Ensaios de detecção facial em dispositivos de borda, para monitoramento e controle de acesso em espaços abertos e inteligentes

Abstract

RESUMO: A constante evolução das técnicas e algoritmos de aprendizagem de máquina aplicados na detecção e reconhecimento de faces através do processamento inteligente de imagens tem possibilitado uma gama de aplicações inteligentes e automatizações no monitoramento e controle de acesso a ambientes. E o poder computacional cada vez maior de pequenos dispositivos como celulares, notebooks, SBC's (Single Board Computers), câmeras inteligentes, etc., têm possibilitado embarcar o processamento inteligente de imagens nesses dispositivos, ampliando ainda mais a gama de aplicações. No contexto de um sistema de monitoramento com arquitetura de processamento distribuído, esse trabalho traz um estudo sobre a aplicabilidade de se realizar a etapa de detecção de faces em dispositivos de borda em dois diferentes cenários. Para os testes, adotou-se o algoritmo (Haar Cascade), conhecidamente rápido na detecção de objetos e adequado para rodar em dispositivos com pouca capacidade de processamento, e um modelo pré-treinado para detecção de faces. Foi desenvolvida uma ferramenta para auxiliar na melhor parametrização do algoritmo e na obtenção dos dados para análise. Por fim, os resultados obtidos foram analisados e feitas a devidas considerações quanto à capacidade da detecção de faces e tempo de resposta que os dispositivos testados desempenharam em cada cenário, bem como também foram abordadas as vantagens em se executar esse processamento na borda, principalmente no que tange à utilização de banda na rede.

ABSTRACT: The constant evolution of machine learning techniques and algorithms applied to face detection and recognition through intelligent image processing has enabled a wide range of intelligent applications and automations in monitoring and access control to environments. The increasing computational power of small devices such as cell phones, notebooks, single board computers (SBC's), smart cameras, etc., has made it possible to embed intelligent image processing on these devices, further expanding the range of applications. In the context of a monitoring system with a distributed processing architecture, this work presents a study on the applicability of performing the face detection step on edge devices in two different scenarios. For the tests, the Haar Cascade algorithm was adopted, which is well-known for its speed in object detection and suitability for running on devices with low processing capacity, along with a pre-trained model for face detection. A tool was developed to assist in the best parameterization of the algorithm and the collection of data for analysis. Finally, the obtained results were analyzed, and proper considerations were made regarding the face detection capability and response time that the tested devices performed in each scenario. Additionally, the advantages of executing this processing at the edge were addressed, especially concerning network bandwidth utilization.