Компания VisionLabs разработала набор дополнительных модулей и сервисов платформы компьютерного зрения VisionLabs LUNA.
Он ускоряет процесс распознавания на больших базах данных с сохранением точности поиска. Особенно рост эффективности системы заметен на базах от 10 млн человек.
В большинстве случаев процесс идентификации происходит следующим образом: система получает фотографию, преобразовывает её в биометрический шаблон и сравнивает с каждым элементом в базе данных, чтобы найти совпадение: 10 млн лиц в базе – 10 млн сравнений для одного запроса.
Таким образом, абсолютное большинство алгоритмов других вендоров имеют линейную зависимость длительности поиска от размера базы – например, при увеличении размера базы в 4 раза они ищут в 4 раза дольше. При использовании технологий VisionLabs эта зависимость логарифмическая. Согласно тестированию NIST, поиск по базе в 3 млн человек занимает 36 мс, а по базе с 12 млн — 43 мс.
Это стало возможным за счет нового программного обеспечения Index. Оно строит дополнительную структуру с информацией о расположении дескрипторов в базе, позволяющую исключать из рассмотрения в процессе поиска слишком непохожие лица на пришедший запрос. Это уменьшает количество сравнений в несколько десятков раз, значительно сокращая время распознавания.
«При работе стандартных алгоритмов распознавания лиц с большими базами распознавание может занимать до нескольких секунд – для пользователей это очень долго, так как сервисы должны работать в режиме реального времени. Например, человек захотел оплатить проезд в метро по лицу. Подошел к турникету, посмотрел в камеру, и ему 2-3 секунды приходится ждать ответа. За это время за ним может образоваться очередь, а теперь представьте такая задержка с каждым пассажиром. Поэтому наша команда исследователей и разработчиков улучшила этот подход и внедрила технологию индексированного поиска, которая позволяет идентифицировать человека за доли секунды даже при многомиллионной базе», — рассказал Сергей Миляев, руководитель исследовательских проектов.