Как настроить распознавание лиц на видеорегистраторе

Обновлено: 04.07.2024

Многие корпоративные покупатели NAS-ов Synology выбирают эти решения для систем видеонаблюдения, поскольку с незапамятных времён эта компания предлагала простой и эффективный инструмент для обеспечения безопасности в доме, в магазине или в коттедже. И поскольку бизнес компании активно, в прошлом году она предложила решение для видеонаблюдения в функцией интеллектуального распознавания лиц.

DVA3219 - первое устройство для Edge-видеонаблюдения

Характеристики Synology DVA3219:

Процессор Intel Atom C3538 (4С, 2.1 GHz, Hardware AES-NI)
ОЗУ: 1 модуль 4Gb DDR4, всего до двух модулей SO-DIMM общим объёмом до 32 Гб
GPU: Nvidia GeForce 1050 Ti, 4 GB

4 отсека для 3.5/2.5" HDD/SSD с интерфейсом SATA-600
Возможность подключения двух дисковых полок по 5 дисков DX517
Поддержка SSD-кэширования

Сама платформа для настольных NAS-ов у Synology уже давно не меняется, поэтому описывать дизайн корпуса и охлаждения я не вижу смысла. Вместо этого давайте ответим на наиболее частые вопросы о работе этого устройства.

Может ли DVA3219 работать как NAS?

Да, эта модель поддерживает все те же функции, что реализованы в настольных NAS-ах серии DS. Вам доступен файловый шаринг по протоколам CIFS (SMB) / NFS / iSCSI, резервное копирование вашей IT-инфраструктуры (читайте наш обзор Synology Active Backup for Business), платформа виртуализации, контейнерная виртуализация, сервер мультимедиа и даже закачка торрентов, если вам это важно.

Какая видеокарта установлена в DVA3219?

Самая обычная NVIDIA GeForce Ti1050 c 4 Гб памяти DDR5 от OEM-производителя, определить которого не удалось. Видеокарту можно вытащить и установить в настольный ПК: она определяется, на ней можно работать и играть, подключив монитор, если конечно вы найдёте, во что играть на GeForce Ti1050.

Но подключить к NAS-у монитор нельзя: порты HDMI и DVI скрыты внутри корпуса.

Можно ли использовать видеокарту для чего-то другого?

При первичной настройке NAS-а вы устанавливаете в систему SDK CUDA, правда выбора версии у вас нет. При использовании Docker, вполне возможно получить доступ к ресурсам GPU, но учитывая что CUDA презентует ресурсы GPU полностью под приложение, интеллектуальные функции видеонаблюдения работать не будут.

Доступны ли функции глубинного анализа видео на моделях с мощными CPU?

Нет, такие возможности как распознавание лиц, детектер периметра, подсчёт потока клиентов, требуют иной архитектуры вычислений, и запускаются только на NAS-ах с GPU.

Чем ещё DVA3219 отличается от обычных настольных NAS-ов Synology?

Поскольку устройство позиционируется как периферийный видеорегистратор, здесь нет выделенных слотов под SSD кэш и нет высокоскоростных 10-гигабитных интерфейсов. Зато устройство имеет целых 4 сетевых порта, для каждого из которых вы можете настроить VLAN для разграничения сетевого трафика и аггрегацию каналов для повышение отказоустойчивости.

Какие интеллектуальные функции есть?

Конечно, флагманской интеллектуальной функцией является способность устройства различать людей на видеосъёмках, да так, чтобы вы могли составив картотеку ваших посетителей и сотрудников, впоследствии посмотреть, кто и как часто попадал в поле зрении камеры.

Одновременно в DVA3219 может быть запущено 4 задачи анализа видеопотока, причём не важно будут это 4 камеры или 1. Это, собственно:

распознавание лиц,
счётчик числа посетителей, ,
нарушения виртуальной границы,
более точное определение движения (с учётом погодных условий)

Функции распознавания лиц

Пожалуй, начать надо с того, что Synology научилась отличать на записи людей от животных и автомобилей. Но в текущей версии ПО, принадлежность объекта к расе людей, машин или животных устройство определяет исключительно по физическим размерам в кадре: если движение зафиксировано на малой площади кадра, то в базу записывается событие с указанием на животное, на средней площади – человек, на большой – автомобиль. Следовательно, если в кадр попадёт слон или лошадь, возможны варианты… Но это, как говорится, лишь приятное отступление, а на деле в первое время вам предстоит провести некий процесс обучения, составляя базу портретов ваших посетителей.

