Faceter er et system, der gør videoovervågning smart ved at levere computersyn, ansigtsgenkendelse, objektgenkendelse og videoindholdsanalyse til kameraer i realtid. I den næste fase vil alle disse muligheder blive slået sammen til én – for at "forstå" den aktuelle situation og derefter reagere på den. Holdet kalder dette koncept for "begivenhedssikkerhedsmodellen."

Projektvision

Efter at Faceter er blevet adopteret af markedet, kan det bruges til at vedligeholde hvidlister i forskellige tjenester; for eksempel på en hjemmeside ansættes medarbejdere til at udføre noget husarbejde. Ud over kommentarer kan Faceter-systemet også gemme links til blockchain-poster, der indeholder biometriske data. Den samme tilgang kunne bruges til at gemme optegnelser over butiksbesøgte og kontrollere integriteten af ​​købere, sælgere eller kurerer.
Hvis alle kameraer, der er tilsluttet Faceter, er integreret med politiets og redningstjenestens databaser, kan oplysninger om eftersøgte kriminelle, forsvundne børn eller personer i vanskeligheder straks sendes gennem systemet til deres pårørende og opholdssteder. I sådanne nødstilfælde vil politiet og specialtjenester også kunne få adgang til systemet for at opdage "billeder" af personer i Faceter-brugernes videoarkiver uden at afsløre fortrolige oplysninger, da systemet kun vil bruge data fra kameraet ejere er enige.

Projektfunktioner

1. Objekt- og ansigtsgenkendelse og den resulterende adfærdsanalyse har i høj grad forbedret videoovervågningssystemers evne til at opdage potentielle kunder og specifikke medarbejdere. Teknologiens algoritmer er blevet bevist af LFW og MegaFace test, de er de mest troværdige i branchen.
2. En praktisk applikation til enhver computer eller mobilenhed giver brugerne adgang til videoovervågningssystemet fra hvor som helst uden at skulle mestre komplekse og langsomme grænseflader.
3. Fog Computing - Ved at gøre det muligt for minearbejdere af kryptovalutaer at komme ind i et decentraliseret computernetværk for at udføre identifikationsberegninger, giver det minearbejdere højere indtægtsgenererende muligheder, og derved reducerer omkostningerne ved produktet betydeligt.
4. Blockchain-Faceter bruger alle muligheder for smarte kontrakter til at levere fleksible og gennemsigtige betalingsmuligheder og identifikationsmekanismer til tågecomputernetværket. Dette er Faceters bidrag til udviklingen af ​​krypteringsindustrien.
5. Machine Learning - Ved at bruge neurale netværk kan du lære Faceter at reagere på ændringer i visse begivenheder.
6. Databeskyttelse - Faceter afslører ikke kildevideostreams uden for et betroet miljø, kun anonymiserede data kan overføres til det decentraliserede netværk.
7.Faceter-token er "brændstoffet" i det decentraliserede netværk, hvilket giver en fleksibel, gennemsigtig, grænseoverskridende afviklingsmekanisme for alle deltagere.

Ansøgningsfelt

B2C
Software designet til hjemmebrug i lejligheder, kontorer, landejendomme såvel som i hjemmebutikker og restauranter. Betalingsmetoden er baseret på et månedligt eller årligt abonnement, vedligeholdelsessatsen afhænger af antallet af brugte kameraer og arbejdsbyrden (antal genkendte ansigter pr. tidsenhed). Faceters løsning til individuelle brugere:
– Øget sikkerhedsniveau;
– Overkommelighed;
– Bred anvendelighed (kombination med smart home-teknologi).
B2B
Softwaren kan bruges på fabrikker, lagre, store virksomheder, hoteller, kasinoer, indkøbscentre, banker og restaurantkæder, takket være samarbejdet med hjemme-, kontor- og industriudstyr leverandører Underskrevet teknisk samarbejdsaftale, samt smart device sensor og andre komponentproducents ledelsessystem.
B2G
Kommunal software kan bruges til at analysere videostreams på gader og veje, såvel som på overfyldte steder såsom stationer og lufthavne. Det kan også kombineres med databaseovervågning.
Faceter genkender hypotetisk en gerningsmands ansigt og kører det gennem en database med arkivalier for at afsløre, hvor personen for nylig har besøgt. Løsningen kan automatisk kontrollere overholdelse af normer og regler inden for transport og offentlige steder, hvilket vil øge hastigheden på opklaring af forbrydelser og sikre et højere niveau af automatisk politikontrol.

