👩🏾‍🤝‍👩🏽 🏇🏽 🔀 चेहरा पहचानने से आपको टेस्ट फोन खोजने में मदद मिलती है 🎃 🍑 👩🏻‍🎓

हैलो, हब्रोस्क नागरिकों! ईस्टबैंक टेक्नोलॉजीज के पास मोबाइल विकास से संबंधित बड़ी संख्या में परियोजनाएँ हैं। इस संबंध में, सभी चरणों में परीक्षण के लिए उपकरणों का एक पूरा चिड़ियाघर आवश्यक है। और, चारित्रिक रूप से, हर एक उपकरण को लगातार विभिन्न लोगों की ज़रूरत होती है, और कई दर्जन लोगों के मोबाइल विकास के एक विभाग में भी इसे खोजना एक पूरी कहानी है। यह उल्लेख करने के लिए नहीं कि अंत में परीक्षक, डिजाइनर, पीएम हैं!

और फोन को न खोने के लिए, लेकिन यह स्पष्ट रूप से पता करने के लिए कि यह कहां है और किसके साथ, हम एक ऑनलाइन डेटाबेस का उपयोग करते हैं जो कर्मचारियों को उनके चेहरे से पहचानता है। अब हम बताएंगे कि हमने यह कैसे किया और इसे लागू किया।

ऐतिहासिक संदर्भ

हमारे पास बुनियादी जानकारी वाले उपकरणों के "कार्ड" के साथ एक बोर्ड था और एक कर्मचारी को इंगित करने वाले चुंबक के लिए एक जगह थी। सभी ने डिवाइस लेने के बारे में नोट किया।

इस प्रणाली की अपनी कमियां हैं - महत्वपूर्ण नहीं, लेकिन आम तौर पर असहज:

मैग्नेट एक जगह से दूसरी जगह ले जाना इतना आसान नहीं है।
ऐसे बोर्ड को देखने के लिए, आपको निश्चित रूप से दूसरे कार्यालय में जाना होगा।
और फिर भी, किसी को एक बार में कई उपकरणों की आवश्यकता हो सकती है ... जिसका अर्थ है कि आपको प्रति कर्मचारी कई मैग्नेट की आवश्यकता है।
अरे हाँ, यहां तक कि कर्मचारियों को कभी-कभी छोड़ दिया जाता है और नए आते हैं, जिस पर मैग्नेट भी बनाना पड़ता है।

मोबाइल ऐप

एक कंपनी में जो व्यवसाय प्रक्रियाओं को स्वचालित करने में लगी हुई है, ऊपर वर्णित "एनालॉग" समाधान का उपयोग करना बहुत स्वस्थ नहीं है। स्वाभाविक रूप से, हमने सही डिवाइस खोजने के कार्य को स्वचालित करने का निर्णय लिया। पहला कदम एक मोबाइल एप्लिकेशन लिखना था जो वाई-फाई एक्सेस पॉइंट के माध्यम से कमरों में इसके स्थान को निर्धारित और रिपोर्ट कर सकता है। रास्ते के साथ, सुविधा के लिए, उन्होंने डिवाइस को ओएस संस्करण के बारे में सर्वर को सूचित करने की क्षमता दी, और बैटरी चार्ज के रूप में इस तरह के एक महत्वपूर्ण विशेषता को भी दिखाया।

ऐसा लगता है कि समस्या हल हो गई है। आप डेटाबेस में उस सूची को देखते हैं जहां पिछली बार डिवाइस ने वाई-फाई देखा था, आप वहां जाते हैं और ...

ऑपरेशन में, यह पता चला कि सब कुछ इतना सरल नहीं है। हमने परीक्षण उपकरणों पर एप्लिकेशन इंस्टॉल किया और इसके साथ कई महीनों तक काम किया। यह पता चला कि यह विकल्प सुविधाजनक है, लेकिन आदर्श भी नहीं है।

उपकरणों को छुट्टी दे दी जाती है, बस बंद कर दिया जाता है, वाई-फाई पहुंच बिंदुओं को एक स्थान से दूसरे स्थान पर पुन: व्यवस्थित किया जाता है, और स्वयं जियोलोकेशन यह कहता है कि उपकरण कार्यालय में है। धन्यवाद कप्तान!

