Настройка распознавания лиц в Trassir: руководство
Настройка распознавания лиц в Trassir: руководство
Распознавание лиц в Trassir помогает быстро находить людей на записях, запускать уведомления и интегрировать систему в пропускной режим. Эта статья объясняет, как выбрать оборудование, как настроить модуль распознавания, что проверять при запуске и какие правовые нюансы учитывать. Подходит и для частных пользователей, и для инсталляторов.
Как это работает в двух словах
Trassir использует видеопоток с камер, выделяет лица, сравнивает их с базой и выдаёт событие при совпадении. Нагрузка распределяется: часть обработки может идти на камеру (edge), основная — на сервер/рабочую станцию с модулем распознавания и лицензиями. Результат — карточка с событием, фото, временем и вероятностью совпадения.
Что нужно выбрать: камеры, сервер, лицензии
Ключевые требования:
- Камеры 2 MP и выше; для уверенного распознавания лучше 4 MP. Разрешение, частота и качество освещения критичны.
- Наличие инфракрасной подсветки и WDR — для съёмки в сложных условиях.
- Сервер/ПК с CPU и видеоускорением (рекомендуют GPU для больших баз). Trassir поддерживает аппаратное ускорение через CUDA/Intel.
- Лицензии Trassir на сервер и модуль распознавания лиц (лицензия обычно помесячная или бессрочная, привязана к количеству каналов).
Типовая топология:
- Небольшой объект (дом, магазин): 1 сервер + 2–6 камер, распознавание на сервере.
- Средний/крупный объект: серверы с GPU, распределённая база, выделенный сервер событий.
Пошаговая настройка
Это упрощённый план, чтобы быстрее вывести систему в рабочее состояние.
- Установите Trassir Server и Client на сервер/рабочую станцию. Активируйте основную лицензию.
- Добавьте камеры в систему: IP-адрес, логин/пароль, профиль кодека. Убедитесь, что картинка стабильна и нет задержек.
- Установите модуль распознавания лиц (Face Recognition). Активируйте лицензию на каналы распознавания.
- Создайте базу персон: добавляйте фотографии вручную или автоматизированно (импорт из CSV/папки). Для каждой записи укажите ID, имя, метки (работник/клиент/черный список).
- Настройте детектор лиц на конкретной камере: укажите область интереса (ROI), минимальный размер лица в пикселях (рекомендовано ≥80–100 px), порог вероятности распознавания (обычно 0.6–0.8 для баланса точности и числа пропусков).
- Настройте правила и действия: уведомления, создание карточки события, включение тревоги, HTTP-вызов в систему СКУД, отправка фото на почту/мессенджер.
- Протестируйте: проходите перед камерой, анализируйте логи и карточки событий, корректируйте пороги и зоны.
Практические параметры настройки
| Параметр | Рекомендация | Комментарий |
|---|---|---|
| Разрешение камеры | ≥2 MP (1080p) | Для больших расстояний и узнавания лиц — 4 MP |
| Ширина лица в кадре | ≥80–100 px | Меньше — частые ошибки |
| Угол поворота лица | ≤30° | Большие боковые повороты ухудшают распознавание |
| Порог совпадения | 0.6–0.8 | 0.8 — меньше ложных срабатываний, но выше пропусков |
Снижение ложных срабатываний
Частые причины ошибок: плохое освещение, отражения, низкое разрешение, пересечение зон с разных камер, дубль в базе. Что помогает:
- Ограничьте зону детекции — не весь кадр, только проход/лицо.
- Увеличьте минимальный размер лица и порог совпадения.
- Используйте фильтрацию по времени суток (ночью доверять распознаванию меньше).
- Поддерживайте базу: удаляйте старые/плохие фото, группируйте дубликаты.
- Включите ручную проверку карточек при сомнительных совпадениях.
Правовые и этические требования
персональные данные
Работа с распознаванием лиц попадает под законы о персональных данных. В России это Федеральный закон 152‑ФЗ: нужно обосновать обработку, вести реестр, обеспечить хранение и доступ только уполномоченным лицам. На входе стоит разместить уведомления, а в бизнесе — иметь внутренние регламенты и сроки хранения данных. При международных проектах учитывайте GDPR и другие локальные нормы.
Пример расчёта нагрузки
Простой пример для магазина: 4 камеры 1080p, каждая 15 fps. С сервером без GPU один поток распознавания на камеру потребляет ~10–20% CPU на канале. Для 4 камер рекомендуется 4‑6‑ядряный CPU + 8–16 ГБ RAM или GPU (nVidia) для снижения нагрузки и ускорения.
Примерные цены (ориентировочно)
| Позиция | Диапазон цен, ₽ | Примечание |
|---|---|---|
| IP-камера 2–4 MP | 6 000–20 000 | Бренд, защита, подсветка |
| Сервер/ПК для Trassir | 40 000–150 000 | Зависит от GPU и накопителя |
| Лицензия Trassir (сервер + модуль) | от 10 000 до 100 000+ | По каналу и по модулю распознавания |
| Монтаж и пусконаладка | 5 000–50 000 | Зависит от объёма работ |
Чек‑лист перед полным запуском
- Камеры дают стабильную картинку при целевых сценах.
- Минимальный размер лица в кадре — не менее 80–100 px.
- Порог совпадения выбран и протестирован на реальных людях.
- База лиц очищена от низкокачественных фото и дубликатов.
- Настроены уведомления и пути интеграции (СКУД, SMS, HTTP).
- Оформлены уведомления о сборе персональных данных и внутренние регламенты.
Если нет опыта в выборе оборудования или монтаже, можно воспользоваться профессиональной услугой установки камер и систем видеонаблюдения — это сэкономит время и снизит риски при запуске: установка и настройка.
Небольшая практическая рекомендация в конце
Начните с одного контролируемого прохода: одна камера, короткая база сотрудников. Отладьте пороги и зоны, посмотрите логи и только после этого масштабируйте. Это сокращает число ошибок и помогает быстрее прийти к стабильной системе распознавания.
