Технология Smart Engines сможет распознавать банковские карты в видеопотоке

Технология Smart Engines сможет распознавать банковские карты в видеопотоке

Российская компания Smart Engines, объявляет о выпуске технологии Smart CardReader, предназначенной для распознавания пластиковых карт, выполненных эмбоссированием (выдавливанием символов) и способом индент-печати (вдавливанием символов).

В настоящее время эмбоссинг и индент-печать являются основными способами персонализации банковских дебетовых и кредитных карт.

Технология Smart CardReader предназначена для распознавания данных пластиковых карт в видеопотоке на мобильных устройствах и компьютерах/ноутбуках/терминалах, оснащенных камерой. В базовом функционале Smart CardReader умеет извлекать не только номер банковской карты, но и срок окончания действия (expiration date) и имя владельца карты (card holder name). Кроме этого решения на базе Smart CardReader можно использовать для распознавания данных клубных, дисконтных, транспортных и других видов пластиковых карт.

В отличие от уже представленных в мире технологий распознавания банковских карт, Smart CardReader распознает все цифровые и буквенные поля. Технология автоматически определяет метод печати карты (эмбоссирование или индент-печать) и обрабатывает оба типа карт в одном потоке. Передовые алгоритмы распознавания позволили добиться промышленного качества распознавания в реальных условиях работы - при различном освещении, для любых фоновых изображений карт и для старых (затертых) карт.

Все вычисления в Smart CardReader при обработке пластиковых карт осуществляются на самом устройстве (on-deviсe) в режиме реального времени без передачи изображений и видеофрагментов на сервер или в «облако».

Интеграция Smart CardReader в платежные сервисы (мобильный и интернет эквайринг) дает возможность распознавания банковских карт при осуществлении платежей в мобильных приложениях и на интернет сайтах. Для того чтобы ввести данные карты пользователю нужно показать ее камере. Время от начала показа карты до получения результата распознавания зависит от устройства и качества камеры и составляет в среднем 1-2 секунды.

Применяемые в Smart CardReader алгоритмы межкадровой интеграции для анализа результатов распознавания отдельных кадров видеопотока позволяют обеспечить промышленное качество ввода данных уже к 3-му распознанному кадру. При этом важно отметить, что распознавание в видеопотоке позволяет извлекать данные даже при недостаточном освещении или при сильных бликах. Для этого пользователь может изменить ориентацию камеры или карты, а Smart CardReader «на лету» найдет и выберет наиболее перспективные для обработки кадры. В технологиях других разработчиков, которые осуществляют распознавание по одному кадру (фотографии), получение результата в реальных условиях не может быть гарантировано.

Технология Smart CardReader является многоплатформенной и работает на большинстве распространенных операционных систем для мобильных устройств, десктопов и серверов: iOS, Mac OS X, Android, Linux, Windows, Windows Phone и основных аппаратных платформах ARMv7-v8, x86 и x86_64.

В настоящее время инструментарий для встраивания технологии распознавания пластиковых карт Smart CardReader в мобильные и десктопные приложения доступен разработчикам в виде API.

Подпишитесь на новости

В НГУ создали платформу для проверки качества данных, на которых обучают ИИ

В Новосибирском государственном университете разработали «Каппу» — платформу для управления данными, на которых обучают ИИ. Она должна помочь разобраться, кто подготовил датасет, что в нём меняли и откуда взялась ошибка. Потому что кормить модель мусором, а потом удивляться её ответам — довольно странно.

О разработке и возможности подключения других вузов сообщил сам НГУ. Университетам предлагают бесплатную облачную версию на серверах НГУ либо платную установку в собственной инфраструктуре.

«Каппа» поддерживает разметку и проверку данных, фиксирует версии наборов и авторство изменений. Исправление ошибки сохраняется в новой версии, чтобы при следующем обучении не наступать на те же грабли.

Платформа также позволяет проверять разные модели на подготовленных датасетах. При обучении фиксируются версия данных и параметры, после — результаты тестирования на эталонных наборах. Во время эксплуатации телеметрия помогает отслеживать ошибки и замечать отклонения.

Локальная установка рассчитана в том числе на случаи, когда конфиденциальные данные нельзя выносить за пределы организации.

В репозитории разработчиков среди задач проекта указаны контроль обучения, отслеживание авторства разметки и соблюдения стандартов. Здесь ставка на прослеживаемость: прежде чем требовать от ИИ безупречных ответов, полезно выяснить, чему именно его учили.

RSS: Новости на портале Anti-Malware.ru