Система автоматизированного доступа и видеоаналитики на базе лицевой и голосовой биометрии
1) Определяет гендерную принадлежность респондента с высокой точностью, что позволяет строить гипотезы о корреляции гендера и особенностях продукта 2) Изучает эмоции во время: 1. Визуального и тактильного контакта 2. Вкусовых эмоций 3. Послевкусов...
Задача
Заказчику требовалась система контроля доступа, надёжнее карт и пропусков. Физические носители теряются, передаются другим людям и подделываются, а это прямой риск для защищённых зон. Нужно было привязать доступ к самому человеку, а не к предмету в его руках, и сделать проход бесконтактным и быстрым.
Решение
Мы разработали систему автоматизированного доступа на основе биометрии, объединяющую распознавание лица и голосовую биометрию. Человек проходит идентификацию по лицу с камеры, а голосовая биометрия добавляет второй фактор подтверждения личности. Совмещение двух биометрических признаков повышает надёжность по сравнению с однофакторными решениями и затрудняет обход системы. Доступ предоставляется автоматически, без карт и кодов, а все события прохода фиксируются для последующей аналитики.
Технологии
В основе лежат нейросетевые модели распознавания лиц и модели голосовой биометрии, которые сопоставляют живого человека с эталонными биометрическими образцами. Лицевая идентификация работает с потоком камеры, голосовой фактор подтверждает личность по голосу. Поверх биометрии построен модуль управления доступом и слой видеоаналитики, который ведёт журнал событий.
Результат
Заказчик получил многофакторную биометрическую систему доступа, которую нельзя передать или подделать как обычный пропуск. Проход стал бесконтактным и быстрым, уровень защищённости вырос за счёт сочетания лицевой и голосовой биометрии. Все события доступа логируются и доступны для анализа, что закрывает задачи безопасности и учёта присутствия людей на объекте.
Похожие кейсы
Машинное зрение
Разбор технических чертежей: 3,2 секунды на чертёж и точность 97%
Партнёрский промышленный кейс на базе Z-brain: компьютерное зрение находит на PDF-чертеже основную надпись, размеры и допуски, модель извлекает параметры детали и отдаёт их в CSV и ERP. Разбор одного чертежа занимает 3,2 секунды, точность извлечения 97%.
Машинное зрение
Машинное зрение + LLM на промышленном объекте: выявлены хищения в пилоте
Юнипро: контроль ввоза/вывоза транспорта и строительных работ на энергетическом объекте: машинное зрение, Large Vision Model и LLM. В пилоте выявлено 4 несанкционированных вывоза материалов, предотвращённый ущерб превысил стоимость проекта.
Машинное зрение
Разработка модели по распознаванию и выделению контентной части документа
На вход системе подается набор однообразных документов. Необходимо построить систему, которая сможет заполнять электронную версию этих документов с высокой точностью. Требуется построить как средство разметки, так и модель распознаванию, основанну...