Перейти к основному содержимому
Версия: 1.18.1

Настройки распознавания лиц

Настройка порога схожести лиц (score)

Параметр score показывает степень схожести лиц от 0 (0%) до 1 (100%). Высокая степень схожести означает, что два биометрических шаблона принадлежат одному и тому же человеку. Пороговое значение по умолчанию — 0.85.

Изменить порог score на OMNI Platform можно через API-запрос updateWorkspaceConfig, где в качестве аргумента указывается пороговое значение activityScoreThreshold (требуемый score для привязки активности к профилю).

подсказка

Убедитесь, что пороги score, указанные для OMNI-агента и OMNI Platform совпадают. В противном случае, часть активностей, сформированных из переданных процессов OMNI-агента, не будет привязана к соответствующему профилю.

Например:

  • score, указанный на стороне OMNI-агента = 0.7
  • score, указанный на OMNI Platform = 0.85

В этом случае активности, сформированные из процессов OMNI-агента со значением score в диапазоне [0.7, 0.85), не будут прикреплены к соответствующему профилю.

Для настройки порога score для OMNI-агента см. руководство пользователя OMNI-агента.

Изменение метода распознавания лиц

OMNI Platform использует методы распознавания лиц из набора библиотек Face SDK. Под методом имеется в виду версия модели распознавания лиц. По умолчанию в OMNI Platform установлен метод 12v1000. Для более быстрой работы вы можете переключиться на метод 12v100, однако при этом снизится точность распознавания.

Смена метода во время установки платформы

На этапе заполнения файлов конфигурации откройте файл ./cfg/platform.values.yaml и замените метод в поле generic.default_template_version. Далее откройте файл ./cfg/image-api.values.yaml и замените метод в полях face-detector-template-extractor.configs.recognizer.name, template-extractor.configs.recognizer.name и verify-matcher.configs.recognizer.name.

Смена метода на развернутой платформе

  1. Остановите платформу.

    ./cli.sh platform uninstall
  2. Остановите сервисы image-api.

    ./cli.sh image-api uninstall
  3. Удалите базу данных платформы.

    ./cli.sh platform db-reset
  4. Откройте файл ./cfg/platform.values.yaml и замените метод в полях generic.recognizer, backend.default_template_version, processing.recognizer_methods. Далее откройте файл ./cfg/image-api.values.yaml и замените метод в полях face-detector-template-extractor.configs.recognizer.name и verify-matcher.configs.recognizer.name.

  5. Запустите установку сервисов image-api.

    ./cli.sh image-api install
  6. Запустите платформу.

    ./cli.sh platform install
примечание

Возможность переключить метод для платформы с уже созданной базой данных еще не реализована. Если вы все же решили поменять метод распознавания, базу данных нужно будет создать заново.

Настройка детекции лиц

ВНИМАНИЕ

Настройка под сценарии использования возможна только для сервисов с детекцией лиц: face-detector-face-fitter, face-detector-liveness-estimator, face-detector-template-extractor.

В OMNI Platform предусмотрена возможность настройки детекции лиц под следующие сценарии использования:

Для каждого сценария создано несколько специально настроенных под него файлов конфигурации. Наименование сценария и уровень точности детекции указываются в имени файла.

НАПРИМЕР

Файл конфигурации access_control_system_several_faces_q1.xml относится к сценарию СКУД (некооперативное распознавание) с точностью детекции q1.

примечание

Файлы конфигурации с пометкой q1 дают наибольшую точность детекции, при этом файлы с пометкой q2 позволяют детектировать лица с наибольшей скоростью. С результатами бенчмарков для всех доступных файлов конфигурации можно ознакомиться на страницах сценариев использования.

Безопасный город

Применение

Поиск пропавших без вести и розыск злоумышленников, сбор статистики. Применение на городских улицах, в общественных пространствах, в развлекательных и торговых центрах. Приоритет — не пропустить разыскиваемого, даже если при этом могут возникнуть ложные идентификации.