Вы спросите меня, как применить распознавание лиц локально? Достаточно просто: вы можете создать базу данных ваших сотрудников и гостей, определить их статус (например, VIP или наоборот персоны нон грата), а впоследствии в базе легко выбрать интересующего вас сотрудника и открыть все записи, в которых он, прямо скажем, засветился.

И не надо думать, что для распознавания лиц нужна какая-то сверхдорогая 4K камера: разрешения 720p @ 24FPS вполне хватает для уверенной работы этой функции. Принципиально уже сегодня возможностей Synology DVA3219 достаточно, чтобы открывать двери для сотрудников автоматически на основе распознавания лиц.

Дополнительные функции глубокого анализа

Одновременно в DVA3219 может быть запущено 4 задачи анализа видеопотока, причём не важно будут это 4 камеры или 1. Это, собственно, распознавание лиц, анализ числа посетителей, прошедших через дверь, поиск на видео автомобилей или животных и анализ нарушения виртуальной границы.

Конечно, наше воображение, подогретое слухами о предстоящем цифровом контроле населения через камеры наблюдения, рисует поистине безграничные возможности для данной технологии: мы мечтаем о поиске человека по фотографии, о каталогизации его перемещений по нашему объекту, где ведётся видеонаблюдение, о возможности поиска его профиля в соц.сетях, но… реальность куда более прозаична. На сегодня функционал Synology DVA3219 позволяет обнаруживать на видео людей и… просматривать последние события по событиям в общей ленте.

Данная функция может быть особенно полезна, когда вы наблюдаете за какой-то большой территорией, например, внутренним двором здания, и в общем потоке событий вам будет легко определить, когда в поле зрения камеры попадали люди, а когда - транспортные средства. Впоследствии при расследовании инцидентов это может сократить время нахождения видеозаписей.

Собственно, из возможности отделять людей от машин и произрастают две дополнительные функции интеллектуального видеонаблюдения: подсчёт людей, пересекающих некую виртуальную границу, и улучшенное определение движения. Сегодня работа с людскими потоками, возможность предсказывания направления толпы в разных условиях, является едва ли не базовым столпом урбанистики и рекламы. Но для того, чтобы суметь посчитать число посетителей, проходящих через дверь, камера должна быть установлена строго на потолке и смотреть на макушки. У нас такой возможности нет, поэтому протестировать мы её не можем. К слову, сегодня технологии для видеонаблюдения позволяют подсчитывать количество посетителей и строить тепловые карты посещаемости объектов, так что никаких технических ограничений для этой функции нет, и Synology надо срочно исправляться.

И что с этим делать?

Среди встроенных профилей есть очень актуальный “детектор одетых масок”, который поможет вам поднять дисциплину в период эпидемий. Единственное, чего мало, так это встроенных профилей: мне бы хотелось увидеть расклейщиков объявлений, людей в форме, курящих, ненадевших маску или каску, а лучше и вовсе дать возможность самому создавать такие условия. Но, этого нет даже в дорогом коммерческом софте, чего уж требовать от NAS-а.

Перспектива интеграции в Surveillance CMS

Конечно, можно только представить, какие перспективы даёт использование таких устройств, как DVA3219 в роли выделенных серверов для ИИ-обработки изображения в распределённых сетях видеонаблюдения. Я очень надеюсь, что в будущем Synology даст возможность NAS-у распознавать лица на записях, сделанных совершенно другими NAS-ами в других филиалах в других городах. Да и вообще для таких целей можно будет централизованно устанавливать NAS-ы с GPU и проводить удалённый анализ Edge-видео, пусть даже и с небольшой задержкой. Всё это обещает большие перспективы в будущем.

Ну а сегодня единственный способ использовать ИИ-функции DVA3219 в распределённой сети CMS - это устанавливать данный NAS в качестве главного хост-сервера, потому что данная модель может использовать интеллектуальные функции анализа видео только для записей со своих камер. При подключении устройства в виде хоста видеозаписи, для доступа к интеллектуальным функциям придётся заходить на сам сервер.

