Терминал доступа ZKTeco SpeedFace-V5

Терминал доступа с функцией распознавания лиц базируется на 4-ядерном процессоре A17 1.8 ГГц, операционной системе Linux. Оборудован двумя камерами (for более точного распознавания) с разрешением 1 Мп (всего 2 Мп), считывателями отпечатков пальцев and карт Mifare, двумя динамиками. Поддерживает подключение внешнего считывателя and работу в составе сети в качестве такового. Память рассчитана на 10 000 пользователей, 6000 лиц and 200 000 событий. Опционально можно расширить память до 10 000 шаблонов отпечатков пальцев and 10 000 карт за счет уменьшения БД лиц and 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 for распознавания редкие признаки (SRC) — математические линейные характеристики соседних пикселей and 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, and соответственно, угол обзора. Самообучающийся алгоритм обеспечивает системе самостоятельное извлечение and фильтрацию признаков for определения различий, возникающих при меняющихся расстоянии, позе, угле обзора, освещении. К традиционным этапам распознавания — обнаружению, выравниванию, извлечению признаков and идентификации — добавлены дополнительные.

1. Обнаружение

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

2. Определение позы

Определение трехмерных углов наклона объекта.

3. Анализ качества

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

4. Выравнивание

Позиционирование глаз, носа and рта человека в указанных рамках. 2D-преобразования, включающие движение, масштабирование and 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 — for 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 — and 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 and др., обнаруживает рамку смартфона или планшета and выявляет попытку ложной идентификации.

7. Идентификация

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