बेशक, आप मौजूदा प्रणाली को अनुकूलित करने का प्रयास कर सकते हैं, लेकिन 21 वीं शताब्दी की प्रौद्योगिकियों के आधार पर इसे क्यों नहीं सुदृढ़ किया जाए? जल्दी से नहीं कहा।

हम यह कैसे चाहते थे

हम एक ऐसी प्रणाली के लिए एक अवधारणा के साथ आए, जो कर्मचारियों को उनके चेहरों से पहचानेगी, विशेष टैग द्वारा उपकरणों का परीक्षण करेगी, डिवाइस की स्थिति में बदलाव की पुष्टि करेगी, और फिर ऑनलाइन डेटाबेस में बदलाव करेगी, जिसे कोई भी कर्मचारी अपनी कुर्सी से उठे बिना देख सकता है।

चेहरे की पहचान

एक पूरे के रूप में चेहरा पहचानने से 2018 में समस्या हल हो गई। इसलिए, हमने पहिया को सुदृढ़ नहीं किया और अपने स्वयं के मॉडल को प्रशिक्षित करने का प्रयास किया, लेकिन एक तैयार समाधान का लाभ उठाया। FaceRecognition मॉड्यूल सबसे सुविधाजनक विकल्प के रूप में लग रहा था यह अतिरिक्त प्रशिक्षण की आवश्यकता नहीं है और GPU पर त्वरण के बिना भी बहुत जल्दी काम करता है।

Face_locations फ़ंक्शन का उपयोग करते हुए , कर्मचारी फ़ोटो में चेहरे का पता लगाया गया था, और face_encodings का उपयोग करते हुए, किसी विशेष कर्मचारी के चेहरे की विशेषताओं को उनसे निकाला गया था।

प्राप्त डेटा को डेटाबेस में एकत्र किया गया था। Face_distance फ़ंक्शन का उपयोग करके एक विशिष्ट कर्मचारी का निर्धारण करने के लिए, ज्ञात कर्मचारी के एन्कोडिंग और डेटाबेस से एन्कोडिंग के बीच "अंतर" पर विचार किया गया था।

सामान्य तौर पर, इस स्तर पर कोई भी आगे जा सकता है और एक क्लासिफायरियर बना सकता है, उदाहरण के लिए, केएनएन पर आधारित, ताकि सिस्टम कर्मचारियों के चेहरों की गतिशीलता के प्रति कम संवेदनशील रहे। हालाँकि, व्यवहार में इसके लिए अधिक समय की आवश्यकता होती है। और डेटाबेस में अब जो है उसके बीच किसी व्यक्ति के चेहरे के एन्कोडिंग का प्रतिबंधात्मक औसत और डिवाइस की स्थिति को बदलने के लिए पाया गया सिस्टम व्यवहार में आने वाली त्रुटियों से बचने के लिए पर्याप्त है।

चेहरा पहचान कोड

face_locations = face_recognition.face_locations(rgb_small_frame) face_encodings = face_recognition.face_encodings(rgb_small_frame, face_locations) face_names = [] for face_encoding in face_encodings: matches = face_recognition.face_distance( known_face_encodings, face_encoding) name = "Unknown" if np.min(matches) <= 0.45: best_match_index = np.argmin(matches) name = known_face_info[str(best_match_index)]['name'] else: best_match_index = None

डिवाइस की पहचान

प्रारंभ में, डिवाइस पहचान के लिए क्यूआर कोड का उपयोग करने के लिए विचार उत्पन्न हुआ, जिसमें डिवाइस के बारे में एक ही समय में जानकारी दर्ज करने के लिए। हालांकि, क्यूआर कोड की स्थिर मान्यता के लिए, इसे कैमरे के बहुत करीब लाया जाना था, जो असुविधाजनक है।

परिणामस्वरूप, संवर्धित वास्तविकता मार्करों का उपयोग करने का विचार उत्पन्न हुआ। वे कम जानकारी रखते हैं, लेकिन बहुत अधिक पहचाने जाते हैं। प्रयोगों के दौरान, एक 30-मिलीमीटर मार्कर को ऊर्ध्वाधर (3-5 डिग्री) से छोटे विचलन के साथ ढाई मीटर की दूरी पर पहचाना गया।

यह विकल्प पहले से बहुत बेहतर लग रहा था। ARuco संवर्धित वास्तविकता मार्करों के पूरे सेट से चुना गया था, जैसा कि उनके साथ काम करने के लिए सभी आवश्यक उपकरण opencv-contrib-python वितरण में मौजूद हैं ।

ARuco टोकन मान्यता कोड

 self.video_capture = cv2.VideoCapture(0) ret, frame = self.video_capture.read() gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) markers = cv2.aruco.detectMarkers(gray, self.dictionary)

नतीजतन, प्रत्येक डिवाइस को एक संख्यात्मक सूचकांक सौंपा गया था, जिसके साथ एक मार्कर इस सूचकांक से जुड़ा था।

क्या यह एक टोपी वाली बात है?

