Компания VisionLabs разработала набор дополнительных модулей и сервисов платформы компьютерного зрения VisionLabs LUNA, который 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.
Новое решение также помогает снизить необходимое количество вычислительных мощностей, а значит — сократить расходы на эксплуатацию системы распознавания лиц в части аппаратных ресурсов и сопутствующих расходов на их поддержку. ПО Index уже используется в биометрической платформе Сбербанка, которая на сегодняшний день является крупнейшей в Европе. Возможность обеспечить идентификацию или верификацию по лицу за доли секунды повышает качество и надежность обслуживания во всех клиентских каналах. Протестировать и внедрить новую технологию помогли специалисты центра компетенций дивизиона «Биометрия». Интеграция решения в существующую платформу была проведена в кратчайшие сроки — в течение одного квартала.
«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 VisionLabs.