Выводы

Сегодня DVA3219 - это уже готовое решение, которое может улучшить качество работы службы безопасности вашего предприятия, при этом работая ещё и в качестве хранилища для резервных копий, и у меня нет никаких сомнений, что Synology добавит установку GPU в свои Enterprise-решения, в которых как правило пустуют PCI Express слоты расширения. Уже на сегодня это вполне жизнеспособное решение, которое может повысить защищённость вашей компании и облегчить работу по установлению обстоятельств произошедших инцидентов. Практически, сейчас вы можете отслеживать перемещения ваших сотрудников, получать информацию о посещениях вашей торговой точки или фиксировать проезд автомобильной техники в базе данных. Это очень хорошее начало для настольного NAS-а, который при этом сохраняет весь тот функционал, за который пользователи покупают устройства Synology.

Модуль TRASSIR Face Recognition предназначен для автоматического обнаружения и распознавания лица человека на изображении с камеры. Он определяет пол, возраст, атрибуты внешности и сравнивает распознанное лицо с заранее подготовленной базой лиц TRASSIR.

Возможности модуля позволяют произвести поиск распознанных лиц в архиве по загруженной фотографии, или, по любому распознанному лицу из "Журнала распознавателя лиц", что значительно сокращает время на поиск лиц в ручном режиме.

Немаловажным фактором в качественной работе модуля является правильный выбор и установка видеокамеры. С рекомендациями можно ознакомиться в статье Распознавание лиц.

Функционал модуля TRASSIR Face Recognition применяется для следующих задач:

Оповещение сотрудников службы безопасности при обнаружении лица из "чёрного списка".
Оповещение персонала при обнаружении лица V.I.P-клиента.
Контроль за персоналом и ведение учёта рабочего времени сотрудников.
Допуск на режимные предприятия по лицу совместно с СКУД TRASSIR, Sigur, Orion.

Модуль доступен на следующих серверах TRASSIR:

На ОС Windows - локально или через offload.
На видеорегистраторах с TRASSIR OS серии QuattroStation, NeuroStation, UltraStation - локально.
На видеорегистраторах с TRASSIR OS серии MiniNVR и Duostation - через offload

1.1 Возможности

Обнаружение лица человека. Позволяет в режиме реального времени детектировать лица людей на изображении с камеры.
Работа с СКУД TRASSIR, Sigur, Orion. Позволяет использовать СКУД совместно с модулем для автоматизации пропуска на режимные объекты. СКУД TRASSIR и Sigur поддерживают двухфакторную аутентификацию - по лицу и карте доступа.

Использование offload-аналитики. За обработку изображения будет отвечать удаленный сервер аналитики, тем самым снижая нагрузку на основной сервер.

Распознавание определённых атрибутов внешности человека. Позволяет распознать атрибуты внешности и выполнить поиск по отдельным критериям - расе, цвету волос, эмоциям, бороде, головному убору, очкам, защитной маске.

Определение пола и возраста по лицу.

Поиск лиц с помощью Face Search. Позволяет произвести поиск в архиве по уже распознанному лицу, или, загруженной фотографии.

Использование базы лиц локального или удаленного сервера TRASSIR.

Работа с правилами и скриптами. Оповещения и автоматизацию по работе модуля можно настроить через правила или готовый скрипт Alarm Monitor.

2. Базовая настройка модуля

2.1 Видеоурок по базовой настройке модуля

3. Расширенная настройка модуля

3.1 Настройка GPU сервера аналитики

Для работы модуля TRASSIR Face Recognition за счёт GPU сервера аналитики необходимо сменить режим его работы.

Для этого сделать следующее:

На сервере аналитики открыть вкладку "Модули" → "Аналитика".
В окне устройств выбрать GPU и активировать "Распознаватель лиц".
Перезагрузить сервер аналитики для применения изменений.

Для активации "Распознавателя лиц" необходимо отключить все остальные детекторы так как модуль занимает все ресурсы видеокарты.

3.2 Cмена режима работы модуля

У распознавателя лиц есть 2 режима работы: режим потока и режим СКУД.

В режиме потока модуль детектирует лицо на протяжении всего времени, пока человек находится в кадре. Формируются и постепенно обновляются треки по заданному человеку. Если в течение некоторого времени трек не обновляется, то считается, что трек завершен и происходит запись результата в базу данных, генерируется событие.

Такой подход позволяет добиться максимальной точности распознавания на быстро движущемся потоке. Работает по умолчанию.

В этом режиме модуль не ждёт пока человек покинет кадр. Запись результата в базу данных и генерирование события происходит сразу после детекции и распознавания лица оптимального качества.

