豐富的智能檢索特征
涵蓋了幾乎所有以人和車為主體的關鍵可檢索特征，是目前業界檢索特征*為豐富的視頻智能檢索系統。

先進的特征提取算法
采用獨特的自適應的分層特征學習算法，再現系統能針對任意的識別任務通過學習自動生成*優的特征提取，從而不斷增加新的檢索特征，具有其他系統無法比擬的自學習性和可擴展性。

臉識別監控系統的幾個常用功能模塊：
一、人臉登記
人臉登記是指通過前端攝像頭或者圖像導入的方式，建立人臉庫。比如常見的各類政務大廳中攝像頭的采集，以及公安系統的身份證照片庫等。
二、人臉抓拍
人臉抓拍是指對移動中的人臉部進行識別檢索提取，然后上傳到系統的人臉對比服務器，與人臉庫的黑名單白名單進行比。
三、人臉智能曝光
攝像機安裝在室內與攝像機安裝在室外光線不穩定環境時，當人走到相機有效采集距離時，攝像頭會智能曝光，圖像自動增強，臉部不會出現陰陽面(半臉暗，半臉亮)，看不到臉等，所采集的照片可以更好的識別和比對，同時黑夜細節也會更清晰。
四、人臉識別與報警
系統可以對每個通道進行人臉布防預警，人臉抓拍識別的照片，通過建模與數據庫中的人臉進行比對，如果閾值到達預設的范圍，系統會通過聲音、光源等方式發出報警信號。
五、人臉檢索
人臉檢索是指系統輸入帶人臉照片，自動檢測出照片中的人臉信息并截取人臉照片，用戶選取需要檢索的人臉，設置人臉相似度閾值、時間等信息，并顯示相似的人臉結果。
六、查詢功能
查詢功能包括報警查詢和人臉抓拍查詢。報警查詢是指，查詢某通道設定時間段內所有的報警事件；人臉抓拍查詢是指，查詢通道內設定時間范圍內所有的人臉抓拍事件。
人臉識別：技術挑戰
1、可見光
不同的光線環境是影響人臉識別準確率的一個主要因素
2、姿態
絕大多數人臉識別算法只能 15 度的人臉姿態變化
3、遮擋
帽子、眼睛、圍巾、發型等可能遮擋人臉的因素
4、年齡
針對同一個人不同年齡時期的照片進行人臉識別，在技術上亦是一個挑戰。
5、海量人臉庫
當人臉庫規模達到 100 萬以上，對人臉識別算法的識別精度將是一個極大的考研，而且人臉庫規模越大，考研越大。
人臉識別：業界**
1、識別率更高
比以色列face.com 人臉識別系統準確率高 25%比國內某知名人臉識別商用系統準確率高55%
2、識別速度更快
單臺服務器每秒可完成1500 萬次人臉比對在移動終端上人臉檢測幀率是 Google 的 3 倍
3、對人臉容忍度更高
人臉姿態變化30 度內可識別，60 度內可檢測人臉大小*低50 像素可識別，28 像素可檢測
4、在海量（百萬級以上）人臉庫應用場景下，人臉識別準確率高達 92%
識別率幾乎不受帽子、胡子、眼睛、發型等面部遮擋的影響。
在18-50 年齡范圍內，依舊可以保持 90%以上的識別準確率。

