ML-система по учету персонала в офисе

1. Вводная задача от заказчика, проблематика, цели

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.

2. Описание реализации кейса и творческого пути по поиску оптимального решения

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.

3. Результаты сотрудничества

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.