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。
先进的特征提取算法
采用独特的自适应的分层特征学习算法，再现系统能针对任意的识别任务通过学习自动生成*优的特征提取，从而不断增加新的检索特征，具有其他系统无法比拟的自学习性和可扩展性。
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。
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。
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。
**的检索性能
在任意的多检索条件组合情况下，再现系统的响应时间均小于 0.1 秒，检索准确率高于 92%，漏检率低于 10%。
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。
人脸的识别过程
一般分三步：
(1)首先建立人脸的面像档案。即用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面像文件，并将这些面像文件生成面纹(Faceprint)编码储存起来。
(2)获取当前的人体面像。即用摄像机捕捉的当前出入人员的面像，或取照片输入，并将当前的面像文件生成面纹编码。
(3)用当前的面纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库存中的面纹编码进行检索比对。上述的“面纹编码”方式是根据人脸脸部的本质特征和开头来工作的。这种面纹编码可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化，具有强大的可靠性，从而使它可以从百万人中精确地辨认出某个人。人脸的识别过程，利用普通的图像处理设备就能自动、连续、实时地完成。
人脸识别是指能够识别或验证图像或视频中的主体的身份的技术。**人脸识别算法诞生于七十年代初 [1,2]。自那以后，它们的准确度已经大幅提升，现在相比于指纹或虹膜识别等传统上被认为更加稳健的生物识别方法，人们往往更偏爱人脸识别。让人脸识别比其它生物识别方法更受欢迎的一大不同之处是人脸识别本质上是非侵入性的。比如，指纹识别需要用户将手指按在传感器上，虹膜识别需要用户与相机靠得很近，语音识别则需要用户大声说话。相对而言，现代人脸识别系统仅需要用户处于相机的视野内（假设他们与相机的距离也合理）。这使得人脸识别成为了对用户*友好的生物识别方法。这也意味着人脸识别的潜在应用范围更广，因为它也可被部署在用户不期望与系统合作的环境中，比如监控系统中。人脸识别的其它常见应用还包括访问控制、欺诈检测、身份认证和社交媒体。
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。
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
