施工电梯指纹锁、人脸识别系统同时也适应于塔吊、井架等设备，旨在防范未经授权的人员擅自驾驶操作设备而带来的安全隐患；
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。
主要功能特色包括：
1.灵活的系统扩展性
基于先进的分布式系统架构，支持动态扩充人脸匹配服务器，实现千万级甚至亿级海量人脸库的支持。
2.**的人脸比对性能
单台人脸匹配服务器每秒可完成 2000 万人次实时比对，从人脸检测到人脸识别耗时不足 200ms。在百万人脸库规模下，人脸比对结果前 10 位的命中率在95%以上
3.对人脸的宽容度高，具备人脸姿态矫正功能，当人脸左右上下倾斜在 25 度以内时不会影响识别结果。
支持基于可见光环境下的人脸识别，人脸识别结果受光线变化影响小。
对于人脸的变化，包括表情、胡须、眼镜、发型、年龄等，算法均具有良好的适应性，不影响识别准确度。
4.支持移动终端
系统客户端可运行在基于 Android 或 iOS 的移动终端上，可通过移动终端进行实时人脸采集与人脸比对。
人脸识别系统功能分析人脸识别系统以“人员轨迹查询、身份确认、人员布控”三大业务需求为主线，结合“事前预警、事中布控、事后侦查”应用模式，从“搜人、判人、控人”三个维度规划人像大数据应用系统功能，形成“人员踪迹查询、人员身份研判、人员布控预警”三大业务功能；同时辅以系统管理、移动应用需求，建立对应的“系统安全管理、人像“APP”两大增值功能，将业务应用与人性化管理机制进行有机结合，创新基于人像大数据的综合实战化应用模式。
01人脸管理功能
1）名**理。对名单库及库内名单进行管理。支持用户新增、修改、删除名单库，也可以对库内名单进行新增、修改、删除等动作。2）资源管理。对布控点及布控点内的人脸采集摄像机/抓拍相机进行管理，可添加，修改，删除抓拍机。
3）布控管理。支持添加、编辑、撤销布控任务。可添加一条含布控名称、布控对象、布控范围（可地图选点）、分时段阈值、布控原因的布控任务，并可通过输入关键字对人脸布控进行检索。
4）任务管理。支持对上传记录进行显示、查询及删除操作。可显示上传图片的记录，并按姓名、证件号和建模状态查询查看建模的黑名单、总数、成功数和失败数。
02人脸应用功能
可通过多种查询方法，对人员信息、人员抓拍进行数据处理和分析，从而筛选出满足提交的人员信息。
1）实时抓拍。
基于前端高清摄像机或人脸抓拍相机，通过系统或抓拍相机在实时视频中检测人脸，跟踪人脸运动轨迹，截取到*清晰的一帧进行储存。并把抓拍人脸照片、经过时间、相机地点信息等记录在路人库中，抓拍到并储存的人脸信息可作为检索数据库使用。支持按树形目标选择抓拍通道，并同时查看一路或多路实时人脸图片抓拍。支持背景图及小图的下载。
2）实时预警（人脸卡口）。
支持抓拍图片与黑名单库的实时比对。支持预警接收的设置，在预警设置里,可选择预警接收的布控任务和布控范围。3）历史预警。支持按布控任务、布控范围、布控对象、相似度、时间、报警确认形式进行单一条件或组合条件的查询。支持设置查询结果按时间或相似度排序。
4）人脸查询。
支持对动态抓拍库、静态名单库的人脸查询。查询照片支持原图查看，详细信息查看，前后视频预览。人脸图像及相关结构化信息可导出成excel文件。
5）以脸搜脸（1:N比对）。
用户可以选择某张人像图片，在抓拍库或者静态名单库中寻找相似度高的人像图片。系统根据相似度高低来排序。待比对的图片可以本地上传，也可以是抓拍图片或者是静态图片。当上传图片过于模糊时，支持用户手动标注加强识别的功能，通过网站界面手动标注特征点或框选范围，帮助系统识别到准确的人脸位置，提高比对准确率，改善模糊照片的比对效果。
6）人脸查重（N:N比对）。
系统支持针对单个人员库或两个人员库之间的重复人员查询，并返回查重结果。在查重任务进行过程中，可查看任务状态、相关信息等，并对已完成的查重任务进行查看、删除等操作。
7）人脸APP。
支持人脸检索功能，通过拍照上传或者本地图片上传的方式，进行人脸比对，比对成功后，按相似度返回相应的人脸检索结果。
8）人员轨迹分析。
可利用已有的人脸图片或者系统检索出的人脸图片，搜索出一定时间段及监控范围内的相似人脸图片，选择目标人员人脸图片，分析目标人员“从哪里来、到哪里去、沿途经过哪里”。
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：业界**
1、识别率更高
比以色列face.com 人脸识别系统准确率高 25%比国内某知名人脸识别商用系统准确率高55%
2、识别速度更快
单台服务器每秒可完成1500 万次人脸比对在移动终端上人脸检测帧率是 Google 的 3 倍
3、对人脸容忍度更高
人脸姿态变化30 度内可识别，60 度内可检测人脸大小*低50 像素可识别，28 像素可检测
4、在海量（百万级以上）人脸库应用场景下，人脸识别准确率高达 92%
识别率几乎不受帽子、胡子、眼睛、发型等面部遮挡的影响。
在18-50 年龄范围内，依旧可以保持 90%以上的识别准确率。
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
