वीडियो एनालिटिक्स: चेहरे की पहचान, कतार डिटेक्टर, वीडियो पर वस्तुओं की खोज

ताइवान की कंपनी 42Ark और “स्मार्ट” कैटफी बॉक्स के यूएस-आधारित निर्माता बिल्ली के चेहरे को पहचानने के लिए सीसीटीवी कैमरों का उपयोग करते हैं

1941 में, जर्मन इलेक्ट्रिकल इंजीनियर वाल्टर ब्रूच ने परीक्षण स्थल पर एक सीसीटीवी सिस्टम (क्लोज्ड सर्किट टेलीविजन - एक क्लोज सर्किट टेलीविजन सिस्टम) स्थापित किया, जहां वी -2 रॉकेटों का परीक्षण किया गया था। व्यवहार में वीडियो निगरानी का उपयोग करने के इतिहास में यह पहला मामला है। ऑपरेटर को हर समय मॉनिटर के सामने बैठना पड़ता था। यह 1951 तक जारी रहा, जब तक कि पहले वीटीआर (वीडियोटेप रिकॉर्डर) उपकरण जो चुंबकीय टेप पर छवियों को दर्ज करते थे, दिखाई दिए।

मीडिया में रिकॉर्डिंग ने ऑपरेटर को प्रक्रिया में भाग लेने की आवश्यकता से नहीं बचाया। चेहरा पहचानना, वस्तुओं का स्थान, यहां तक ​​कि गति का पता लगाना - इन सभी कार्यों को वास्तविक समय में मॉनिटर के सामने बैठे व्यक्ति द्वारा या तथ्य के बाद वीडियो संग्रह का अध्ययन करके किया गया था।

प्रगति का पहिया घूमता है। वीडियो निगरानी ने एक वीडियो एनालिटिक्स प्राप्त किया जिसने सिस्टम के साथ काम करने की प्रक्रिया को पूरी तरह से बदल दिया। बिल्ली और गहरी सीखने तंत्रिका नेटवर्क के बारे में कहानी याद है? हां, यह वीडियो एनालिटिक्स का भी हिस्सा है, लेकिन छोटा है। आज हम उन तकनीकों के बारे में बात करेंगे जो बुनियादी तौर पर सीसीटीवी प्रणालियों की दुनिया को बदल रही हैं।

कतार का पता लगाने और बीटा टेस्ट

एक्सिस द्वारा 1996 में बनाया गया दुनिया का पहला आईपी कैमरा नेटेय 200

वीडियो निगरानी एक बंद सुरक्षा प्रणाली के रूप में पैदा हुई थी, जिसे केवल सुरक्षा मुद्दों को संबोधित करने के लिए डिज़ाइन किया गया था। एनालॉग वीडियो निगरानी की सीमाओं ने किसी अन्य तरीके से उपकरणों के उपयोग की अनुमति नहीं दी। डिजिटल सिस्टम के साथ वीडियो निगरानी के एकीकरण ने छवियों के अनुक्रम का विश्लेषण करके स्वचालित रूप से विभिन्न डेटा प्राप्त करने की संभावना को खोल दिया है।

महत्व को कम करना मुश्किल है: सामान्य मामले में, 12 मिनट के निरंतर अवलोकन के बाद, ऑपरेटर 45% घटनाओं को याद करना शुरू कर देता है। और संभावित रूप से परेशान करने वाली घटनाओं में से 95% तक 22 मिनट की निरंतर निगरानी (IMS रिसर्च, 2002 के अनुसार) के बाद छूट जाएगी।

जटिल वीडियो विश्लेषण एल्गोरिदम दिखाई दिए हैं: आगंतुकों की गिनती, रूपांतरणों की गणना, नकद लेनदेन के आंकड़े और बहुत कुछ। इस प्रणाली में अवलोकन ऑपरेटर गायब हो जाता है - हम कंप्यूटर को "देखने" और निष्कर्ष निकालने की क्षमता छोड़ देते हैं।