ऐसा लगता है कि हमने डिवाइस और चेहरे को पहचानना सीख लिया है, काम पूरा हो गया है। धूमधाम, तालियाँ! और क्या जरूरत पड़ सकती है?

वास्तव में, काम अभी शुरुआत है। अब सिस्टम के सभी घटकों को "युद्ध में" तेजी से और जल्दी से काम करने के लिए बनाया जाना चाहिए।

यह निष्क्रिय में सर्वर संसाधनों की लागत का अनुकूलन करने के लिए आवश्यक है, उपयोगकर्ता मामलों के माध्यम से सोचें और समझें कि इसे रेखांकन कैसे दिखना चाहिए।

इंटरफ़ेस

शायद इस तरह के सिस्टम के विकास में सबसे महत्वपूर्ण बिंदु इंटरफ़ेस है। कोई बहस कर सकता है, लेकिन उपयोगकर्ता इस स्थिति में केंद्रीय तत्व है।

जितनी जल्दी हो सके, आप टिंकर का उपयोग करके फ्रंट-एंड भाग को लागू कर सकते हैं।

Tkinter के बारे में कुछ नोट्स

तत्वों की इंडेंटिंग / आकार (सापेक्ष या निरपेक्ष) इकाइयों पर ध्यान दें।
याद रखें कि रिश्तेदार और निरपेक्ष इकाइयों का एक साथ उपयोग किया जा सकता है (उनके मूल्यों को केवल संक्षेप में बताया गया है)।
पैरामीटर
```
 .attributes("-fullscreen", True) 
```
आपको सिंगल-विंडो एप्लिकेशन बनाने की अनुमति देता है, पूर्ण स्क्रीन तक विस्तार करता है, ताकि सिस्टम इंटरफ़ेस के तत्वों के साथ उपयोगकर्ताओं को भ्रमित न करें।

इंटरफ़ेस में डिवाइस और उस उपयोगकर्ता के बारे में जानकारी के साथ कार्ड शामिल हैं जो वर्तमान में इस डिवाइस का उपयोग कर रहे हैं। स्क्रीन का अधिकांश हिस्सा कार्ड कैटलॉग द्वारा कब्जा कर लिया गया है - मुख्य लेखा उपकरण। शीर्ष पर एक फिल्टर है जिसके साथ आप निर्देशिका को ऑपरेटिंग सिस्टम के प्लेटफॉर्म या संस्करण द्वारा फ़िल्टर कर सकते हैं।

यहाँ इंटरफ़ेस के प्रमुख घटक हैं:

युक्ति
डिवाइस कार्ड को स्क्रीन पर ऑपरेटिंग सिस्टम के संस्करण, डिवाइस के नाम और आईडी के साथ प्रदर्शित किया जाता है, साथ ही उपयोगकर्ता जिस पर यह डिवाइस वर्तमान में पंजीकृत है।
Fotofiksirovanie
दाईं ओर कंट्रोल यूनिट है, जहां वेबकैम से छवि प्रदर्शित होती है, साथ ही व्यक्तिगत जानकारी को पंजीकृत करने और संपादित करने के लिए बटन भी होते हैं।

हम उपयोगकर्ता को प्रतिक्रिया देने के लिए छवि प्रदर्शित करते हैं - आप निश्चित रूप से डिवाइस लेबल के साथ स्क्रीन को हिट करते हैं।
OS संस्करण चयन
हमने रुचि के ओएस संस्करण की पसंद के साथ एक सूची बनाई, क्योंकि अक्सर परीक्षण के लिए आपको एक विशिष्ट उपकरण की आवश्यकता नहीं होती है, लेकिन Android या iOS का एक निश्चित संस्करण। संस्करण को एक स्क्रीन पर स्क्रॉल करने और बिना स्क्रॉल किए संस्करणों की सूची को सुलभ बनाने के लिए संस्करण फिल्टर क्षैतिज बनाया जाता है।

अनुकूलन

सिस्टम के किसी भी घटक का एक पास बहुत अधिक समय नहीं लेता है। हालांकि, यदि आप एक ही समय में मार्करों और चेहरों की पहचान शुरू करते हैं, तो कैमरे द्वारा प्रदान किए गए सभी 30 फ्रेम प्रति सेकंड को पहचानने का प्रयास जीपीयू के बिना कंप्यूटर संसाधनों की पूर्ण थकावट का कारण होगा।

