隨著人臉識別設備技術的普及，應該范圍越來越廣，而大家都停留在算法層面的介紹，沒有具體產品化，下面就來介紹一款產品化的人臉識別服務器人臉識別服務器是一款專門為人臉識別的廣泛應用而設計，核心技術基于人臉識別算法，結合4K地圖平臺技術、報警聯動業務邏輯，加上人臉布控功能而組合的一款專用軟硬件產品，主要用于身份識別及結合行業應用，解決傳統行業需要手寫登記、刷卡通過、刷身份證識別及靠人工識別等來解決認人的問題。由于視頻監控正在快速普及，眾多的視頻監控應用迫切需要一種快速身份識別技術，以求快速確認人員身份，實現業務邏輯的處理、服務水平的提高及異常情況智能預警。人臉識別技術無疑是最佳的選擇，采用快速人臉檢測技術可以從監控視頻圖象中實時查找人臉，并與人臉數據庫進行實時比對，從而實現快速身份識別，識別身份信息之后與業務系統數據進行關聯，產生各種各樣的應用。人臉識別產品已廣泛應用于金融、司法、軍隊、公安、邊檢、政府、航天、

電力、工廠、教育、醫療及眾多企事業單位等領域。隨著技術的進一步成熟和社

會認同度的提高，人臉識別技術將應用在更多的領域。

1.公司、住宅安全和管理。（智能人臉門禁系統）

2.企業、廠區、事業單位。（黑名單報警系統）

3.電子護照及身份證。（人證合一系統）

4.公安、司法和刑偵。（網上在逃人員比對系統）

5.自助服務。（刷臉取號系統）

6.信息安全。（在線人臉比對系統）產品功能特性

1.1 人員管理

區域管理：用于區域的添加、修改、刪除、查詢；

模板管理：主要為區域內進行人員的增、改、刪、查和添加模板等操作；

權限管理：用于增加、編輯、刪除、查詢系統的管理員。

1.2 設備管理

識別服務器管理：主要是對識別服務器的添加、編輯、刪除、查詢，能夠在列表中看到識別服務器的連接狀態。

攝像頭管理：對識別服務器下掛的攝像頭進行添加、編輯、刪除和查詢，能夠在列表中看到攝像頭的連接狀態。

解析服務器管理：對解析服務所在的服務器進行添加、編輯和刪除的操作。

攝像機認證管理：為保證系統可用性，對攝像機進行認證的操作。

人臉識別的產品化設備，人臉識別服務器

人臉識別的產品化設備，人臉識別服務器

1.3 記錄查詢

識別記錄查詢：對系統識別出的人員記錄進行查詢。識別記錄中會顯示出識別的時間、地點和被識別人員的信息。識別記錄可快速追加模板。

抓拍記錄查詢：對未確定身份的人員進行查詢。抓拍記錄中的人員包括兩種:

普通抓拍和陌生人。記錄中會顯示出抓拍的時間、地點和被抓拍人員的照片。抓拍記錄可上傳為模板。

1.4 圖片檢索

圖片檢索：圖片檢索是通過上傳目標人的照片，然后檢索其是否出現在識別記錄、抓拍記錄中，或者是否被添加為模板。

1.5人臉信息庫

建立一套完整的人臉信息庫，身份證號、姓名、出身年月、家庭住址、身高、年齡等信息與人臉圖片進行關聯。

1.6黑名單報警

建立一套黑名單人臉信息庫，當黑名單人員進入抓拍區域時，系統聯動報警，執法人員可快速應對處理。

1.7白/紅名單放行

建立一套紅/白名單人臉信息庫，當白名單人員進入抓拍區域時，系統自動放行。當紅名單人員進入抓拍區域時，系統提醒并放行。并將過往信息保存到系統數據庫中。

1.8門禁（道閘）聯動

建立一套門禁（道閘）聯動系統，當錄入系統的需放行人員進出時，系統與門禁（道閘）聯動自動放行，無需刷卡。

1.9視頻監控/存儲

建立一套視頻監控系統，作為輔助人臉識別圖片的實時視頻監控圖像，保證人臉抓拍圖片與視頻圖像的實時顯示。建立一套視頻存儲系統，人臉識別圖片的比對實現對黑名單人員的實時報警，事后可通過錄像查詢當時的視頻數據以達到取證的目的。

