项目需求2018年人脸抓拍识别监控系统设备.docx

______________________________________________________________________________________________________________ 项目需求 一、项目背景： 随着教育信息化工作的深入和安防技术的不断发展， 校园安防保卫得到了各级教育主管 机构越来越多的重视， 校园安防应用虽与其他行业存在众多通性， 但也有一些自身的特点和 要求。 传统校园安防主要依靠视频监控系统， 依据人对视频信息的内容作出判断， 对异常行 为进行分析和处理。 但很多校园安全事件的发生证明， 单单依靠视频监控系统很难应对目前 校园安保的严峻形势。 基于深度学习模型的人脸识别技术以及基于此技术的动态人像智能应 用系统，可以提供人脸注册、人脸布控、人数抓拍统计、人脸库管理、检索比对等核心业务 功能，可应用于校园进行人脸实时布控，提供快速、高效、准确的实时告警。通过本系统的 部署，从校园出入口控制和区域安防入手改造传统校园出入体验， 引领校园安防监控进入“识 人”时代，从此师生的脸就是 ID ，有效提高校园治安管理水平。 本次项目采用基于机器学习的人脸检测算法和基于三维特征向量的人脸识别算法， 通过 精确的人脸检测及特征点定位、 人脸的三维特征向量模型、 人脸角度估计， 进行人脸三维变 换和低失真变形， 将目标人脸与样本人脸特征向量对齐， 提高比对精度， 从而有效提高在上 述各种情况下的人脸识别效果。本次项目运用的人脸识别技术包含以下核心单元： 1.特征点定位单元，用于对获取的原始人脸进行特征点定位； 2.三维向量模型建立单元， 用于根据一个人脸训练集的二维特征点建立通用的人脸的三 维特征向量模型； 3.人脸角度估计与三维变换单元， 用于通过通用的三维人脸特征向量模型以及原始人脸 的特征点，重建原始人脸的三维人脸模型和原始人脸的角度； 4.特征提取单元，用于从预处理后人脸中提取代表该人脸最具判决特征的特征向量； 特征比对单元，将目标人脸与数据库中已存储的样本人脸特征集合进行特征向量比 精品资料 ______________________________________________________________________________________________________________ 对。 整个系统建设采用分层结构设计， 由前端采集子系统、 网络传输子系统、 中心处理平台 组成。前端设备结构简单稳定，集成度高，安装维护方便，中心管理平台功能丰富，具有人 脸布控、 人脸搜索等功能， 将分散、 独立的现场采集点进行联网， 实现统一监控和统一管理。 具体包括： 1）前端采集子系统 前端采集子系统采用支持宽动态、 低照度的高清枪型摄像机， 实现全天候实时监控功能。 通过可调焦距镜头保证人脸采集的角度和清晰度，在必要的情况下安装补光灯。 2）网络传输子系统 主要承担将前端设备记录的人脸信息传输到后端管理中心的任务， 同时操作人员在中心 平台应用远程管理软件通过该网络可对前端设备进行远程管理、状态监测及设备参数设置。 3）中心处理平台 中心处理平台部署于核心机房，是人像智能监控系统的核心，主要由人像结构化引擎、 微信服务器、应用服务器、数据库服务器和流媒体服务器组成，实现人像检测、跟踪、特征 提取以及与已建立的人像库进行基于人像特征的实时比对，并提供检索和微信公众号服务。 中心处理平台通过应用服务器响应人像识别应用终端（ PC 客户端）发起的业务请求，通过 后台连接的人像结构化引擎、 应用平台执行具体的业务请求， 将对应的业务结果回传到人像 识别应用终端。 此外，应用服务器通过数据库服务器实现人像库的创建、更新等操作， 通过 存储模块和流媒体服务器实现视频预览、 回放以及对应于人像识别结果的视频片段及图片的 调取。 6.系统组网架构 系统总体组网如下图所示： 精品资料 ______________________________________________________________________________________________________________ 系统组网 7.系统逻辑架构 系统逻辑结构自下而上由采集层、业务层、应用层组成。 采集层： 根据不同的应用场景采用不同的前端采集设备 （如人脸摄像机、 微信公众号）， 精品资料 ______________________________________________________________________________________________________________ 完成人脸图片的采集和上传。 业务层：由人脸结构化、 人脸大数据、业务平台组成。对采集层