Распознавание возраста:
нейросеть для безопасности и аналитики в одном решении

Автоматический сбор показателей посетитетей торговой точки для адаптации акционных предложений и контроля за соблюдением законодательства со стороны продавцов

О проекте

Исходная задача — не разрешать посещать сайт продавца лицам, недостигшим совершенного летнего возраста, по фотографии на сайте с веб-камеры. При этом текущее решение позволяет в режиме реального времени проверять возраст посетителей и в торговых точках, обеспечивая защиту от мошенничества с помощью масок, попыток показать фото другого человека на телефоне.

01. Про заказчика

Мировой лидер в индустрии табачных изделий, известная своими инновациями и ответственным подходом к бизнесу. Продолжая заботиться о соблюдении законодательных норм, компания стремится интегрировать передовые технологии для обеспечения уровня безопасности и удовлетворенности своих клиентов.

02. Задача проекта

Разработка передовой системы контроля возраста

Создание нейросети, способной точно определять возраст посетителей, что поможет оптимизировать процессы демографической аналитики и контроль доступа несовершеннолетних, поддерживая высокий уровень безопасности и соответствие законодательным требованиям.

03. Как мы решали задачу

0 1

Определение задачи: Исследование требований к системе и ее интеграции со сторонними платформами для полноценного функционирования.

0 2

Разработка модели нейросети: Создание и обучение модели на лучших доступных датасетах — IMDB-WIKI, UTKFace и собственном наборе данных.

0 3

Интеграция liveness-технологии: Реализация алгоритмов, предотвращающих попытки обмана системы с использованием фейковых изображений лиц.

0 4

Разработка API и Backend-системы: Создание надежной инфраструктуры для быстрого получения и обработки данных с использованием передовых технологий.

0 5

Тестирование и оптимизация: Проведение масштабных тестов для достижения точности уровня 91% классификации совершеннолетия.

0 6

Внедрение решения: Успешная интеграция модели в платформу NeuroVision и запуск на пилотные объекты для анализа демографии посетителей.

Интересный факт

В ходе тестов модели ни один младенец не был определен, как совершеннолетний, из группы 5 — 9 лет, нейросеть также никого не определила как совершеннолетнего. Из группы 10 — 14 лет, совершеннолетними определилось всего 3,2%.

04. Как это работает

1 Загрузка изображения: Пользователь передает изображение через REST API для анализа.

2 Детекция лица: Система находит и выравнивает лицо, готовя его к дальнейшей обработке.

3 Проверка подлинности: Алгоритм анализирует лицо на предмет реальности изображения, предотвращая спуфинг-атаки.

4 Определение возраста: Анализируются ближайшие вектора, на основе которых определяется предполагаемый возраст.

5 Выдача результата: Система формирует финальный ответ в формате JSON, сообщая, является ли человек, присутствующий на изображении, совершеннолетним.

05. Наша нейросеть vs конкурентное решение

Количество распознаваемых фото лиц в час
Месяцы после внедрения Системы
Ось Y - Количество распознаваемых фото лиц в час Ось X - Месяцы после внедрения Системы
Количество распознаваемых фото лиц в час
Месяцы после внедрения Системы
Ось Y - Количество распознаваемых фото лиц в час Ось X - Месяцы после внедрения Системы
Количество распознаваемых фото лиц в час
Месяцы после внедрения Системы
Ось Y - Количество распознаваемых фото лиц в час Ось X - Месяцы после внедрения Системы

06. Проблемы и их решение

Множество лиц на одном изображении

При обнаружении более одного лица система не могла корректно идентифицировать возраст, приводя к сбоям в процессе обработки.

Фотографии

Решение: возвращать ошибку

Внедрена система кодов ошибок, возвращающая «many_faces» в случае обнаружения множества лиц, что позволило оперативно обращаться с подобными случаями и оптимизировать механизм обработки.

Фотографии

Неточности в датасетах и обучении

Некоторые используемые датасеты содержали неточную информацию по возрасту, что влияло на общий результат обучения.

Решение: своё лучше!

Разработан и внедрен собственный датасет с тщательной проверкой информации для обеспечения точности и релевантности тренировки модели. Часть возраста сверялась по фото с шариками в день рождения человека.

07. Ценность проекта

Повышенная безопасность при проверке возраста

Наш проект предоставляет надежное решение для автоматической проверки возраста, что критически важно для соблюдения законодательных норм в продаже возрастных товаров. Благодаря высокоточной нейросети, бизнес получает возможность надежно идентифицировать несовершеннолетних посетителей, минимизируя риски юридических последствий и поддерживая хорошую репутацию.

Оптимизация клиентского опыта

Передовые технологии, заложенные в проект, обеспечивают быстрое и бесшовное взаимодействие с посетителями. Проверка возраста занимает считанные секунды, что предотвращает очереди и повышает уровень удовлетворенности клиентов. Улучшение клиентского опыта напрямую влияет на лояльность и повторные покупки, что делает это решение крайне привлекательным для бизнеса в сфере услуг.

Снижение операционных расходов

Автоматизация процесса проверки возраста и сегментации демографии позволяет бизнесу сократить расходы на персонал, направленный на контроль доступа и анализ клиентов. Эффективность работы системы в сочетании с минимальными затратами на поддержку помогает существенно улучшить общие финансовые показатели компании.

Демографическая аналитика в реальном времени

С помощью нашего решения бизнес получает мощный инструмент для анализа демографической информации о посетителях. Модель позволяет собирать данные о возрасте, что способствует более эффективному таргетированию рекламных кампаний и адаптацию продукции к потребностям клиентов. Это значительное преимущество для ритейлеров, стремящихся увеличить свою конкурентоспособность.

08. Команда, которая
внедрила проект

Техлид

Алексей Ягужинский

Backend-Lead

Алексей Цибульников

Менеджер проекта

Даниил Фоменко

Аналитик

Федор Головин

Computer Vision инженер

Роман Мазников

DevOps

Дмитрий Соркин

Куратор команды разметки

Марк Яговкин

09. Планы на будущее

Готовые проекты

Наша команда с 2017 года успешно реализовала 54 проекта с искусственным интеллектом. Тут собраны наши лучшие работы, про которые мы можем рассказать, про некоторые совсем немного, а некоторые мы вообще не можем тут упомянуть из-за NDA. Но готовы применять опыт в разработке нейросетей для ваших задач.