Параллельный модуль распознавания глаз человека в видеопотоке

Рустам Закиров, магистрант кафедры компьютерных систем КНИТУ-КАИ, представил свою работу в ходе защиты своей выпускной квалификационной работы по направлению 09.04.01 – «Информатика и вычислительная техника». В рамках данной работы: проведены исследования методов определения лиц и глаз на изображениях, способов осуществления вычислений и обработки видеопоследовательности параллельно; разработан параллельный модуль обнаружения лиц человека и их ключевых точек в видеопотоке. Обнаружение лиц – это метод, который используется, когда программное обеспечение выявляет местоположение человеческого лица на входном изображении или видео. Приложения на сегодняшний день достаточно умные, чтобы обнаружить черты лица, игнорируя иные объекты, такие как здания, тела, животные и т.д. Лицо человека на самом деле является огромным источником данных. Из такой информации можно сделать вывод, является ли человек мужчиной или женщиной, примерный возраст, и их эмоции. Люди могут анализировать лица очень быстро, для определения ключевых атрибутов достаточно доли секунд, однако в случае с компьютером это достаточно сложный процесс. Проще говоря, компьютер, который пытается обнаружить лицо, начнет с изучения статичной фотографии или видеоизображения. Затем возникает задача определения, существуют ли какие-либо грани, присутствующие в этом изображении, отличающие эти лица от всего, что еще находится в фоновом режиме. Ему необходимо делать это независимо от освещения, ориентации или расстояния камеры. Пока что системами видеонаблюдения с интегрированной технологией распознавания лиц активно занимаются либо банки, либо службы безопасности (и банков, и небанковских компаний). C развитием биометрии в целом, использование технологий биометрического распознавания лиц постепенно проникнет и в сферу розничных платежей, и в другие сферы масс-рынка, станет широко распространенным в торговом секторе и на транспорте. Более того, очевидно, что в ритейле прогресс на простом распознавании лица покупателя не остановится. Следующий шаг – распознавание эмоций. Эта технология уже рабочая и применяется, в частности, в автомобилестроении. Так, современные системы видеонаблюдения с интегрированной аналитикой эмоций могут определить, что человек засыпает за рулем или что он агрессивен, и бортовой компьютер соответствующим образом вмешивается в управление автомобилем – будит человека или блокирует управление. Технология распознавания эмоций постепенно находит применение и в западном ритейле – пока в основном в сфере анализа эмоционального восприятия рекламы на различных носителях внутри магазина или рекламных роликов в СМИ. Именно за видеоаналитикой эмоций покупателя в маркетинге – большое будущее. В любом случае в России именно ритейл и банки – первые клиенты для промышленного внедрения таких технологий – так как они дают совершенно иной тип аналитики, крайне ценный в нашу эпоху острейшей борьбы за клиента. В ходе выполнения работы выполнены задачи: проведен анализ предметной области обнаружения лиц и глаз на изображениях и в видеопотоке; проведено тестирование известных методов обнаружения лиц и глаз на изображениях; определены наиболее оптимальные методы для выполнения поставленной задачи; разработан модуль обнаружения лиц и глаз на изображениях; разработан модуль для последовательной и параллельной обработки видеопоследовательности; проведено тестирование разработанного модуля. Тестирование модуля показало ускорение выполнения процесса обнаружения лиц и глаз в видеопотоке в 3 раза. Следует отметить, что при использовании более современного CPU и нескольких GPU, модуль будет отрабатывать намного быстрее. Разработанный модуль может масштабироваться и применяться в дальнейшем для выполнения широкого спектра задач во многих сферах, таких как обеспечение безопасности или маркетинг. Подробное описание работы: https://bitbucket.org/landwatersun/forum/downloads/20200610.pdf Репозиторий проекта: https://github.com/rustamwho/EyeDetectionOnVideo #GPU #распознавание