स्मार्ट वीडियो निगरानी का सबसे सरल उदाहरण गति का पता लगाना है। यह इतना महत्वपूर्ण नहीं है कि क्या कैमरे में एक अंतर्निहित डिटेक्टर है - यदि आप स्थापित करते हैं, उदाहरण के लिए, कंप्यूटर पर Ivideon सर्वर सॉफ़्टवेयर, तो गति डिटेक्टर सॉफ्टवेयर का उपयोग किया जाएगा। एक डिटेक्टर कई वीडियो निगरानी ऑपरेटरों को एक बार में बदल सकता है। और पहले से ही 2000 के दशक में, फ्रेम में वस्तुओं और घटनाओं को पहचानने में सक्षम पहला वीडियो एनालिटिक्स सिस्टम दिखाई देने लगा।

इवीडॉन वर्तमान में कई वीडियो एनालिटिक्स मॉड्यूल विकसित कर रहा है - जब से हमने ओपनएपीआई जारी किया है , पार्टनर के साथ एकीकरण के माध्यम से चीजें तेजी से बढ़ी हैं। कुछ परियोजनाएं अभी भी बंद परीक्षण में हैं, लेकिन कुछ पहले से ही तैयार हैं। यह, सबसे पहले, नकद लेनदेन को नियंत्रित करने के लिए कैश रजिस्टर के साथ एकीकरण है (अब तक आईको और श्रिति-एम पर आधारित)। दूसरे, एक कतार डिटेक्टर विकसित किया गया है।

हमारे पास एक इविनन काउंटर था , जिसने कमरे में ग्राहकों की संख्या निर्धारित की थी। Analytics ने हमें क्लाउड कंप्यूटिंग की ओर विशेष उपकरण से दूर जाने की अनुमति दी। अब हमें एक विशिष्ट कैमरे की आवश्यकता नहीं है - 1080p + के रिज़ॉल्यूशन वाला कोई भी निगरानी कैमरा उपयुक्त है। अब हम न केवल लोगों को गिनना चाहते हैं, बल्कि कतारों को निर्धारित करना चाहते हैं। इसलिए, वे किसी भी स्टोर, शॉपिंग सेंटर या कार्यालय के लिए तैयार हैं, जहां लोग जाते हैं और कतार बनाते हैं, कतार का पता लगाने के लिए मुफ्त कैमरा प्रदान करते हैं। प्रोजेक्ट में हिस्सा लेने के लिए हमें ईमेल करें ।

इसके अलावा, इविडॉन फेस रिकग्निशन तकनीक के साथ काम करता है।

कौन कैसे पहचानता है

DeepFace Technology Sylvester Stallone के इमोशनल फेस रिकग्निशन के साथ फेसबुक टेस्ट पास करता है

Apple, Facebook, Google, Intel, Microsoft और अन्य प्रौद्योगिकी दिग्गज इस क्षेत्र में समाधान पर काम कर रहे हैं। यात्रियों की स्वचालित पहचान के साथ वीडियो निगरानी प्रणाली 22 अमेरिकी हवाई अड्डों पर स्थापित की गई है। ऑस्ट्रेलिया में, वे पासपोर्ट और सीमा शुल्क नियंत्रण को स्वचालित करने के लिए डिज़ाइन किए गए एक कार्यक्रम के हिस्से के रूप में एक बायोमेट्रिक चेहरा और फिंगरप्रिंट पहचान प्रणाली विकसित कर रहे हैं।



सबसे बड़ी चीनी इंटरनेट कंपनी Baidu ने 99.77% की सटीकता के साथ चेहरे की पहचान तकनीक का उपयोग करते हुए टिकटों को रद्द करने पर एक सफल प्रयोग किया, शूटिंग और 0.6 सेकंड के मान्यता समय के साथ। पार्क के प्रवेश द्वार पर गोलियों के साथ खड़ा है और विशेष फ्रेम स्थापित किए गए हैं जो शूटिंग का संचालन करते हैं। जब कोई पर्यटक पहली बार पार्क में आता है, तो भविष्य में फोटो में अंकित पहचान समारोह का उपयोग करने के लिए सिस्टम उसकी तस्वीरें लेता है। नई तस्वीरों की तुलना डेटाबेस से तस्वीरों के साथ की जाती है - इस तरह यह प्रणाली निर्धारित करती है कि किसी व्यक्ति को यात्रा करने का अधिकार है या नहीं।