Поэтому этот режим необходимо выбирать при настройке автоматизации контроля допуска людей совместно с СКУД.

Для переключения на режим СКУД необходимо:

Перейти в вкладку "Модули"→ "Распознаватель лиц".
В глобальных настройках модуля установить флаг на параметре "Режим для Системы Контроля и Управления Доступом".
Нажать на кнопку "Применить изменения".

При нажатии на кнопку "Задать настройки по умолчанию" будут заданы оптимальные настройки детектора для работы со СКУД. Предыдущие глобальные настройки будут сброшены.

Функции современных систем видеонаблюдения уже давно не исчерпываются только контролем доступа на объект и отслеживанием перемещений посетителей. По мере расширения технических возможностей системы слежения получили возможность распознавать и идентифицировать лица даже в плотном потоке людей, при затрудненных условиях съемки.

система контроля управления доступом - видеонаблюдение считается частью системы безопасности и управляет турникетами на проходной. Главная ее функция - снижение количества аварий и происшествий благодаря исключению человеческого фактора и улучшению трудовой дисциплины,
системы безопасности и противодействия краж в супермаркетах и других торговых помещениях - кражи в магазинах не всегда спонтанны. Часто их совершают систематически одни и те же люди, и отслеживание их появления еще на входе помогает предотвратить очередное хищение,
фейс-контроль в развлекательных заведениях - информация от входа может передаваться прямо на мобильное устройство владельца, что поможет установить дополнительный контроль за действиями охранников.

Задачи распознавания лиц

Перед современной системой распознавания лиц стоит несколько задач:

организовать систему управления доступом,
найти на территории незнакомцев, которых нет в базе,
сканирование пешеходного потока в поисках нужного лица, занесенного в базу,
поиск человека в так называемой чистой зоне, например проходной - когда человек сам хочет, чтобы система опознала его и впустила.

Как работает система распознавания лиц

Принцип работы распознавания лиц прост, независимо от выбранного алгоритма: система получает отсканированное изображение лица гостя и сравнивает его с эталонными картинками, которые уже хранятся в базе. Учитываются косметические изменения во внешности: макияж, борода, очки, стрижка. Важна и скорость реакции системы: на сканирование лица, поиск аналогий и получение отклика от базы данных должен пройти период времени, примерно равный времени, за который человек пройдет от двери к пропускной системе.

Специалисты используют три популярные схемы для подключения системы распознавания:

самая популярная - IP-камера снимает поток людей на видео и передает картинку на сервер, где происходит обработка информации, сравнение отсканированных лиц с имеющимися в базе и формирование аналитического отчета для оператора. Недостаток такой системы - ограниченность сервера, число камер, подключенных к нему, не безгранично. Больших затрат потребует покупка серверного оборудования и поддержание его в рабочем состоянии.
IP-камера сама анализирует поток, а на сервер передаются уже обработанные данные. К серверу предъявляются гораздо меньшие требования, чем в предыдущем варианте, зато возрастает список технических параметров, которым должна соответствовать камера. Цена таких камер значительно выше, чем у моделей более низкого класса.
обычная видеокамера встраивается в устройство контроля доступом, которое сканирует видеопоток, распознает лица и кроме этого, управляет доступом на объект - открывает и закрывает дверь или турникет. Такие устройства эффективно работают только в помещениях, но зато имеют сравнительно невысокую стоимость.

Три главных параметра, от которых зависит эффективность функционирования системы распознавания лиц: быстрый отклик система, точность алгоритма распознавания, широта базы данных с эталонами.

Алгоритмы распознавания

Системы безопасности используют разные методы распознавания человеческой внешности, причем идеального пока не найдено - у каждого есть свои плюсы и минусы.

Нейронные сети - популярный метод, позволяющий получить качественное распознавание в течение короткого времени. Сканирование лица имеет много слоев, благодаря этому система быстро находит соответствие в своей базе данных. Есть и недостатки:

новый эталон добавить в базу очень сложно, это потребует переобучения всей сети,
внесение изменений параметров может длиться до нескольких дней,
функции распознания нуждаются в выстраивании, так как параметры алгоритма распознавания до конца не формализованы.

