ML-система по учету персонала в офисе
О проекте
Системы безопасности и контроля есть во всех крупных корпорациях. И это оправданно: большое количество сотрудников, которые перемещаются в огромных офисных центрах, необходимо отслеживать. Важно, чтобы «лишние» посетители тоже не заблудились и не попадали туда, куда им не надо. Но и в небольших компаниях часто возникает необходимость в интеллектуальной системе учета.Globus IT не исключение. Расскажем вам о нашем кейсе — разработке ПО для подсчета персонала в офисе с помощью ML (Machine Learning, машинного обучения) и Computer vision (компьютерного зрения). 
Задача
Все началось с того, что нашей компании потребовалась не просто система учета персонала: она должна включать охранную систему после того, как последний сотрудник покинет офис. 
Реализация
Казалось бы — что проще? Computer vision в помощь — и вперед! За подсчет работников отвечает технология Object detection, за идентификацию — Face ID. Но тут важно учитывать качество съемки в разное время суток, в том числе и вечером. Значит, камеры должны быть со скоростью записи не менее 20–25 кадров в секунду, с возможностью инфракрасной съемки и в высоком разрешении — не ниже HD или FULL HD.И вот тут возникает сложность. Дело в том, что качество Object Detection в изображении и в видео различается. Определить объект на статичной картинке не составляет труда, а вот видео бывает разным, к тому же человек может двигаться очень быстро, поэтому велика вероятность «смазываний». Поэтому достоверность результатов может быть под вопросом.Как быть? Решений придумано достаточно: этот раздел Data science хорошо изучен.«Существуют качественные алгоритмы, которые помогают улучшать работу с такими сложными данными. Есть, например, специальные нейросетевые модели, которые работают непосредственно с видеопотоком, а не с изображением, как классические модели для object detection. Но они становятся в разы тяжелее, нежели классические модели и, соответственно, в разы медленнее. Даже обычные нейросетевые модели для Оbject Detection работают довольно медленно без графического процессора», — объясняет Александр Болтачев, ML-разработчик Globus IT.Наши эксперты пошли по другому пути: они использовали специальные алгоритмы постобработки результатов Object Detection, которые применимы к Real-Time System, где необходима обработка в режиме реального времени. А заодно устранили проблему «потеряшек». Идентификацию fullbody ID заменили на Re ID объекта с корректировкой его ограничивающего прямоугольника и всех остальных параметров. 
 
Результат
Решение получилось удачным: серверы не перегружаются, сложные многоуровневые сети не нужны, систему легко адаптировать под разные задачи.Получившийся продукт можно без проблем «подружить» с системой безопасности.

«Он представляет собой сервер с определенным API на специальном железе с графическими процессорами. Такому серверу предоставляется IP-адрес от камеры, и дальше уже система работает непосредственно с получаемым видеопотоком и передает результат туда, куда необходимо клиенту», — отмечает Александр Болтачев. 

Кроме того, для учета персонала системе нужно предоставить программный доступ к тому, чем она должна управлять (например, охранной системой, как было в нашем случае). Либо напрямую, если оборудование клиента позволяет, либо через посредников типа Arduino.
 
Кому может понадобиться система учета персонала
Она необходима в тех компаниях, где нужно вести эффективный контроль за перемещениями сотрудников — например, специальные лаборатории, особо охраняемые помещения. Важно, что такая система в условиях экстренной ситуации подскажет, сколько человек остается в офисе, где они находятся и кто именно из персонала. Такая информация может спасти жизнь во время пожара, например.Систему довольно просто масштабировать и кастомизировать в соответствии с запросами клиента.
Сообщение отправлено

Обсудить идею или проект

Обсудить идею или проект
Нажимая кнопку отправить, вы соглашаетесь с Политикой обработки персональных данных Защита от спама reCAPTCHA Конфеденциальность и Условия использования
Похожие проекты