चीन में, प्रौद्योगिकी आम तौर पर बहुत अच्छी है। 2015 में, अलीबाबा, एक ऑनलाइन भुगतान प्लेटफ़ॉर्म ऑपरेटर जो अलीबाबा होल्डिंग का हिस्सा है, ने चीनी स्टार्टअप मेगवी द्वारा निर्मित क्लाउड फेस रिकग्निशन प्लेटफॉर्म फेस ++ पर आधारित भुगतान सत्यापन प्रणाली शुरू की। सिस्टम को स्माइल टू पे कहा जाता है - यह सेल्फी लेने वालों को सेल्फी लेकर ऑनलाइन खरीदारी के लिए भुगतान करने की अनुमति देता है (Alipay मुस्कुराकर मालिक को निर्धारित करता है)। चीन में UBER ने धोखाधड़ी, पहचान की चोरी का मुकाबला करने और अतिरिक्त यात्री सुरक्षा प्रदान करने के लिए फेस ++ आधारित ड्राइवर मान्यता प्रणाली का उपयोग करना शुरू कर दिया है।

लेकिन यह विदेशी समाधानों पर नहीं बल्कि रूस में बनाई गई सेवाओं को देखने के लिए अधिक दिलचस्प है। ये प्रौद्योगिकियां अंत उपयोगकर्ता के बहुत करीब हैं (यदि वह हमारे देश से है), तो आप उनके साथ परिचित हो सकते हैं, भविष्य में अपने स्वयं के उत्पाद में उपयोग के लिए एकजुट हो सकते हैं। आसपास कई चेहरा पहचानने वाली कंपनियां हैं। आइए हम कुछ याद करते हैं जो कान से बने रहते हैं।



1999 में वापस स्थापित की गई वोकॉर्ड कंपनी, स्टीरियो कैमरा से सिंक्रोनस इमेज के साथ काम करने के लिए फेसकंट्रोल 3 डी का उपयोग करती है, फ्रेम में चेहरे का 3D मॉडल बनाती है, और मौजूदा डेटाबेस में मॉडल के साथ प्राप्त मॉडल के लिए स्वचालित रूप से दिखती है। 2016 में, वोकॉर्ड ने अपने स्वयं के गणितीय फेस रिकग्निशन एल्गोरिदम का उपयोग करना शुरू किया , जो कि कंसट्रक्शनल न्यूरल नेटवर्क पर आधारित है, इसलिए उनके एल्गोरिदम अब किसी भी वीडियो निगरानी कैमरे के साथ काम करते हैं। कंपनी का दावा है कि वे धारा का अनुसरण करने वाले लोगों के चेहरे (128x128 पिक्सल के आकार में) को पहचान सकते हैं। 2016 के अंत में, Vocord DeepVo1 एल्गोरिथ्म ने वैश्विक पहचान परीक्षण में सबसे अच्छे परिणाम दिखाए, जो 75.127% व्यक्तियों को सही ढंग से पहचानते हैं ।



2012 में स्थापित, विज़नलैब्स ने रूस और पूर्वी यूरोप में सबसे बड़ी प्रौद्योगिकी कंपनियों की प्रतियोगिता GoTech जीती और इसे यूरोपीय कार्यक्रम " चैलेंज यूपी " के फाइनलिस्ट की सूची में शामिल किया गया ! ", इंटरनेट ऑफ थिंग्स की अवधारणा के आधार पर समाधानों और सेवाओं के बाजार प्रक्षेपण में तेजी लाने के लिए बनाया गया है, इसने कई अरबों के निवेश को आकर्षित किया है और पहले से ही अपने उत्पादों को वाणिज्यिक क्षेत्र में पेश कर रहा है। हाल ही में, ओट्रीट्री बैंक ने ग्राहक सेवा और प्रतीक्षा समय के अनुसार लाइन में आने के लिए विज़नलैब्स फेस रिकग्निशन सिस्टम शुरू किया। खैर, यह एक अद्भुत कहानी पढ़ने के लायक है कि कैसे CROC विशेषज्ञों ने VisionLabs का उपयोग करके एक बिल्ली को पकड़ा ।

