SpeedFace ZKTeco Мультибиометрический терминал 3-в-1 с функцией распознавания лиц

Терминал доступа с функцией распознавания лиц базируется на 4-ядерном процессоре A17 1.8 ГГц, операционной системе Linux. Оборудован двумя камерами (для более точного распознавания) с разрешением 1 Мп (всего 2 Мп), считывателями отпечатков пальцев и карт Mifare, двумя динамиками. Поддерживает подключение внешнего считывателя и работу в составе сети в качестве такового. Память рассчитана на 10 000 пользователей, 6000 лиц и 200 000 событий. Опционально можно расширить память до 10 000 шаблонов отпечатков пальцев и 10 000 карт за счет уменьшения БД лиц и количества пользователей.

Объем памяти RAM — 2 Гбайт, ROM — 16 Гбайт. Предусмотрено управление замком, подключение датчика двери, звонка, кнопки выхода, тревоги, AUX-вход (обычный разъем 3.5 мм), беспроводная связь (Wi-Fi; опционально). Из интерфейсов на борту RS-232, RS-485, Wiegand (вход, выход), два USB.

Технология распознавания лиц VisibleLight

Самообучающаяся технология использует для распознавания редкие признаки (SRC) — математические линейные характеристики соседних пикселей и самообучающийся алгоритм выделения признаков. В результате требуется намного меньше вычислительной мощности, а идентификация проходит менее чем за 1 секунду.

Как это работает

Среда распознавания лиц динамична — меняется освещение, расстояние до объектива камеры, и соответственно, угол обзора. Самообучающийся алгоритм обеспечивает системе самостоятельное извлечение и фильтрацию признаков для определения различий, возникающих при меняющихся расстоянии, позе, угле обзора, освещении. К традиционным этапам распознавания — обнаружению, выравниванию, извлечению признаков и идентификации — добавлены дополнительные.

1. Обнаружение

Определение наличия лица на изображении. Программа с высокой точностью детектирует лица вне зависимости от их размера и внешнего света.

2. Определение позы

Определение трехмерных углов наклона объекта.

3. Анализ качества

Анализ яркости и четкости картинки для гарантии качества в допустимом диапазоне. Отсев изображений, классифицированных как неузнаваемые — для предотвращения потерь мощности.

4. Выравнивание

Позиционирование глаз, носа и рта человека в указанных рамках. 2D-преобразования, включающие движение, масштабирование и вращение. Выровненные изображения делают идентификацию более эффективной.

5. Извлечение признаков

Анализ изображения, исследование соседних пикселей, формирование кривых, поиск краев, определение форм; создание набора специфических признаков, присущих конкретному лицу — для сравнения с шаблонами БД.

6. Проверка на подлинность

Самый популярный способ обхода проверки — предоставление фотографии или видео вместо живого объекта. Но лицо на фотографии перемещается вместе с фоном. Система захватывает видеопоследовательность, анализирует соседние кадры, выделяет лицо, анализирует поведение пограничных пикселей во времени — и понимает, что фон не реальный, не соответствует остальному видеоряду, что это фотография, а не живой объект.

В случае с видеозаписью самообучающийся алгоритм находит различия в текстуре, разрешении, окружающих объектах, фоновой картинке и др., обнаруживает рамку смартфона или планшета и выявляет попытку ложной идентификации.

7. Идентификация

Сравнение полученных данных с заданными идентификаторами — путем перекрестной проверки признаков с шаблонами.