1.10接口調用

把識別結果傳遞給第三方平臺，人臉識別服務器做為第三方集成平臺的一部分，把實時視頻抓拍到的人臉與黑白名單庫、人臉庫對比的結果傳遞到第三方平臺，第三方平臺再做相關業務的處理，接口傳遞方式各種各樣，SDK、數據庫、SOCKET、HTTP等各種協議支持。

1.11業務系統對接

通過人臉識別服務器從第三方平臺讀取到業務數據，比如學生信息、VIP客戶信息，再與識別到的人員身份信息進行關聯，在人臉識別服務器上再做定制化業務功能擴展，比如識別學生的班級、一卡通等信息，或者對應VIP客戶的服務經理、消費記錄、愛好等等方式，并通知對應服務經理主動服務等。

1.12可視化呈現

通過采集到的人臉對應的地點、時間、停留時間等信息，對每個人員在布控的多個攝像頭采集到的相關信息進行關聯處理及呈現，并在離線的4KGIS地圖上以圖形的形式呈現出來，以最直觀的方式看到人員的活動情況。

產品性能指標

人臉識別系統性能指標可通過以下幾項指標來進行比較，包括人臉抓拍率、建模成功率和比對性能。GPU核心在性能上有很大的突破，理想環境下抓拍率和識別率接近100%，誤識率和拒識率幾乎忽略不計，GPU算法即深度學習算法，深度學習是為了能夠得到有助于理解圖片、文本等數據所表述的意義而進行的多層次的表示和抽取的學習。

2 2.1人臉抓拍率

對于光線較好的監控環境下，正常的人臉抓拍率幾乎可以達到 100%（其中抓拍到的人臉姿態偏轉在左右 60 度之內、上下偏轉 30 度之內），經過攝像機的人全被準確抓拍。

2 2.2建模成功率

由于當前的人臉識別主要針對準正面人臉進行（左右偏轉 15 度，上下偏轉5 度，臉部區域分辨率不能低于 80*80 個像素，且成像清晰），因此在建模時必須要對抓拍到的人臉圖片進行篩選。如果滿足上述條件，建模成功率不低于99.6%，即 100 個人經過，幾乎所有人的臉部圖片能夠符合建模標準。

2 2.3比對性能

人臉比對性能與模版庫注冊圖像質量和模版庫數據庫大小密切相關，性能指標主要由兩個指標進行衡量：誤拒率和誤識率，誤拒率是指黑名單人員漏報的比率，誤識率是指錯誤報警的比率。

一般情況下如果錯誤報警越多（誤識率越高），那么漏報的可能性就越小（誤拒率越低），如果錯誤報警越少（誤識率越低），那么漏報的可能性就越大（誤拒率越高）。

在非常理想情況下（注冊圖像的采集環境與真實監控環境接近，包括相機型號與架設角度一致且近一年之內采集），誤識率和誤拒率幾乎可忽略不計，也就是說接近 100%為正確識別，非理想環境下（高光，背光，反光等環境）系統可以根據客戶實際需要設置不同人臉相似度閥值來調節誤識率和誤拒率之間關系。

另外，人臉比對性能和模版庫注冊圖像質量、大小、環境、光線等因素影響很大，具體比對性能視實際場景及實際注冊圖像質量而定。兩張圖片識別過程：定位+特征提取+比對，不超過 1S。2張圖片從定位、提特征到比對出識別結果的時間，平均耗時 0.11s 特征都在內存中，一百萬次比對，用時 0.9 秒。

    引入人臉識別設備終端，還得結合實際，看自身應用場景的需要來選擇。基于主動近紅外圖像的多光源人臉識別技術是近年迅速發展起來的一種解決方案，它可以克服光線變化的影響，已經取得了卓越的識別性能，在精度、穩定性和速度方面的整體系統性能超過三維圖像人臉識別。這項技術在近兩三年發展迅速，使人臉識別技術逐漸走向實用化。

　　事實也是這樣，人臉識別技術的應用范圍從之前的考勤識別延伸到了門禁系統、商業市場和打擊違法犯罪及恐怖分子等領域。并且，得益于多光源人臉識別技術的推動作用，人臉識別技術打破了傳統產品對光源要求的瓶頸，將在更多領域得到應用。 人臉識別設備