यह स्पष्ट है कि 99% समय सिस्टम इस काम को बेकार कर देगा।

इससे बचने के लिए, निम्नलिखित अनुकूलन निर्णय किए गए थे:

केवल हर आठवें फ्रेम को प्रसंस्करण में खिलाया जाता है।
कोड
```
 if self.lastseen + self.rec_threshold > time.time() or self.frame_number != 8: ret, frame = self.video_capture.read() self.frame_number += 1 if self.frame_number > 8: self.frame_number = 8 return frame, None, None, None 
```
प्रणाली की प्रतिक्रिया देरी लगभग 8/30 सेकंड तक बढ़ जाती है, जबकि मानव प्रतिक्रिया समय लगभग एक सेकंड है। तदनुसार, इस तरह की देरी अभी भी उपयोगकर्ता के लिए ध्यान देने योग्य नहीं होगी। और हम पहले से ही सिस्टम पर लोड को आठ गुना कम कर चुके हैं।
सबसे पहले, डिवाइस मार्कर को फ्रेम में खोजा जाता है, और केवल जब इसका पता लगाया जाता है, तो चेहरे की पहचान शुरू की जाती है। चूंकि फ़्रेम में मार्करों की खोज चेहरे की खोज की तुलना में लगभग 300 गुना कम है, इसलिए हमने तय किया कि स्टैंडबाय मोड में हम केवल एक मार्कर की उपस्थिति के लिए जांच करेंगे।
छवि में कोई चेहरा न होने पर चेहरों की खोज करते समय "ब्रेक" को कम करने के लिए, नंबर_ऑफ_टाइम_ऑटो_प्लस पैरामीटर को फेस_लोकेशन फ़ंक्शन में अक्षम किया गया था।

face_locations = face_recognition.face_locations (rgb_small_frame, number_of_times_to_upsample = 0)

इसके कारण, एक फ्रेम का प्रसंस्करण समय, जिस पर कोई चेहरे नहीं हैं, एक फ्रेम के प्रसंस्करण समय के बराबर है जहां चेहरे आसानी से पता लगाया जाता है।

परिणाम क्या है?

फिलहाल, मैकमिनी लेट 2009 में सिस्टम को सफलतापूर्वक तैनात किया गया है, जो दो कोर 2 डुओ कोर पर हाथ में आ गया है। परीक्षण के भाग के रूप में, इसने डॉक्यूज़र कंटेनर में 1024 मेगाबाइट रैम और 4 गीगाबाइट रीड-ओनली मेमोरी के साथ एक वर्चुअल कोर पर भी काफी सफलतापूर्वक काम किया। मैकमिनी ने लुक को मिनिमल बनाने के लिए टच स्क्रीन को कनेक्ट किया।

अब उन उपयोगकर्ताओं को भी जो उत्साह से पुराने बोर्ड का उपयोग नहीं करते थे और खुद पर उपकरणों को पंजीकृत करने में मुस्कुराते थे, और असफल खोजों के बहुत कम मामले सामने आए हैं!

आगे क्या है?

वर्तमान प्रणाली में निस्संदेह कई और बिंदु हैं जिन्हें हम सुधारना चाहते हैं:

सुनिश्चित करें कि संवाद बॉक्स दिखाई देने पर ओएस नियंत्रण दिखाई नहीं देता है (अब यह टिंकर पैकेज से एक संदेश बॉक्स है)।
इंटरफ़ेस प्रसंस्करण के साथ अलग-अलग थ्रेड्स में अलग-अलग गणना और सर्वर अनुरोध (अब वे मुख्य थ्रेड, मेनलूप टिंकर में किए जाते हैं, जो ऑनलाइन डेटाबेस के लिए अनुरोध भेजते समय इंटरफ़ेस को जमा देता है)।
इंटरफ़ेस को अन्य कॉर्पोरेट संसाधनों के साथ समान डिज़ाइन में लाएं।
डेटा के दूरस्थ देखने के लिए एक पूर्ण वेब इंटरफ़ेस बनाएं।
क्रियाओं की पुष्टि / रद्द करने और टेक्स्ट फ़ील्ड भरने के लिए वॉइस रिकग्निशन का उपयोग करें।
एक साथ कई उपकरणों का पंजीकरण लागू करें।

पुनश्च और यह कैसे काम करता है।
GUI के बीटा संस्करण में वीडियो रिकॉर्ड किया गया

चेहरा पहचानने से आपको टेस्ट फोन खोजने में मदद मिलती है