Требования к сценарию использования

  • Детекция максимального числа лиц в кадре.
  • Плотный поток людей (~ 1 чел/м²).
  • Люди не смотрят в камеру и не замедляются для идентификации.
  • Скорость движения людей в кадре — до 5 км/ч (люди передвигаются не бегом и не на самокате/велосипеде).
  • Меняющееся освещение и погодные условия, загрязнение объективов камер.
  • Угол поворота головы по отношению к объективу камеры не превышает 40° по горизонтали и 20° по вертикали.
  • Тип изображений для детекции и идентификации "WILD" (согласно NIST), что соответствует качеству QAA totalscore >= 40%.

Рекомендуемые файлы конфигурации

  • safety_city_q1.xml
  • safety_city_q2.xml

Как настроить

  1. Откройте файл ./cfg/image-api.values.yaml в дистрибутиве OMNI Platform, найдите объект конфигурации capturer (путь до объекта: processing.services.имя сервиса.configs.capturer) и пропишите одинаковые значения для полей объекта capturer в каждом сервисе детекции: face-detector-face-fitter, face-detector-liveness-estimator, face-detector-template-extractor.

    Пример заполнения:

    configs:
    capturer:
    name: safety_city_q2.xml // имя файла конфигурации Face SDK
  2. Откройте файл ./cfg/platform.values.yaml в дистрибутиве OMNI Platform, найдите объект конфигурации capturer (путь до объекта: generic.capturer) и пропишите значения для полей объекта capturer.

    Пример заполнения:

    generic:
    capturer:
    name: safety_city_q2.xml // имя файла конфигурации Face SDK
  3. После редактирования файлов сохраните их и обновите OMNI Platform в кластере:

    ./cli.sh image-api install
    ./cli.sh platform install

Результаты бенчмарков

Файл конфигурации детектораВремя на детекцию одного кадра (мс)Точность детекции (от 0 до 1)
safety_city_q1.xml13500,74
safety_city_q2.xml3700,685

СКУД (кооперативное распознавание)

Применение

Системы учета рабочего времени и корпоративных СКУД с использованием биометрических терминалов или камер, размещенных преимущественно в помещениях со стабильным освещением. Приоритет — не допустить ошибок идентификации.

Требования к сценарию использования

  • Кадры, полученные камерой, установленной в помещении со стабильным освещением.
  • Одно лицо в кадре, человек смотрит в камеру.
  • Тип изображений для детекции и идентификации "BORDER" (согласно NIST), что соответствует качеству QAA totalscore >= 51%.

Рекомендуемые файлы конфигурации

  • access_control_system_one_face_q1.xml
  • access_control_system_one_face_q2.xml
  • access_control_system_one_face_q3.xml

Как настроить

  1. Откройте файл ./cfg/image-api.values.yaml в дистрибутиве OMNI Platform, найдите объект конфигурации capturer (путь до объекта: processing.services.имя сервиса.configs.capturer) и пропишите одинаковые значения для полей объекта capturer в каждом сервисе детекции: face-detector-face-fitter, face-detector-liveness-estimator, face-detector-template-extractor.

    Пример заполнения:

    configs:
    capturer:
    name: access_control_system_one_face_q1.xml // имя файла конфигурации Face SDK
  2. Откройте файл ./cfg/platform.values.yaml в дистрибутиве OMNI Platform, найдите объект конфигурации capturer (путь до объекта: generic.capturer) и пропишите значения для полей объекта capturer.

    Пример заполнения:

    generic:
    capturer:
    name: access_control_system_one_face_q1.xml // имя файла конфигурации Face SDK
  3. После редактирования файлов сохраните их и обновите OMNI Platform в кластере:

    ./cli.sh image-api install
    ./cli.sh platform install

Результаты бенчмарков

Файл конфигурации детектораВремя на детекцию одного кадра (мс)Точность детекции (от 0 до 1)
access_control_system_one_face_q1.xml700,996
access_control_system_one_face_q2.xml690,986
access_control_system_one_face_q3.xml950,98

СКУД (некооперативное распознавание)

Применение

Некорпоративные СКУД (например, оплата по лицу в транспорте, учет посетителей спортзалов) без специализированных биометрических терминалов, а только с использованием камер. Особое внимание уделяется скорости детекции и идентификации, чтобы не создавать очередей и задержек при проходе людей. Приоритет — не допустить ошибок идентификации.

