Projekt składał się z następujących modułów :
Wykrywanie twarzy
W ramach projektu została wykonana implementacja algorytmu do detekcji twarzy. Charakteryzuje się on wysoką prędkością w czasie rzeczywistym, jak również wysoką skutecznością. Dodatkowo jest odporny na przedmioty zasłaniające twarz użytkownika takie jak okulary czy kapelusz.
Liveness detection (wykrywanie żywotności użytkownika)
Na podstawie technologii deep learning wykonany został klasyfikator binarny do rozpoznawania żywotności użytkownika w czasie weryfikacji. System weryfikuje, czy na dostarczonym obrazie z kamer, znajduje się rzeczywista osoba. W przypadku w którym pokazywana była kartka papieru z twarzą lub zdjęcie z telefonu algorytm nie przepuszczał użytkownika do kolejnego etapu.
Estymacja wieku użytkownika
Na bazie zdjęcia twarzy, wykrytej z wykorzystaniem metod detekcji twarzy, zostało opracowane rozwiązanie do weryfikacji wieku użytkownika. Algorytm ten w sposób precyzyjny rozwiązuje problem określenia wieku osoby, przekształcając problem do zadania klasyfikacji wieloklasowej (obsługiwany przedział wiekowy to 0-100 lat). Rozwiązanie zostało oparte o badania naukowe z estymacji wieku na bazie twarzy które skutkowały opracowaniem zwycięskiego modelu w konkursie ChaLearn LAP 2016, w którym brało udział 115 drużyn z całego świata.
Weryfikacja wieku z wykorzystaniem dowodu tożsamości
Z wykorzystaniem systemu optycznego rozpoznawania znaków (OCR) wykonaliśmy system weryfikacji wieku użytkownika na bazie wieku podanego w dowodzie. Po dokonaniu optycznego rozpoznawania znaków została odczytana data urodzenia, na podstawie której został wyliczony wiek posiadacza dowodu.
Weryfikacja użytkownika z dowodem tożsamości
Z wykorzystaniem metod głębokiego uczenia zaimplementowaliśmy algorytm identyfikacji twarzy typu one-shot-learning. Model jest w stanie określić zgodność zdjęć na podstawie tylko dwóch obrazów, pomimo tego że nigdy tych obrazów nie widział. Rozwiązanie to zostało wykorzystane w weryfikacji użytkownika z jego dowodem tożsamości.
