人脸应用模块.docxVIP

人脸布控方案 业务需求 在企业园区/办公楼出入口、单元门等场所，外来人员、租客、访客非常的多，如何对进入企业园区/办公楼的员工和外来人员进行出入管控，通过高清视频结合人脸识别，将惯犯、危险人员照片录入人脸数据库（可与公安进行人脸数据对接），一旦闯入园区能第一时间发现潜在的危险，并且可进行人脸路径追踪，有效加强企业园区/办公楼安保强度。 设计思路 人脸布控方案采用后端的人脸比对方案，即采用具有完全自主知识产权的人脸检测算法、人脸跟踪算法、人脸抓拍算法、人脸质量评分算法及人脸识别算法、并结合配套的前端摄像机机设备和后端智能分析服务器，实现了实时人脸抓拍建模、实时人脸比对、静态人脸图片检索等功能。 本方案针对人脸注册库/人脸抓拍库动态30万的系统，前端采用高清网络摄像机，在多路前端摄像机环境下，通过人脸检测服务器对实时视频中出现的人脸进行检测抓拍并上传人脸照片至人脸识别服务器，人脸识别服务器对抓拍的照片进行数据库一对一（N）模式对比，从而实现人脸精确识别。 系统架构 系统构架 逻辑架构如下： 系统业务逻辑包含三块内容： 人脸采集系统：人脸采集系统包括普通高清网络摄像机及人脸检测服务器，将前端采集到的视频图片等非结构化数据进行分析处理，定位检测获取人脸图片。 人脸比对系统：人脸比对识别系统是对人脸采集系统传输的数据进行智能分析处理，进行人脸建模，通过人脸眼睛、鼻子、嘴、下巴等局部构成，对这些局部和它们之间结构关系的几何描述，进行人脸特征数据提取入库，并根据考勤业务需求进行二次人脸确认和事后人脸检索应用。 人脸库：人脸库包括人脸抓拍库、人脸注册库，其中抓拍库包括场景图片、场景下扣取的人脸图片、人脸特征数据，是人脸采集系统采集的人脸图片存储库，用于人脸比对识别系统进行人脸图片比对检索；注册库包括标准人脸图片、人员身份信息、人脸特征数据，用于人脸比对系统进行人脸图片比对检索。 人脸抓拍库做为静态库，适用于事后查询检索目标、人脸注册库作为动态库，用于实时比对报警，与前端实时视频进行人脸比对报警。 其中抓拍库因人流量和随着时间将越来越大，需根据项目情况合算存储设备大小。人脸注册库库数据由或专业人员导入，存储大小一般有微调，但是不会有数量级上的变化。 系统拓扑架构如下： 人脸识别系统由前端摄像机、人脸检测服务器、人脸识别服务器、人脸识别系统平台、人脸数据库及存储设备等组成； 前端摄像机：前端摄像机使用高清网络摄像机，主要实现图像采集、编码等功能； 人脸检测服务器：人脸检测服务器搭配高清网络摄像机对传输的实时视频流进行人脸检测、定位、跟踪、人脸图片选优，将人脸图片进行扣取，传输到识别服务器进行人脸建模、比对及存储； 人脸识别服务器：利用大华自主研发的人脸识别算法，对人脸检测服务器传输的人脸小图进行建模和结构化，获取人脸特征数据后为人脸实时对比识别、人脸后检索等功能提供算法支持； DSS综合管理平台：人脸识别系统平台主要实现人脸系统相关的设备管理、识别场景规则设置、报警联动等配置和管理，并结合客户端实现对图像的预览检索、各种报警信息的查看等操作。 人脸数据库服务器和人脸图片存储设备：人脸数据库专门用于存储人脸系统的人脸数据，主要包括抓拍库人脸特征向量、注册库人脸小图、注册库人脸特征向量；抓拍库图片（人脸小图和抓拍大图）存储在人脸识别服务器中，当识别服务器存储容量不足时，可扩展IPSAN设备或云存储等方式进行存储； 人脸采集设计 人脸采集设计 人脸识别系统采集有如下方式进行人脸采集录入： 固定视频摄像头人脸/单元门门口机摄像头人脸采集 移动终端拍照人脸采集 身份证人脸信息采集 网络上传人脸信息采集 以上方式进行人员人脸采集录入验证，快速导入人脸注册库,进行人脸注册。 性能指标要求 人脸识别系统性能指标主要包括人脸抓拍率、建模成功率和识别成功率及系统性能指标。 人脸抓拍率 在符合施工规范（左右旋转[-30°,30°]，俯仰角度[-15°,15°]，平面旋转[-15°,15°]）、光线较好的场景（人脸光照亮度250~800Lux）下，正常人脸的抓拍率可达95%以上。 建模成功率 人脸抓拍库：人脸抓拍库中的数据由前端采集并进行结构化处理，输出人脸图片和人脸特征向量，在建模时对抓拍的人脸进行筛选，对抓拍到的人脸建模成功率基本可达100%。 识别成功率 人脸比对性能与注册图像质量和数据库大小密切相关，性能指标主要从由两个指标进行衡量：误拒率和误识率，误拒率是指人员漏报的比率，误识率是指错误报警的比率。一般情况下如果错误报警越多（误识率越高），那么漏报的可能性就越小（误拒率越低），如果错误报警越少（误识率越低），那么漏报的可能性就越大（误拒率越高）。 一般情况下，识别成功率可达96%以上，系统可根据实际需要设置不同的人脸相识度阀值来调节识别率。另外，人脸比对性能和