Comments 7
Ужас. Нас всех посчитали.
Т.е. чтобы проехать через шлагбаум во двор можно перед камерой помахать распечатанным авто с мигалкой? Как в том приколе когда человек проходит через турникет помахав перед камерой фотографией со стенда с лучшими сотрудниками:)
Привет! Отличный вопрос :)
Если говорить про лица, то подобные трюки в хороших системах не прокатят, потому что там есть проверка Liveness - действительно ли перед камерой находится настоящий человек или происходит подлог с помощью фотки лица/экрана телефона и лицом и тд. Как такие технологии используются можно почитать в посте моей коллеги https://habr.com/ru/companies/ru_mts/articles/834100/
Если говорить про машинки, то для них Liveness-а явного у нас нет, видимо потому что ещё никто бумажками шлагбаумы не пытался обмануть, но практика показывает, что детекторы ТС и номеров всякие поддельные штуки и бумажки вместо номеров не очень любит находить, а если объект не задетектился - то и события нет.
@belnastyдоброго дня! Спасибо за интересный пост. Неясно несколько моментов:
На сайте вашей компании указано, что обработку видео на объекте и отбор кадров ведет лицензия - физически некое ПО на некоем компьютере. Какие требования к железу на объекте?
Далее кадры с объекта через сети передачи данных передаются на Ваш условно "облачный" сервис - окей. Какие требования к ширине канала передачи данных?
С вашей стороны - как быстро происходит обработка данных?
Добрый день! Спасибо за фидбэк :)
Сходила к людям, ответственным за внедрение с вашими вопросами, чтобы точно не наврать.
Тут зависит от выбранной архитектуры внедрения, если на объект выносим только раскадровку (детекция+трекинг) и выбор лучших кадров за трек, то можно и в одноплатник уместиться. Если нужно оценить транспортный поток по типам ТС прям на месте, то понадобится больше мощности. Очень индивидуально и зависит от задачи.
Как уже писали, не обязательно передавать отдельные изображения на удаленный сервер, но если предположить, что выбрали такую архитектуру, то кажды отдельный кроп машины занимает ~500 Кбайт, включая отдельный кроп номера в полном разрешении. Вот в зависимости от интенсивности транспортного потока можно оценить нагрузку на канал передачи данных.
Тут зависит от того, что войдет в архитектуру решения. Если интересно за сколько api выполняет отдельный запрос - например детекции ТС/распознавания атрибутов, то тут у нас каждая из сеток работает <50 ms на CPU. На GPU, конечно, в 20-30 раз быстрее.
Интересно читать статью, в которой почти каждая ссылка у меня отображается бордовой (прочитанной) :)
Статья действительно интересная, спасибо.
Пайплайн распознавания транспортных средств: как это работает