**的檢索性能
在任意的多檢索條件組合情況下，再現系統的響應時間均小于 0.1 秒，檢索準確率高于 92%，漏檢率低于 10%。
人臉識別系統通常由以下構建模塊組成：
人臉檢測。人臉檢測器用于尋找圖像中人臉的位置，如果有人臉，就返回包含每張人臉的邊界框的坐標。如圖 3a 所示。
人臉對齊。人臉對齊的目標是使用一組位于圖像中固定位置的參考點來縮放和裁剪人臉圖像。這個過程通常需要使用一個特征點檢測器來尋找一組人臉特征點，在簡單的 2D 對齊情況中，即為尋找*適合參考點的*佳仿射變換。圖 3b 和 3c 展示了兩張使用了同一組參考點對齊后的人臉圖像。更復雜的 3D 對齊算法(如 [16])還能實現人臉正面化，即將人臉的姿勢調整到正面向前。
人臉表征。在人臉表征階段，人臉圖像的像素值會被轉換成緊湊且可判別的特征向量，這也被稱為模板(template)。理想情況下，同一個主體的所有人臉都應該映射到相似的特征向量。
人臉匹配。在人臉匹配構建模塊中，兩個模板會進行比較，從而得到一個相似度分數，該分數給出了兩者屬于同一個主體的可能性。
人臉的識別過程
一般分三步：
(1)首先建立人臉的面像檔案。即用攝像機采集單位人員的人臉的面像文件或取他們的照片形成面像文件，并將這些面像文件生成面紋(Faceprint)編碼儲存起來。
(2)獲取當前的人體面像。即用攝像機捕捉的當前出入人員的面像，或取照片輸入，并將當前的面像文件生成面紋編碼。
(3)用當前的面紋編碼與檔案庫存的比對。即將當前的面像的面紋編碼與檔案庫存中的面紋編碼進行檢索比對。上述的“面紋編碼”方式是根據人臉臉部的本質特征和開頭來工作的。這種面紋編碼可以抵抗光線、皮膚色調、面部毛發、發型、眼鏡、表情和姿態的變化，具有強大的可靠性，從而使它可以從百萬人中精確地辨認出某個人。人臉的識別過程，利用普通的圖像處理設備就能自動、連續、實時地完成。
人臉識別是指能夠識別或驗證圖像或視頻中的主體的身份的技術。**人臉識別算法誕生于七十年代初 [1,2]。自那以后，它們的準確度已經大幅提升，現在相比于指紋或虹膜識別等傳統上被認為更加穩健的生物識別方法，人們往往更偏愛人臉識別。讓人臉識別比其它生物識別方法更受歡迎的一大不同之處是人臉識別本質上是非侵入性的。比如，指紋識別需要用戶將手指按在傳感器上，虹膜識別需要用戶與相機靠得很近，語音識別則需要用戶大聲說話。相對而言，現代人臉識別系統僅需要用戶處于相機的視野內（假設他們與相機的距離也合理）。這使得人臉識別成為了對用戶*友好的生物識別方法。這也意味著人臉識別的潛在應用范圍更廣，因為它也可被部署在用戶不期望與系統合作的環境中，比如監控系統中。人臉識別的其它常見應用還包括訪問控制、欺詐檢測、身份認證和社交媒體。
系統構成：
系統分為服務器端和客戶端，服務器端由多臺視頻智能分析服務器和視頻檢索管理服務器組成，視頻智能分析服務器通過網絡從流媒體轉發服務器獲取視頻或圖片，由視頻智能分析算法進行特征信息的提取，目前主要提供針對人和車輛的相關特征信息的分析與提取，具體包含：
1.人
包括長相、年齡、性別、衣服顏色、褲子顏色、是否戴眼鏡、是否留胡子等
2.車
包括車牌、車身顏色、車標、車型等
視頻檢索管理服務器主要負責與客戶端的交互、特性信息數據庫的管理以及特征信息的搜索。


問：人臉識別技術小知識？
答：人臉識別技術是一種基于人臉特征信息的生物識別技術。這一系列相關技術，通常也稱為肖像識別技術，采用攝像機采集包含人臉的圖像，并自動檢測和跟蹤圖像中的人臉，從而對檢測到的人臉進行人臉檢測比較。傳統的人臉識別技術主要基于可見光圖像，這也是一種常見的識別方法。簡單說，這是一個讓電腦認出你的過程。
人臉識別技術主要是基于人臉圖像特征的提取和比較。面部識別系統搜索提取的面部圖像的特征數據并將其與存儲在數據庫中的特征模板進行匹配，并且當人臉與輸入的信息吻合時輸出匹配結果。
將待識別的人臉特征與獲取的人臉特征模板進行比較，根據人臉識別技術判斷人臉的身份信息。該過程分為兩種類型:一種是確認，即一對一的圖像比較過程，另一種是識別，即一對多的圖像匹配和比較過程。
理論的面部識別具體包含搭建人臉識別技術的一連串有關技術性，包含面部圖象收集、面部精準定位、面部識別歸一化處理、真實身份確定及其真實身份搜索等；而范疇的面部識別專指根據面部開展真實身份確定或是真實身份搜索的技術性或系統軟件。
http://www.gtype.com.cn