विज़नलैब्स, जिसने मान्यता और त्रुटि दर में सबसे अच्छे परिणामों में से एक दिखाया है, यह तंत्रिका नेटवर्क के साथ भी काम करता है जो प्रत्येक चेहरे की विशिष्ट विशेषताओं को प्रकट करता है, जैसे कि आंख का आकार, नाक का आकार, गुदा की राहत, आदि। उनकी लूना प्रणाली आपको अभिलेखागार में फोटो में चेहरे की इन सभी विशेषताओं को खोजने की अनुमति देती है। कंपनी के एक अन्य निर्णय, फेस इज़, स्टोर में ग्राहक के चेहरे को पहचानते हुए, सीआरएम सिस्टम में उसकी प्रोफ़ाइल को खोजता है, उससे खरीद इतिहास और खरीदार के हितों के बारे में सीखता है, और फोन पर अपने पसंदीदा सामान पर छूट पर एक व्यक्तिगत प्रस्ताव के साथ एक अधिसूचना भेजता है।

Skillaz स्टार्टअप और VisionLabs के लिए भर्ती प्रक्रिया का स्वचालन 2017 के अंत में एक कंप्यूटर मान्यता प्रणाली शुरू करने की योजना बना रहा है जो नौकरी चाहने वालों के व्यवहार का मूल्यांकन करेगा। डेटा का विश्लेषण करने के बाद, सिस्टम किसी व्यक्ति के पेशेवर गुणों और पद के लिए उपयुक्तता के बारे में निष्कर्ष निकालेगा। "कार किराया" प्रणाली की पूरी विशेषताओं का खुलासा कंपनी द्वारा नहीं किया गया है। यह केवल ज्ञात है कि ऑनलाइन साक्षात्कार प्रणाली द्वारा पूछे गए प्रश्नों के एक विशिष्ट सेट के आधार पर उम्मीदवार की सोशियलिटी का मूल्यांकन किया जाएगा। तंत्रिका नेटवर्क निगरानी कैमरे से तस्वीर में उम्मीदवार के व्यवहार और एक या किसी अन्य सक्षमता की गंभीरता की डिग्री के बीच संबंधों की तलाश करेगा।

ग्रिड, जो एक व्यक्ति में डॉ। लाइटमैन और शर्लक होम्स है, उम्मीदवार के चेहरे के भावों, उनके हाव-भावों के साथ-साथ फिजियोलॉजी को भी ध्यान में रखेगा। यह ध्यान देने योग्य है कि बाहरी विशेषताओं और उनकी अभिव्यक्ति के विश्लेषण के आधार पर व्यक्ति के व्यक्तित्व के प्रकार, उसके आध्यात्मिक गुणों को निर्धारित करने की विधि को आधुनिक मनोवैज्ञानिक विज्ञान में छद्म विज्ञान का एक आधुनिक उदाहरण माना जाता है। नए उत्पाद में इस विरोधाभास का सामना कैसे करें यह अभी भी स्पष्ट नहीं है।


