技术原理：
人脸识别内容
人脸识别技术包含三个部分：
(1)人脸检测
面貌检测是指在动态的场景与复杂的背景中判断是否存在面像，并分离出这种面像。一般有下列几种方法：
①参考模板法
首先设计一个或数个标准人脸的模板，然后计算测试采集的样品与标准模板之间的匹配程度，并通过阈值来判断是否存在人脸；
②人脸规则法
由于人脸具有一定的结构分布特征，所谓人脸规则的方法即提取这些特征生成相应的规则以判断测试样品是否包含人脸；
③样品学习法
这种方法即采用模式识别中人工神经网络的方法，即通过对面像样品集和非面像样品集的学习产生分类器；
④肤色模型法
这种方法是依据面貌肤色在色彩空间中分布相对集中的规律来进行检测。
⑤特征子脸法
这种方法是将所有面像视为一个面像子空间，并基于检测样品与其在子孔间的投影之间的距离判断是否存在面像。
值得提出的是，上述5种方法在实际检测系统中也可综合采用。
(2)人脸跟踪
面貌跟踪是指对被检测到的面貌进行动态目标跟踪。具体采用基于模型的方法或基于运动与模型相结合的方法。此外，利用肤色模型跟踪也不失为一种简单而有效的手段。
(3)人脸比对
面貌比对是对被检测到的面貌像进行身份确认或在面像库中进行目标搜索。这实际上就是说，将采样到的面像与库存的面像依次进行比对，并找出佳的匹配对象。所以，面像的描述决定了面像识别的具体方法与性能。目前主要采用特征向量与面纹模板两种描述方法：
①特征向量法
该方法是先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离等属性，然后再计算出它们的几何特征量，而这些特征量形成一描述该面像的特征向量。
②面纹模板法
该方法是在库中存储若干标准面像模板或面像器官模板，在进行比对时，将采样面像所有象素与库中所有模板采用归一化相关量度量进行匹配。此外，还有采用模式识别的自相关网络或特征与模板相结合的方法。
人脸识别技术的核心实际为“局部人体特征分析”和“图形/神经识别算法。”这种算法是利用人体面部各器官及特征部位的方法。如对应几何关系多数据形成识别参数与数据库中所有的原始参数进行比较、判断与确认。一般要求判断时间低于1秒。
脸识别监控系统的几个常用功能模块：
一、人脸登记
人脸登记是指通过前端摄像头或者图像导入的方式，建立人脸库。比如常见的各类政务大厅中摄像头的采集，以及公安系统的身份证照片库等。
二、人脸抓拍
人脸抓拍是指对移动中的人脸部进行识别检索提取，然后上传到系统的人脸对比服务器，与人脸库的黑名单白名单进行比。
三、人脸智能曝光
摄像机安装在室内与摄像机安装在室外光线不稳定环境时，当人走到相机有效采集距离时，摄像头会智能曝光，图像自动增强，脸部不会出现阴阳面(半脸暗，半脸亮)，看不到脸等，所采集的照片可以更好的识别和比对，同时黑夜细节也会更清晰。
四、人脸识别与报警
系统可以对每个通道进行人脸布防预警，人脸抓拍识别的照片，通过建模与数据库中的人脸进行比对，如果阈值到达预设的范围，系统会通过声音、光源等方式发出报警信号。
五、人脸检索
人脸检索是指系统输入带人脸照片，自动检测出照片中的人脸信息并截取人脸照片，用户选取需要检索的人脸，设置人脸相似度阈值、时间等信息，并显示相似的人脸结果。
六、查询功能
查询功能包括报警查询和人脸抓拍查询。报警查询是指，查询某通道设定时间段内所有的报警事件；人脸抓拍查询是指，查询通道内设定时间范围内所有的人脸抓拍事件。
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。
-/gbaciei/-
http://www.shrrhb.com
