Узнайте что ждет вас на улице, как ведется видео наблюдения и что оно может

Все о видео наблюдении. Видео камеры. регистраторы, монтаж, настройка. Новинки видео наблюдения.
Ответить
Аватара пользователя
Pensioner
Администратор
Сообщения: 309
Зарегистрирован: 12 сен 2017, 14:40
Откуда: Санкт-Петербург
Контактная информация:

Узнайте что ждет вас на улице, как ведется видео наблюдения и что оно может

Сообщение Pensioner » 03 июн 2018, 07:50

Как на данный момент продвинулись в технологиях видео анализа и что доступно рядовым пользователям, фирмам.

Как пример в продвижении видео, какую роль играет в очередях в кассу в магазинах:Зарегистрируйтесь и увидите ссылку


Tevian Face Detection - модуль для выделения лиц в видеопотоке, работающий на борту камер от компании Axis. Может использоваться для создания локального или удаленного архива лиц людей, а также в связке с идентификацией людей по лицу, работающей на удаленном сервере.

Функциональность

выделение лиц в области интереса
сохранение лиц на SD карте
отсылка лиц на удаленный сервер, поддерживающий специфицированный REST API
генерация события при появлении нового человека в сцене

FaceSDK – это программная библиотека алгоритмов анализа лиц людей по изображениям и видео. В её состав входят следующие алгоритмы:

выделение лиц на изображениях
сопровождение лиц в видео
классификация пола и возраста человека
Классификация человека по изображению лица


По изображению лица можно определить целый ряд характеристик человека, такие как пол, возраст, расовая принадлежность, наличие очков, усов или бороды, цвет волос. Также можно определить выражение лица, например, улыбку. Определение характеристик человека по фотографии называется классификацией.

Задача классификации атрибутов человека по изображению лица применима во многих сферах:

анализ половозрастного состава аудитории, например, магазина или ресторана;
измерение эффективности рекламы на экранах (системы “Digital signage”)
поиска людей в видеоархиве, в коллекции фотографий, в сети Интернет,
интеллектуального человеко-машинного интерфейса.

Схема работы алгоритмов классификации человека по лицу похожа на схему работы алгоритмов идентификации

Выделение лица человека на изображении (Face Detection)
Выделение антропометрических точек на лице (Facial Features Detection). Чаще всего на этом этапе ограничиваются выделением глаз человека.
Нормализация изображения лица, включающая в себя приведение лица к стандартному размеру, устранение наклона головы и коррекция цвета лица. (Face normalization)
Вычисление дескриптора лица. В отличие от широко распространённого представления об устройстве алгоритмов идентификации, расстояния между разными антропометрическими точками на лице человека используется редко. Вместо расстояний вычисляются специальные локальные признаки, характеризующие, например, текстуру определенных областей на лице. (Feature extraction and descriptor computation)
Классификация человека по дескриптору. Обычно при этом используются алгоритмы машинного обучения (Classification)
Основными характеристиками алгоритмов классификации человека являются точность и скорость классификации.

Также как и у алгоритмов идентификации человека, точность классификации существенно зависит от качества данных: ракурса съемки, размера лица на фотографии, четкости фотографии, условий освещения, мимики человека. В зависимости от данных, точность одного и того же алгоритма классификации может снизиться с 95% до 50-70%.

Идентификация человека по фотографии лица

Идентификация человека по изображению лица является одной из самых актуальных технологий компьютерного зрения благодаря востребованности в области систем безопасности и поиска фотографий в сети Интернет. Список применений включает в себя:

Определение личности по фотографии (например, сравнение фотографии человека с базой преступников)
Контроль доступа на охраняемые объекты
Подтверждение личности по биометрическому паспорту
Поиск человека в видеоархиве системы видеонаблюдения
Автоматическая аннотация людей на фотографиях и в видео в социальных сетях
Различают два сценария работы алгоритма идентификации:

На вход алгоритму подается изображение неизвестного человека (называемое «тестовым изображением»), и галерея изображений известных людей. Требуется определить, присутствует ли человек с тестового изображения в галерее, и если да – то определить его личность.
На вход подается два изображения – одно тестовое и одно известного человека (например, фотография из биометрического паспорта), которые необходимо сравнить друг с другом и определить, запечатлен ли на них один и то же человек, или это два разных человека. Данный сценарий называется «верификацией» или «подтверждением личности».
В целом оба сценария сводятся друг к другу. Однако в зависимости от используемого сценария зачастую накладываются различные требования к алгоритму идентификации.

