系统构成：
系统分为服务器端和客户端，服务器端由多台视频智能分析服务器和视频检索管理服务器组成，视频智能分析服务器通过网络从流媒体转发服务器获取视频或图片，由视频智能分析算法进行特征信息的提取，目前主要提供针对人和车辆的相关特征信息的分析与提取，具体包含：
1.人
包括长相、年龄、性别、衣服颜色、裤子颜色、是否戴眼镜、是否留胡子等
2.车
包括车牌、车身颜色、车标、车型等
视频检索管理服务器主要负责与客户端的交互、特性信息数据库的管理以及特征信息的搜索。
产品特点：
集安全监测预警，黑匣子，拍照，身份识别，人数识别等多项功能于一体。
操作简单
系统正常使用时，只需要启动设备，人脸识别通过即可正常驾驶施工升降机。
人脸识别：技术挑战
1、可见光
不同的光线环境是影响人脸识别准确率的一个主要因素
2、姿态
绝大多数人脸识别算法只能 15 度的人脸姿态变化
3、遮挡
帽子、眼睛、围巾、发型等可能遮挡人脸的因素
4、年龄
针对同一个人不同年龄时期的照片进行人脸识别，在技术上亦是一个挑战。
5、海量人脸库
当人脸库规模达到 100 万以上，对人脸识别算法的识别精度将是一个极大的考研，而且人脸库规模越大，考研越大。
功能模块：
人脸捕获与跟踪
人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来，并自动地将其保存。人像跟踪是指利用人像捕获技术，当*的人像在摄像头拍摄的范围内移动时自动地对其进行跟踪。
产品一经推出，以其出色稳定的性能、经济实惠的价格受到新老客户的一致**。
人脸识别系统通常由以下构建模块组成：
人脸检测。人脸检测器用于寻找图像中人脸的位置，如果有人脸，就返回包含每张人脸的边界框的坐标。如图 3a 所示。
人脸对齐。人脸对齐的目标是使用一组位于图像中固定位置的参考点来缩放和裁剪人脸图像。这个过程通常需要使用一个特征点检测器来寻找一组人脸特征点，在简单的 2D 对齐情况中，即为寻找*适合参考点的*佳仿射变换。图 3b 和 3c 展示了两张使用了同一组参考点对齐后的人脸图像。更复杂的 3D 对齐算法(如 [16])还能实现人脸正面化，即将人脸的姿势调整到正面向前。
人脸表征。在人脸表征阶段，人脸图像的像素值会被转换成紧凑且可判别的特征向量，这也被称为模板(template)。理想情况下，同一个主体的所有人脸都应该映射到相似的特征向量。
人脸匹配。在人脸匹配构建模块中，两个模板会进行比较，从而得到一个相似度分数，该分数给出了两者属于同一个主体的可能性。
人脸识别比对
人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是*的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指，从数据库中已登记的所有人像中搜索查找是否有*的人像存在。
丰富的智能检索特征
涵盖了几乎所有以人和车为主体的关键可检索特征，是目前业界检索特征*为丰富的视频智能检索系统。
建筑施工工地电缆被盗是一个令人头疼的老问题，公司利用生产楼层呼叫器的无线技术优势，成功解决了该技术难题，令窃贼无从下手。
问：人脸识别技术小知识？
答：人脸识别技术是一种基于人脸特征信息的生物识别技术。这一系列相关技术，通常也称为肖像识别技术，采用摄像机采集包含人脸的图像，并自动检测和跟踪图像中的人脸，从而对检测到的人脸进行人脸检测比较。传统的人脸识别技术主要基于可见光图像，这也是一种常见的识别方法。简单说，这是一个让电脑认出你的过程。
人脸识别技术主要是基于人脸图像特征的提取和比较。面部识别系统搜索提取的面部图像的特征数据并将其与存储在数据库中的特征模板进行匹配，并且当人脸与输入的信息吻合时输出匹配结果。
将待识别的人脸特征与获取的人脸特征模板进行比较，根据人脸识别技术判断人脸的身份信息。该过程分为两种类型:一种是确认，即一对一的图像比较过程，另一种是识别，即一对多的图像匹配和比较过程。
理论的面部识别具体包含搭建人脸识别技术的一连串有关技术性，包含面部图象收集、面部精准定位、面部识别归一化处理、真实身份确定及其真实身份搜索等；而范畴的面部识别专指根据面部开展真实身份确定或是真实身份搜索的技术性或系统软件。
-/gbaciei/-
http://www.shrrhb.com