NTechLab प्रस्तुति स्लाइड निराशाजनक सलमान Radaev

NTechLab ने एक आवेदन के साथ शुरू किया जिसने एक तस्वीर से कुत्तों की नस्ल निर्धारित की। बाद में उन्होंने फेसएन एल्गोरिथ्म लिखा, जिसके साथ 2015 के पतन में उन्होंने अंतरराष्ट्रीय प्रतियोगिता द मेगाफेस बेंचमार्क में भाग लिया। NTechLab ने चार में से दो नामांकन जीते, Google टीम को हराते हुए (एक वर्ष में, वोकॉर्ड एक ही प्रतियोगिता में जीत जाएगा, और NTechLab चौथे स्थान पर पहुंच जाएगा)। सफलता ने उन्हें वीकेन्टेक्टे पर फोटो से लोगों की तलाश में फाइंडफेस सेवा को जल्दी से लागू करने की अनुमति दी। लेकिन यह तकनीक को लागू करने का एकमात्र तरीका नहीं है। अल्फा बैंक द्वारा आयोजित फिफा फ्यूचर पीपल फेस्टिवल में, फ़ाइटरफेस के साथ, आगंतुक सैकड़ों लोगों के बीच एक चैटबोट पर सेल्फी भेजकर उनकी तस्वीरें देख सकते हैं।

इसके अलावा, NTechLab ने एक वीडियो कैमरे से एक छवि का उपयोग करके लिंग, उम्र और भावनाओं की वास्तविक समय की पहचान करने में सक्षम प्रणाली दिखाई । सिस्टम वास्तविक समय में दर्शकों की प्रतिक्रिया का मूल्यांकन करने में सक्षम है, इसलिए आप उन भावनाओं को निर्धारित कर सकते हैं जो आगंतुकों को प्रस्तुतियों या प्रसारण संदेशों के प्रसारण के दौरान अनुभव करते हैं। सभी NTLLab प्रोजेक्ट्स सेल्फ-लर्निंग न्यूरल नेटवर्क पर बनाए गए हैं।

वीडियो विश्लेषण के लिए इविनन का रास्ता


चेहरा पहचान वीडियो विश्लेषिकी के क्षेत्र में सबसे कठिन कार्यों में से एक है। एक ओर, सब कुछ स्पष्ट प्रतीत होता है और लंबे समय से उपयोग किया जाता है। दूसरी ओर, लोगों की भीड़ में पहचान समाधान अभी भी बहुत महंगा है और पूर्ण सटीकता प्रदान नहीं करते हैं।
2012 में, इविडॉन ने वीडियो विश्लेषण एल्गोरिदम के साथ काम करना शुरू किया। उस वर्ष में, हमने आईओएस और एंड्रॉइड के लिए आवेदन जारी किए, विदेशी बाजारों में प्रवेश किया, संयुक्त राज्य अमेरिका, नीदरलैंड, जर्मनी, कोरिया, रूस, यूक्रेन, कजाखस्तान में सर्वरों के साथ विकेन्द्रीकृत सीडीएन नेटवर्क लॉन्च किया और दुनिया भर में समान रूप से अच्छी तरह से काम करने वाला एकमात्र अंतरराष्ट्रीय वीडियो निगरानी सेवा बन गया। सामान्य तौर पर, ऐसा लगता था कि लाठी और मान्यता के साथ आपका विश्लेषण करना सरल और तेज़ होगा ... हम युवा थे, घास हरियाली वाली लग रही थी, और हवा मीठी और सुस्त थी।

[ उस समय, हम क्लासिक एल्गोरिदम पर विचार कर रहे थे। पहले आपको छवि में चेहरे का पता लगाने और स्थानीयकरण करने की आवश्यकता है: Haar cascades का उपयोग करें, त्वचा के समान बनावट वाले क्षेत्रों की खोज करें आदि। मान लें कि हमें पहले व्यक्ति को खोजने की जरूरत है जो वीडियो स्ट्रीम में केवल इसके साथ आता है। यहां आप लुकास-कनाडा एल्गोरिथ्म का उपयोग कर सकते हैं। हम एल्गोरिदम द्वारा चेहरे का पता लगाते हैं और फिर उसमें विशेषता बिंदुओं का निर्धारण करते हैं। हम लुकास-कनाडा एल्गोरिथ्म का उपयोग करते हुए बिंदुओं के साथ आते हैं; उनके लापता होने के बाद, हम मानते हैं कि चेहरा दृष्टि से गायब हो गया है। चेहरे की विशिष्ट विशेषताओं को प्राप्त करने के बाद, हम इसकी तुलना डेटाबेस में अंतर्निहित सुविधाओं से कर सकते हैं।

