TRL-4
Сегменти споживачів
Сегментами споживачів виступають організації, компанії та особи, які реалізують обмежений доступ до своїх об’єктів. Такими представниками можуть слугувати:
- Будівельні та обслуговуючі компанії, які хочуть забезпечити автоматичний обмежений доступ на приватну територію, (наприклад, житлового комплексу), під’їзду, квартири, тощо без залучення додаткового персоналу;
- Університети, коледжі, школи для організації пропускного режиму в корпуси, гуртожитки, лабораторії і т.д.;
- Компанії виробничої та невиробничої сфери для реалізації пропускної системи, масочного режиму в умовах карантину та реєстрації відвідування офісу працівниками;
- Торгівельно-розважальні заклади для реалізації масочного режиму в умовах карантину, визначення стану емоційного задоволення користувача наданими послугами;
- Транспорт – детектування порушників пропускного та/або масочного режимів; Служби правопорядку з метою розшуку загублених людей або пошуку злочинців.
Проблеми що вирішуються
- автоматизація контрольно-пропускного режиму;
- зменшення впливу людського фактору на точність/ефективність контрольно-пропускного режиму;
- можливість моніторингу, індикації та реєстрації відвідування об’єкту;
- можливість температурного аналізу особи що запрошує доступ з метою зменшення ймовірності захворювання персоналу об’єкта;
- визначення емоційного стану;
- забезпечення масочного режиму персоналу об’єкта;
- сигналізація;
- відстеження загублених чи втікачів.
Наявні альтернативи
- Anviz Facepass 7
- CrucialTrak BACS Quattro Touchless Multi-Biometric Reader
- Hikvision MinMoe DS-K1T671T Ultra Face Recognition Terminals
- IDEMIA Vision Pass
- Invixium IXM Titan
Основні переваги (сильні сторони) розробки
Вирішенням даної проблеми слугує автоматична система розпізнавання образів, на базі штучних нейронних мереж Face Detection (таких як MTCNN) та Face Recognition (таких як FaceNet).
Використання мікрокомп’ютера Raspberry Pi та необхідної периферієї обумовлює гнучкість та універсальність запропонованого технічного рішення.
Використання FaceNet у якості features extraction обумовлює подальше використання features для розробки допоміжних систем, у якості параметрів.
Для уникнення можливості обману системи запропоновано використовувати принцип блендінгу для трьох нейромереж розпізнавання образів з трьома різними формами початкових даних
Стан готовності
- Лабораторний зразок випробуваний
- Перевірка сумісності елементів та у системі проведена
- Вибір які елементи виробляти, а які замовляти зроблено
- Технічні вимоги до продукту уточнені
- Заявки на патенти подані
- Ціннісна пропозиція сформульована
Інформація про розробників
Що потрібно для просування розробки
Потреба в інвестиціях.