolony z pomocą rzeczywistych danych pozyskanych od klienta w myśl zasady, że im lepsze dane treningowe, tym lepiej działać będzie model. Na skuteczność rozwiązania wpływać będzie otoczenie, oświetlenie oraz sposób próbkowania danych do szkolenia modelu SI.
Wybór urządzeń
Realizacja każdego projektu wyceniana jest indywidualnie po zakończeniu warsztatów. Opracowanie gotowego rozwiązania wymaga przygotowania indywidualnego modelu sztucznej inteligencji oraz doboru odpowiedniego sprzętu, wybierając spośród Raco Edge AI, NVIDIA Jetson lub innych urządzeń.
Proces tworzenia modelu AI na zamówienie
Proces tworzenia modelu AI na zamówienie
9-12 tygodni
Warsztaty
Omówienie pomysłu, określenie wymagań i zakresu prac
Trening modelu SI
Gromadzenie wysokiej jakości zbiorów danych do trenowania modelu uczenia maszynowego
Model Edge AI
Opracowanie modelu w oparciu o wybrany framework i moduł Edge AI
Fine-tuning
Korekty i testy w docelowym środowisku, oświetleniu i warunkach, aby zwiększyć dokładność finalnego modelu
Implementacja
Wdrożenie w docelowym środowisku i warunkach