От чего зависит скорость поиска и идентификации лиц?

От чего зависит скорость поиска и идентификации лиц?

Дата публикации: 13.12.2019

Методика подбора оборудования

скорость поиска и идентификации лиц

Автоматическое распознавание и составление метрики лица в видеопотоке - высконагрузочные алгоритмы, требующие мощных ресурсов для обработки. Еще недавно мы ставили один самый дорогой компьютер с самой дорогой видеокартой на одну камеру идентификации лиц. И вы найдете немало фирм на рынке, которые также пока сидят на этом уровне.

Но Спецлаб всегда адаптирует свой софт под даже малоизвестные аппаратные расширения процессоров и, уж тем более, под развивающиеся огромными темпами возможности видеокарт. Поэтому скорости растут – и, возможно, когда вы читаете эту статью, они ушли далеко вперед.

Кроме того, в программных продуктах Спецлаб присутствует распараллеливание процессов, поэтому возможна любая масштабированность. Всегда можно добиться максимальных показателей для любого числа лиц на любых скоростях прохода и при любом количестве камер. Здесь мы даем методику подбора оборудования для этого.

Во всех случаях надо определиться, используете ли мощный видеоадаптер nVidia. Если вы еще не готовы на такие траты, то Спецлаб также предоставляет возможность работы со своими алгоритмами распознавания лиц на обычных процессорах ЦПУ. Политика Спецлаб всегда была универсальна, поэтому вы легко можете построить офисную СКУД даже на слабом ПК. Правда, этот вариант не обеспечит высокоскоростной проход большого потока людей по большому числу камер. Но об этом ниже.

Методика подбора оборудования для бюджетной идентификации лиц:

Для более-менее комфортной работы алгоритмов Face-детекции требуется полностью выделенное ядро CPU на каждую камеру идентификации лиц при условии, что одномоментно в кадре будет только одно лицо. И два ядра, если лиц будет два-три. И так далее… В СКУД на базе GOALcity есть такая настройка:

В СКУД на базе GOALcity настройка "количество потоков "

В этом случае на средненьком Intel I7 можно добиться скорости поиска и идентификации лиц - почти 0,3 сек. В данном варианте её можно увеличить только более мощным процессором. Без применения технологии CUDA скорость распознавания ОДНОГО лица зависит только от мощности ЦПУ, его одного ядра. А количество распознаваемых лиц зависит от количества физических ядер.    

Хотя, конечно, возможно использовать одно ядро и на два или более лиц, тогда скорость будет соответственно падать в это количество раз.

Все озвученные выше показатели можно удвоить в 2 раза, если установить по одной карте nVidia из расчета на каждые 5 видеокамер. В этом случае одного ядра CPU будет хватать на 2 лица в пределах 5 камер. Таких видеокарт без риска для ПК можно поставить 4, таким образом, обеспечив 20 камер на одном ПК.

Важно также понимать, что распознавание лиц и идентификация лиц – два разных алгоритма. Первый лишь ищет в кадре образы, и он не требует мощности – зато обрабатывает много потоков данных, практически каждый пиксел. Ему не нужен мощный процессор – зато нужно много слабо мощных. И этому показателю хорошо подходит архитектура видеокарт. Поэтому с применением nVidia скорость нахождения лиц в кадре резко увеличивается. И вы уже можете добиться (по нашим тестам) - 0,08 секунды.

С такими скоростями уже можно работать и на заводских проходных, и в аэропортах, и на вокзалах – везде, где быстро движется большой поток людей.

Что касается СКУД, нужно учитывать, что на обработку карточек (если они используются) и выдачу команд также требуется какое-то время. На многоуровневом TCP/IP или тем более медленном RS-485 с момента идентификации до открытия двери может пройти несколько секунд. Причем, рандомно: то быстро за миллисекунды, то на десятый раз медленно. Также сами IP-камеры дают задержку по видео. Наверное, вы всего этого не почувствуете на маленьком предприятии, но что касается, например, для прохода в метро, то там требуется специальный алгоритм состыковки СКУД с программой идентификации лиц, которая проводит свою работу на ранних стадиях. Также для устранения IP-задержек рекомендуем ставить камеры реального времени HD-SDI.

Методика подбора оборудования для скоростной идентификации лиц:

Берем компьютер с 18 ядрами ЦПУ.

4 ядра требуются для обработки других задач компьютера, в том числе для распаковки видео, доступа к архивам и проч.

12 ядер обрабатывает 12 камер идентификации лиц по одному одновременно или 6, если лиц в кадре два-три.

4 видеокарты nVidia увеличивают эти характеристики почти вдвое: 20 камер по одному лицу или 12, если лиц в кадре два-три.

Повторимся, в этой методики речь идет о высокоскоростном считывании, когда человек проходит через зону кадра на скоростях с временем видимости менее 0,1 сек. При меньших скоростях, когда лицо в кадре задерживается на секунду и более, эти показатели можно аппроксимировать вплоть до одного ядра на 10 камер.

Рекомендации по уменьшению загрузки:

Чтобы алгоритмы не загружались посторонними лицами, попадающими в кадр, в системе видеонаблюдения GOALcity есть настройка «Минимальный размер лица», она избавит от людей на заднем плане.

С этой же целью можно ограничить зону отслеживания фигурой человека. Так мы обрабатываем значительно меньше пикселей – только в верхней половине образов людей, определяемых другими нейросетями. Если они у вас не установлены, то можно поставить галочку «Искать лица только при наличии движения». Тогда алгоритм распознавания лиц будет работать лишь во время стандартной видеодетекции. 

Чтобы оповещение или сработки СКУД не повторялись, есть настройка «Время отслеживания», она предполагает, что человек не вернется обратно и не пройдет снова за это количество секунд, но пока он стоит перед камерой – реакция будет только одна. На слабом ПК старайтесь уменьшать это значение.

Вывод живого видео на клиентской части также требует ресурсов, поэтому просмотр, если он нужен, лучше осуществлять по сети.

Все эти данные относятся к профессиональной идентификации лиц с предельно высокой точностью и на огромных базах лиц, и в разных условиях освещенности, и в разных ракурсах съемки.

Если же особая точность и высокая скорость не требуются, вполне возможно использовать бюджетные устройства, как, например, Интернет-Видеорегистратор, который не только имеет собственную детекцию и автономную базу лиц, но может работать и с облачной нейронной сетью Farwit.com.

Москва безОПАСНАЯ
Работа московских систем видеонаблюдения, а также о Рублевке
Ответ от Хиквижен на наше тестирование его камер
И очередной вопрос