Большинство алгоритмов идентификации человека по лицу имеют одинаковую схему работы:

Выделение лица человека на изображении (Face Detection)
Выделение антропометрических точек на лице (Facial Features Detection). Чаще всего на этом этапе ограничиваются выделением глаз человека.
Нормализация изображения лица, включающая в себя приведение лица к стандартному размеру, устранение наклона головы и коррекция цвета лица. (Face normalization)
Вычисление дескриптора лица. В отличие от широко распространённого представления об устройстве алгоритмов идентификации, расстояния между разными антропометрическими точками на лице человека используется редко. Вместо расстояний вычисляются специальные локальные признаки, характеризующие, например, текстуру определенных областей на лице. (Feature extraction and descriptor computation)
Сравнение дескрипторов разных лиц (Verification)
Часто все шаги алгоритма, начинающиеся с подачи фотографии на вход и заканчивающиеся вычислением дескриптора, в совокупности называют «Enrollment», понимая под этим занесение нового изображения в базу.

Таким образом алгоритм идентификации состоит из нескольких последовательно применяемых алгоритмов, и общая точность идентификации зависит от точности работы каждого этапа. Технические детали реализации каждого шага обычно являются коммерческой тайной компаний, и если и описываются, то лишь в очень общем виде.

Основными характеристиками алгоритмов идентификации являются скорость вычисления дескриптора, время сравнения дескрипторов и точность идентификации.

Точность идентификации зависит от многих факторов: разрешения изображения (точнее размера лица на изображении), ракурса съёмки (фронтальный или под углом), освещения, мимики, четкости изображения, размера галереи. Поэтому «абстрактная» точность распознавания, фигурирующая в различных новостях, без привязки к конкретной базе изображений лиц, на которой проводится измерение, абсолютно ничего не значит. В некоторых идеальных условиях точность распознавания может быть даже выше, чем у человека, и достигать точности идентификации по радужке глаза, но в большинстве случаев она значительно ниже, что пока исключает некоторые возможные применения.

Часто в рекламных целях сообщают абстрактную точность алгоритма идентицикации без привязки к определенному набору изображений. Итоговая точность работы алгоритма и сфера его применения существенно зависит от внешних факторов, таких как условия видеосъемки, разрешение видеокамера и тд.


Поиск антропометрических точек лица человека на изображении

Под антропометрическими точками лица человека понимаются такие точки, которые наиболее ярко характеризуют пропорции черт лица. Такими точками, например, являются уголки глаз или губ, кончик носа и т.д. В большинстве случае нахождение антропометрических точек является необходимым, но вспомогательным этапом работы более сложных алгоритмов и систем компьютерного зрения, таких как идентификация или классификация человека по изображению лица, системы расширенной реальности (например, позволяющие наложить виртуальную шляпу или очки на фотографию человека).

Во многих случаях ограничиваются поиском лишь нескольких антропометрических точек на лице человека, например уголков или центров глаз. Однако для более надежного и точного выделения глаз требуется одновременно находить и ряд других точек, что позволяет учесть их взаимное расположение. Список выделяемых точек различаются у разных алгоритмов.

Все это может вам предложить компания Зарегистрируйтесь и увидите ссылку

Аватара пользователя
andreysMah
Прохожий
Сообщения: 21
Зарегистрирован: 13 май 2018, 04:50
Откуда: Россия
Контактная информация:

Узнайте что ждет вас на улице как ведется видео наблюдения и что оно может

Сообщение andreysMah » 17 июн 2018, 02:14

Где можно почитать, как пользоваться данным софтом в этих целях?

Аватара пользователя
Pensioner
Администратор
Сообщения: 309
Зарегистрирован: 12 сен 2017, 14:40
Откуда: Санкт-Петербург
Контактная информация:

Re: Узнайте что ждет вас на улице, как ведется видео наблюдения и что оно может

Сообщение Pensioner » 22 июн 2018, 11:28

Ссылки есть в описании смотри !

Ответить

Вернуться в «Видео наблюдение»

Кто сейчас на конференции

Сейчас этот форум просматривают: нет зарегистрированных пользователей и 0 гостей