Требования к сценарию использования

  • Камера ориентирована прямо на поток людей, учитывается вероятность боковых ракурсов.
  • Преимущественное применение в помещениях со стабильным освещением.
  • До 5-8 лиц в кадре. Идентифицируется только лицо, находящееся ближе всего к камере.
  • Тип изображений для детекции и идентификации "WILD" (согласно NIST), что соответствует качеству QAA totalscore >= 40%.

Рекомендуемые файлы конфигурации

  • access_control_system_several_faces_q1.xml
  • access_control_system_several_faces_q2.xml

Как настроить

  1. Откройте файл ./cfg/image-api.values.yaml в дистрибутиве OMNI Platform, найдите объект конфигурации capturer (путь до объекта: processing.services.имя сервиса.configs.capturer) и пропишите одинаковые значения для полей объекта capturer в каждом сервисе детекции: face-detector-face-fitter, face-detector-liveness-estimator, face-detector-template-extractor.

    Пример заполнения:

    configs:
    capturer:
    name: access_control_system_several_faces_q1.xml // имя файла конфигурации Face SDK
  2. Откройте файл ./cfg/platform.values.yaml в дистрибутиве OMNI Platform, найдите объект конфигурации capturer (путь до объекта: generic.capturer) и пропишите значения для полей объекта capturer.

    Пример заполнения:

    generic:
    capturer:
    name: access_control_system_several_faces_q1.xml // имя файла конфигурации Face SDK
  3. После редактирования файлов сохраните их и обновите OMNI Platform в кластере с помощью команд:

    ./cli.sh image-api install
    ./cli.sh platform install

Результаты бенчмарков

Файл конфигурации детектораВремя на детекцию одного кадра (мс)Точность детекции (от 0 до 1)
access_control_system_several_faces_q1.xml9690,946
access_control_system_several_faces_q2.xml95 0,936

Удаленная идентификация

Применение

Удаленная идентификации и аутентификации по селфи с фронтальной камеры телефона в системах банков, бирж, муниципальных порталов и т.д. Приоритет — не допустить ошибок идентификации.

Требования к сценарию использования

  • Одно лицо в кадре, вероятность боковых ракурсов минимальна.
  • Изображения лиц крупного размера (занимают до 80% площади кадра).
  • Допустима высокая зашумленность фотографий из-за плохого освещения или низкого качества камеры.
  • Тип изображений для детекции и идентификации "BORDER" или "MUGSHOT" (согласно NIST), что соответствует качеству QAA totalscore >= 51%.

Рекомендуемые файлы конфигурации

  • remote_identification_q1.xml
  • remote_identification_q2.xml

Как настроить

  1. Откройте файл ./cfg/image-api.values.yaml в дистрибутиве OMNI Platform, найдите объект конфигурации capturer (путь до объекта: processing.services.имя сервиса.configs.capturer) и пропишите одинаковые значения для полей объекта capturer в каждом сервисе детекции: face-detector-face-fitter, face-detector-liveness-estimator, face-detector-template-extractor.

    Пример заполнения:

    configs:
    capturer:
    name: remote_identification_q1.xml // имя файла конфигурации Face SDK
  2. Откройте файл ./cfg/platform.values.yaml в дистрибутиве OMNI Platform, найдите объект конфигурации capturer (путь до объекта: generic.capturer) и пропишите значения для полей объекта capturer.

    Пример заполнения:

    generic:
    capturer:
    name: remote_identification_q1.xml // имя файла конфигурации Face SDK
  3. После редактирования файлов сохраните их и обновите OMNI Platform в кластере:

    ./cli.sh image-api install
    ./cli.sh platform install

Результаты бенчмарков

Файл конфигурации детектораВремя на детекцию одного кадра (мс)Точность детекции (от 0 до 1)
remote_identification_q1.xml10400,977
remote_identification_q2.xml750,97