Скрытые Марковские модели. В их основе лежит статистическое сравнение полученных изображений с эталонами. У этого метода есть несколько существенных недостатков, что снижает его популярность:

имеет большое время отклика - вызвано тем, что система подбирает дополнительную модель для сравнения,
система легко может спутать похожих людей, так как имеет низкую способность к различению,
долгий и несовершенный алгоритм обучения,
время на перебор моделей в базе данных нельзя сократить.

Гибкое сравнение на графах. Этот метод использует в качестве вспомогательного способа 2D-моделирование. Система составляет графы - двухмерные модели лиц, которые выглядят как сетка с индивидуальным расположением ребер и вершин. Эталонный граф, который демонстрирует главный параметр распознавания, остается неизменным, а другие меняются в структуре лица. При этом учитываются основные антропометрические точки, которые в течение жизни не меняются: расстояние между ушами и глазами, ширина носа или губ. Подробные модели с большим количеством точек позволяют распознать лицо как можно точнее, но в этом случае увеличится и время отклика системы.

Сложность процесса распознавания привела к необходимости для работы такой системы мощных компьютеров. Как и при других алгоритмах, внедрение новых эталонов в базу требует сил и времени, а чем обширнее база эталонов, тем дольше обрабатывает их система.

Основа системы распознавания лиц - умные камеры

IP-камеры отвечают за сканирование лица нового посетителя, обработку полученной модели и отклика от системы. Специфические характеристики камер делят их на несколько видов в зависимости от функции, которую они выполняют в системе:

обнаружение объекта - выступают своего рода “сторожами” подконтрольной территории. Они не распознают лица, а лишь наводят на объект умные видеокамеры с более совершенными техническими характеристиками, которые и сканируют биометрические параметры гостя. Их устанавливают при входе на территорию для фиксации посетителей, используют для общей видеосъемки. Технические их характеристики далеки от совершенства: фокусное расстояние до 1 мм, разрешение от 1 Мрх, но этого для обнаружения проникновения на объект вполне достаточно.
опознание - берут за основу 3-4 основных биометрических параметра, по которому и осуществляется сканирование. Фокусное расстояние доходит до 6 мм, разрешение стартует от 2 Мрх.
Идентификация - такие камеры делают детальное сканирование лица по нескольким параметрам, чтобы полученное изображение высокого качества могло использоваться в более совершенной системе распознавания лиц. Фокусное расстояние колеблется от 8 до 12 мм, а разрешение – от 5 Мрх.

Кроме фокусного расстояния и разрешения, на качество распознавания влияют количество источников света, адаптация камеры к плохому освещению, место ее установки, угол обзора и средства защиты от негативных проявлений окружающей среды.

Обычно камеры размещаются на проходной или в дверях производственного или коммерческого помещения. Оптимальное место - на уровне лица посетителя или под небольшим углом. Так можно обеспечить лучший угол обзора и качество распознавания.

Распространенные программы для систем распознавания

Разработкой систем распознавания лиц занимаются многие компании - эта сфера стала востребованной не только в связи с возможностью предотвращения коммерческих убытков, злоупотреблений персонала и банальных краж, но и в свете участившихся преступлений в общественных местах. С помощью программ распознавания можно вычислить потенциального преступника еще на подходе к зданию с большим количеством людей.

Компания Синезис, Face Director

В линейке этой компании множество разных систем видеонаблюдения и программ бизнес-аналитики на их основе. Эта программа “ловит” и идентифицирует лицо, изображение которого совпало с эталоном в ее базе данных, и сопровождает его на протяжении всего пути объекта. Ее преимущества обусловили широкую распространенность программы:

подача тревожного сигнала, если объект пытается прикрыть лицо,
высокое качество идентификации - до 99%,
широкий выбор углов обзора позволяет сканировать и идентифицировать лицо с любой точки.

Компания House Control, Face Интеллект

Специализируется на промышленных системах безопасности и идентификации лиц. Использует популярный алгоритм с открытым кодом, написанный еще несколько лет назад. Программа универсальна и адаптируется к большинству моделей аналоговых и цифровых видеокамер. Для качественного распознавания потребуется статичность объекта хотя бы на несколько секунд, поэтому важно правильно установить видеокамеру. Оптимальное место - позади турникета. Здесь программа показывает наиболее качественное распознавание.