ऑब्जेक्ट (चेहरे) के प्रक्षेपवक्र को सुचारू करने के लिए, साथ ही साथ अगले फ्रेम में इसकी स्थिति का अनुमान लगाने के लिए, हम कलमन फ़िल्टर का उपयोग करते हैं । यहां यह ध्यान दिया जाना चाहिए कि कलमन फ़िल्टर रैखिक गति मॉडल के लिए डिज़ाइन किया गया है। नॉनलाइनर के लिए, कण फ़िल्टर एल्गोरिथ्म का उपयोग किया जाता है (कण फ़िल्टर + मीन शिफ्ट एल्गोरिथ्म के एक संस्करण के रूप में)।

आप पृष्ठभूमि घटाव एल्गोरिदम का उपयोग भी कर सकते हैं: एक पुस्तकालय जिसमें वीआईबी की पृष्ठभूमि को घटाने के लिए हल्के एल्गोरिदम के कार्यान्वयन पर पृष्ठभूमि + लेख को घटाने के लिए एल्गोरिदम के कार्यान्वयन के उदाहरण हैं। इसके अलावा, ओपनसीवी कंप्यूटर दृष्टि पुस्तकालय में लागू सबसे आम वायोला-जोन्स विधियों में से एक को मत भूलना। ]

साधारण चेहरे की पहचान अच्छी है, लेकिन पर्याप्त नहीं है। फ्रेम के कई ऑब्जेक्ट्स के स्थिर ट्रैकिंग को सुनिश्चित करना भी आवश्यक है, यहां तक ​​कि उनके संयुक्त चौराहे या एक बाधा के अस्थायी "गायब होने" के मामले में भी। एक निश्चित क्षेत्र को पार करने वाली किसी भी संख्या की गणना करें और चौराहे की दिशाओं को ध्यान में रखें। यह जानने के लिए कि फ्रेम में कोई ऑब्जेक्ट / ऑब्जेक्ट कब दिखाई देता है और गायब हो जाता है - टेबल पर माउस को गंदे कप पर ले जाएं और वीडियो संग्रह में उस क्षण को ढूंढें जब यह वहां दिखाई दिया और जिसने इसे छोड़ दिया। ट्रैकिंग की प्रक्रिया में, एक वस्तु काफी दृढ़ता से (परिवर्तनों के संदर्भ में) बदल सकती है। लेकिन फ्रेम से फ्रेम तक, ये बदलाव ऐसे होंगे कि वस्तु की पहचान करना संभव होगा।

इसके अलावा, हम सबसे अधिक मांग वाले उपयोगकर्ताओं से - सभी के लिए एक सार्वभौमिक क्लाउड समाधान उपलब्ध कराना चाहते थे। समाधान लचीला और मापनीय होना चाहिए, क्योंकि हम खुद नहीं जान सकते थे कि उपयोगकर्ता क्या निगरानी करना चाहता था और उपयोगकर्ता क्या विचार करना चाहता था। यह बहुत संभव है कि किसी ने विजेता के स्वचालित निर्धारण के साथ इविडॉन पर आधारित एक तिलचट्टा प्रसारण बनाने का सुझाव दिया होगा।

केवल पाँच साल बाद, हमने वीडियो एनालिटिक्स के अलग-अलग घटकों का परीक्षण शुरू किया - हम नए लेखों में इन परियोजनाओं के बारे में अधिक बात करेंगे।

पुनश्च तो, हम कतार डिटेक्टर परीक्षणों के लिए स्वयंसेवकों की तलाश कर रहे हैं। साथ ही नई नकदी प्रबंधन प्रणाली के परीक्षण के लिए SHTRIH-M प्रणाली के उपयोगकर्ता। मेल में या टिप्पणियों में लिखें।