Teknisk oversigt

1. Databehandling
Faceter-softwarekomplekset er designet i form af et sæt moduler, som hver kører på forskellige systemniveauer og er ansvarlige for forskellige faser af platformdrift, Sproget til udvikling af ML-komponenter er C++11. GPU-acceleration bruges også aktivt.
Stadier af ansigtsgenkendelsesbehandling
Modtag og bearbejd afkodet videostream fra kameraet;
Ansigtsgenkendelse (hvis kameraet ikke er udstyret med indbygget ansigtsgenkendelsesteknologi);
Ansigtsrammer for bedre genkendelse;< br> >Brug af et dybt foldet neuralt netværk til at opnå funktionsvektorer for hver person;
vektorklynger, sammenligning af funktionsvektorer med tilgængelige databaser og deres placering i lagersystemet;
resultatoutput via API.
2.Faceter Distributed Network
På grund af den hurtige vækst af decentraliserede tjenester, herunder blockchain-baserede virksomheder, planlægger Faceter at tiltrække individuelle ejere af GPU-ressourcer og bruge overkommelige løsninger til at bygge din egen computernetværk, såsom SONM eller Golem, i stedet for dyre cloud-tjenester. Så der er ingen grund til at bruge dyre monopoltjenester som Amazon, Microsoft, Google osv.
Brugen af ​​minearbejderressourcer eller anden ledig computerkraft er meget gavnlig for både ejerne af disse ressourcer og forbrugerne. Selv en overfladisk sammenligning af omkostningerne ved at leje en GPU-server på Amazon Web Services versus beregningen af ​​kompensationsbeløbet til minearbejdere for en minedrift viser enorme forskelle. Derudover justeres netværkets kompleksitet med få måneders mellemrum for at reducere minearbejderbelønninger, og med den nye konsensusmekanisme er GPU-beregning overhovedet ikke påkrævet.
Hoveddeltagerne i Faceter-netværket er ejerne af GPU-ressourcer (noder). En smart kontrakt vil blive vist i slutningen af ​​hver node. Denne kontrakt vil blive brugt til at yde kompensation for computerkraft.
Decentraliserede miljøer kræver særlig verifikation af pålideligheden af ​​forbindende noder. For at sikre kvaliteten af ​​de udførte beregninger vil mindre produktive noder verificere ydeevnen af ​​andre noder og udføre beregninger gentagne gange. Højtydende noder bør være fyldt med opgaver, mens mindre kraftfulde noder vil få skår af de samme opgaver.
Beregninger vil blive sammenlignet via smarte kontrakter, og hvis deltagerne har nok bekræftelser, vil hver af dem modtage deres del af belønningen fra den dannede saldo.
Hvis den validerende node modtager en anden beregnet hash, vil dette bekræfte minearbejderens uærlighed og få dem til at afbryde forbindelsen mellem nye computere og omfordele de akkumulerede belønninger. Faceter kalder begrebet "valideringsgenkendelse."
Fordelingen af ​​arbejdsudførelse og validering af opgaver vil ske gennem særlige koordinatorknudepunkter (videohubs), der også fungerer som videohubs og obfuscatorer for følsomme data. Disse noder vil være i en betroet zone, der ikke bruger værdiløse ikke-personlige data som alle andre noder.
3. Beskyttelse af personlige data
Brugerne af videoovervågningssystemet er normalt dem, der forbinder kameraet med cloud-platformen. Der er snesevis (nogle gange millioner) af virksomheder på markedet, der leverer sådanne cloud-applikationstjenester: Ivideon, Camcloud, XMEye, vMEyeSuper osv.
Alle disse tjenester tilbyder CCTV-kameraer, men i praksis har ingen af ​​dem udviklet klare politikker for håndtering af brugerdata; ofte er der ingen midler på plads til at kontrollere adgangen til dataene.
Faceters modulære arkitektur giver brugerne mulighed for at arbejde med rå videostreams i et pålideligt miljø: på kameraejerens enhed, på Faceters servere eller i selve kameraet, hvor kun sløringsdata (ikke-personlige) bruges til at udføre opgaver på et decentralt netværk. Dataene kan med andre ord ikke konverteres til det originale format med henvisning til ejeren.
4. Faceter Token-brugsmodel
Effektiv drift af et decentraliseret netværk kræver fleksible, gennemsigtige og grænseoverskridende afviklingsmekanismer for alle deltagere. Traditionelle metoder til at bruge fiat-valutaer er ikke mulige i dette særlige tilfælde, fordi de ikke fuldt ud opfylder nogen af ​​ovenstående krav.
Det betyder, at enhver potentiel netværksdeltager skal bestå udvidede KYC-checks, åbne deres egen bank for at åbne en valutakonto og udføre internationale transaktioner for at overholde alle krav i lokal lovgivning, hvilket gør det muligt at skabe en storskala decentraliseret computerinfrastruktur er nærmest umulig.
Løsningen på dette problem er Faceters egen token som grundlag for betaling mellem forbrugere af smarte videoovervågningstjenester og netværksdeltagere. Integrationsplanen for introduktion af Faceter-platformen i blockchain-teknologien implementeres i følgende trin:
Fase 1: Udstedelse af tokens på Ethereum til frit salg og intern økonomisk brug af projektet, og til nodeejere ("minere") betale vederlag.
Fase 2: Udvikling og lancering af blockchain og mulig token-migrering. Dette trin skal løse problemet med distribueret opgaveallokering, forbedre systemets driftshastighed, sikre Ethereum blockchains uafhængighed og reducere transaktionsomkostningerne i platformen.
Systemfunktionsmodel
Faceters tjenester kan betales med tokens eller andre betalingsværktøjer (bankkort, elektroniske tegnebøger, kryptovalutaer). For at garantere, at sidstnævnte fungerer korrekt, vil Faceter implementere en øjeblikkelig konverteringsmekanisme for betalingsmærker. Kameravedligeholdelsesomkostninger er fastsat af Faceter i USD og kan revideres kvartalsvis.

Relaterede links:
https://www.qukuaiwang.com.cn/news/6777.html

*Ovenstående indhold er organiseret af YouToCoin-officielle. Hvis det genoptrykkes, bedes du angive kilden.