Компания VOCORD, VOCORD FaceControl

Компания работает уже 20 лет, специализируясь на программах и системах безопасности с нестандартными параметрами. Эта программа - уникальна, так как является собственной разработкой фирмы. От других программ со схожими задачами она отличается широкими возможностями, которые предлагает оператору:

камера выхватывает лица, имеющиеся в базе, из пешеходного потока высокой плотности,
идентифицирует пол и возраст объекта,
выводит оператору предупреждения на экран, причем делит их на разные категории в зависимости от типа объекта, которого ему присвоила система,
процесс распознавания идет в режиме реального времени,
предлагает оператору составить аналитический отчет по проделанной работе,
осуществляет поиск по базе лиц и в архиве.

Нужна помощь специалиста?

Свяжитесь с нами! Эксперты TERATEK всегда готовы ответить на интересующие
вас вопросы и предоставить развернутую консультацию!

Метод 1. Статистический анализ

Этот метод считается более простым, его средний показатель успешности распознавания 75%. Для лучшей производительности этот метод лучше использовать с камерами, находящимися внутри помещений с ровным освещением, направленными под как можно более прямым углом к лицам людей — в офисах, магазинах, квартирах и т.п.
Воспользоваться этим методом распознавания можно, если у вас активирована лицензия Xeoma PRO, отдельной лицензии для нее не требуется. Статистический анализ изображения позволяет добавить в базу данных неограниченное количество людей, поэтому для систем с тысячами людей в базе данных этот метод обычно более выгоден финансово, чем Метод 2.

Если же вам необходимо распознавание только определённого набора лиц (к примеру, подозреваемых в несанкционированном доступе), то Xeoma можно этому обучить. Есть 2 способа:

Пример: Распознавание лиц с помощью Статистического анализа изображения в сети фитнес- и тренажёрных залов

Сценарий использования 1: самостоятельный независимый сервер в каждом филиале.

Сценарий использования 1: один центральный сервер обрабатывает все камеры, имеет единую базу данных, а филиалы используют клиентское подключение к серверу и не требуют лицензий:

Поиск человека по фотографии в записях архива работает только с Искусственным интеллектом.

Скидка: чем больше лиц в лицензии, тем ниже стоимость за 1 лицо. Для небольших баз данных этот метод может быть даже дешевле, чем метод 1, а для больших баз данных обычно наоборот.

Бонус: Если у вас активирована лицензия Xeoma Pro, это даст вам возможность внести на этом сервере в базу данных для Искусственного Интеллекта 1 человека за каждую камеру. Например, если активирована лицензия Xeoma Pro на 8 камер, то на сервере вы сможете использовать в Распознавателе лиц опцию Искусственный интеллект для 8 человек, не покупая никаких дополнительных лицензий.

Как и в Методе 1, Распознавание лиц Xeoma на базе искусственного интеллекта нужно обучить людям, которых система должна узнавать, и для этого есть также 2 основных способа.

Эта опция для работы нуждается в массивах искусственного интеллекта: после выбора этого метода нужно будет несколько минут, чтобы с внешнего ресурса подгрузились дополнительные компоненты.

Полуавтоматическое обучение (по внешним фото)

2) в модуле Распознавание лиц выбираем Искусственный интеллект в графе Алгоритм распознавания лиц
3) в модуле Чтение файла прописываем путь до одного из фото
4) в модуле Распознавание лиц вводим уникальное имя в графу Имя человека для распознавания и нажимаем Обучить распознаванию
5) повторяем шаги 3-4 для всех имеющихся фото

Массовое обучение (обширные базы данных)

1) Через Xeoma обучаете программу одному человеку. Это нужно для создания папки Xeoma\FaceDetector\DNN (появляется автоматически после того, как первого человека обучили через программу).

4) В папку Xeoma\FaceDetector\DNN\Person копируем изображение лица этого же человека (можно вырезать с той же фотографии, отрезав всё лишнее). Это фото будет выводится на превью при узнавании этого сотрудника. Тут качество уже не важно.
Формат: bmp.
Важно: имя фотофайла должно быть идентичным имени сотрудника из п.2. (тоже HEX). Например, 41a43043f44b448.bmp

5) Повторяете шаги для других людей из базы (для больших баз данных стоит создать скрипт с этими действиями).

6) Перезапускаем Xeoma. После перезапуска Xeoma обучится на всех добавленных таким образом людей.
Готово! Вы произвели быстрое автоматическое обучение тысячам лиц.

Используется: Статистический анализ

+ Дополнительная лицензия ИИ на 1 лицо(2000 руб.)
Всего: 3700 руб.