Китай Система распознавания лиц при быстром проходе через турникет Производители

Если честно, когда слышишь про китайские системы распознавания лиц, первое что приходит в голову — это массовое наблюдение. Но в турникетных решениях для скоростного прохода всё иначе. Мы в HezhongCheng лет пять назад начали экспериментировать с интеграцией камер в триподные турникеты, и сразу столкнулись с парадоксом: заказчики хотели и скорость, и 99.9% точности. В реальности же при потоке 30+ человек в минуту алгоритмы начинали ?путать? людей в одинаковой униформе.

Эволюция технологий распознавания

Ранние версии наших систем 2018 года использовали SDK от SenseTime. Но для скоростного прохода через турникет их алгоритмы оказались слишком ?тяжёлыми? — задержка в 1.3 секунды была неприемлема для метро в час пик. Пришлось переписывать логику предобработки изображений: теперь система сначала определяет траекторию движения, а потом уже запускает верификацию.

Интересный кейс был с аэропортом Шэньчжэня — там требовалась идентификация в условиях нижнего освещения. Добавили ИК-камеры с длиной волны 850 нм, но столкнулись с проблемой отражений от полированных поверхностей. Решение нашли через кастомизацию угла обзора объективов, хотя пришлось пожертвовать универсальностью креплений.

Сейчас тестируем гибридную систему: 3D-карта лица + thermal imaging. Особенно актуально для медицинских учреждений, где нужен и контроль доступа, и температурный скрининг. Но пока что стоимость такого решения превышает 2000 долларов за стойку — для массового рынка рано.

Аппаратные особенности турникетов

Наша компания Foshan Hezhongcheng изначально специализировалась на механических преградах, поэтому знаем нюансы механики. Например, для скоростного прохода критична инерция створок — если сделать облегчённый алюминиевый профиль, то при ветровой нагрузке возникает ?дребезжание? сенсоров.

В турникетах полной высоты вообще отдельная история — там приходится размещать камеры распознавания под углом 15 градусов, что требует коррекции перспективы в реальном времени. Кстати, наш модельный ряд HZC-7FT как раз разрабатывался с учётом этих требований.

Самое сложное — балансировка сервоприводов. Для плавного хода створок при высокой проходимости используем двигатели от японских производителей, хотя их стоимость составляет почти 40% себестоимости всего турникета.

Проблемы интеграции

Часто заказчики не учитывают сетевую инфраструктуру. Стандартный PoE-коммутатор не выдерживает одновременной передачи видео с 8 камер в 4K — появляются артефакты, которые снижают точность распознавания. Приходится прокладывать отдельную VLAN-сеть, что увеличивает смету на 15-20%.

Ещё один подводный камень — синхронизация времени. Когда NTP-сервер сбивается на 2-3 секунды, в системе учёта рабочего времени начинается хаос. Решили встраивать в контроллеры RTC-модули с автономным питанием.

Сейчас работаем над совместимостью с российскими СКУД — например, с ?Орионом?. Но там свои протоколы обмена данными, пришлось разрабатывать шлюз на базе Raspberry Pi. Кстати, подробности наших решений есть на https://www.fs-hzc.ru в разделе интеграций.

Кейсы и ошибки

В 2020 году поставили партию турникетов на завод в Дунгуане — через месяц получили рекламации. Оказалось, система принимала за ?человека? движущиеся погрузчики — пришлось дообучать модель на 5000 изображений техники.

Успешный проект — бизнес-центр в Гуанчжоу, где реализовали каскадное распознавание: сначала определение принадлежности к организации по бейджу, потом верификация лица. Пропускная способность достигла 45 человек/минуту.

Самая дорогая ошибка — попытка использовать дешёвые ИК-прожекторы. В жарком климате их ресурс оказался менее 6 месяцев. Теперь работаем только с Osram и Cree, хоть это и удорожает систему.

Перспективы развития

Сейчас экспериментируем с on-edge обработкой — переносим часть алгоритмов на камеры Ambarella H22. Это снижает нагрузку на серверы, но требует перепрошивки всего парка оборудования.

Интересное направление — адаптивные алгоритмы для людей в медицинских масках. Наши тесты показывают, что точность падает всего на 3-7% если тренировать модель на комбинированных данных.

Для российского рынка планируем локализацию прошивок — уже сейчас на https://www.fs-hzc.ru есть документация на русском. Но главный вызов — это не точность алгоритмов, а устойчивость электроники к перепадам температур. На Урале тестовые образцы показали сбои при -35°C — ищем решение с подогревом оптики.