Как посчитать главного кофемана в офисе, но по-айтишному, используя нейросети?
Мы коллектив достаточно молодой и иногда любим поделать что-то для себя. Просто по фану, чтобы было весело и прикольно.
У нас есть место для отдыха на одном из этажей - кофе зона. Там обычно с утра собирается много народа, обсуждаются интересные темы и решаются рабочие вопросы.
Но кофемашина - вещь любящая чистоту и порядок, поэтому мы решили запилить бота, который будет каждый день выбирать ответственного по ее уборке. А после остальные пользователи выставляют оценки за качество уборки. Таким образом формируется рейтинг, за который в последующем можно пропускать свои уборки и будет назначаться следующий человек. Функционал работает, кофемашина всегда чистая, а в капучинаторе всегда свежее молоко.
И тут мы подумали, а давайте посчитаем кто у нас главный кофеман в офисе, кто чаще всего пьет кофе? Тем более мы освоили новую технологию по распознаванию лиц и сейчас активно применяем ее.
И процесс пошел.
Началось все с того, что выделили тех кто вообще пьет кофе. Взяли фотик и пошли делать фотографии как на паспорт). Сделали каждому по фотке, обработали их (на самом деле - нет) и загрузили в базу. Лица там получились как после корпоратива 😁
После нужно было решить куда повесить камеру. Важно, чтобы угол между камерой и лицом был не более 35%, чтобы нейронка смогла распознать лицо. Выбрали место чуть выше кофемашины и левее, чтобы было видно как человек туда подходит.
Место нашли, отправили туда гастарбайтеров студентов ее повесить. После этого все подключили и настроили.
Механизм работы запрограммировали такой:
-человек заходит в кофезону, подходит к кофемашине и попадает в специальную невидимую область, которую мы отметили с разработчиками. Это , грубо говоря кофемашина + 2 метра от нее
-для каждого сотрудника дали определенный id, чтобы потом мы все смогли посчитать .
-если человек в определенной зоне находится более 15 секунд, то начинается процесс определения личности. Кофе, если что, готовится минимум минуту, так что человек там точно стоит и ждет 😁
-после того как человека определили, это время записывается в базу данных. На момент ухода фиксируется время выхода. Потом можно посчитать сколько человек там чилил))) Но мы так не делаем, пусть отдыхает)) Важно чтобы у программистов отдыхали глаза, от этого зависит их эффективность работы.
Чтобы технически все это осуществить - нужно всего лишь иметь обычную камеру в качестве не меньше HD и среднебюджетный компьютер, который будет ей управлять.
Мы подождали неделю и решили подвести итоги.
Главный кофеман - выпил аж 14 кружек за неделю. В среднем за неделю кофе каждый сотрудник пил 2-3 раза. У одного сотрудника было аж 22 записи, но оказалось, что он работает в кабинете напротив и очень часто любит выходить из него и отдыхать на кресле рядом)
В планах связать количество посещений кофезоны с коэффициентом для бота, который определяет кто моет кофемашину. Чем больше посещений - тем больше смен. Все справедливо)
В целом, получился достаточно интересный опыт работы с нейросетями, ведь их возможности безграничны. Функционал по распознаванию можно применить куда угодно, начиная от анализа пустых полок в магазине до управления различными устройствами с помощью жестов или голоса.
Если у вас есть идеи, которые вы хотели бы реализовать в вашей компании, где можно применить все возможности нейронок по распознаванию - мы с удовольствием готовы взяться за такую идею.
Пишите 😉
mivision.ru
