目錄
第一節 核心技術 3
一、人臉檢測 3
二、特徵點檢測 5
三、人臉歸一化 5
四、人臉驗證 5
第二節 人臉識別技術應用 6
一、入庫照片及背景要求 6
二、三種應用模式 7
三、人臉識別應用場景 7
（一）出入境/戶政/治安/偵查等公共安全系統 8
（二）考試等教育類場所 8
（三）視訊人臉識別分析系統 9
第五節 系統實施 21
一、系統架構（硬體裝置） 21
（一）攝像頭 21
（二）視訊分析伺服器 21
二、部署要求 22
（一）攝像機採集系統 22
（二）伺服器部署 22
三、演算法流程 22
（一）攝像頭演算法 22
（二）伺服器演算法 23

第一節 核心技術
圖銘科技擁有自主研發的人臉識別核心演算法，該演算法適應於不同膚色、不同年齡、不同表情，針對整容、年齡變化、胖瘦等情況，演算法擁有良好的識別處理方案。在百萬複雜人臉資料集上識別率達到94%以上。整體框架如下圖：

一、人臉檢測
（1）Haar分類器
Haar分類器 = Haar-like特徵 + 積分圖方法 + AdaBoost +級聯；
① 使用Haar-like特徵做檢測。
②　使用積分圖（Integral Image）對Haar-like特徵求值進行加速。
③　使用AdaBoost演算法訓練區分人臉和非人臉的強分類器。
④　使用篩選式級聯把強分類器級聯到一起，提高準確率

（3）使用瀑布模型訓練五個獨立分類器並將結果綜合
每一個分支對應一種人臉模式，分支之間相互獨立，各個分支的訓練過程均採用級聯Boosting訓練框架。

（4）FDDB人臉檢測部分測試結果

二、特徵點檢測
採用特徵點標定的方法，用於每個部位的特徵檢測
人臉關鍵點定位是在人臉檢測基礎上，進一步定位人臉的眼睛、眉毛、鼻子和嘴巴輪廓等。主要思想是利用關鍵點附近的資訊以及各個關鍵點之間的相互關係來定位。

三、人臉歸一化
在提取特徵的基礎上，對圖片進行旋轉和縮放，為第四步人臉驗證提供儘可能無冗餘資訊的原始資料。

四、人臉驗證
通過特徵之間的比較判斷人臉的相似度。具體步驟見下圖：

第二節 人臉識別技術應用
一、入庫照片及背景要求
（一）影像的顏色、色深、及解析度
可支援彩色及灰度的影像
最低要求8-位，即256灰度影像
（二）影像的格式
各類主流的影像格式、如 bmp/jpg/png等
（三）最低影像大小
最低要求：雙眼中心之間的距離30畫素
建議大小：205*205 16-bit高彩 jpg 24KB
置於智慧卡中：104*104 8-bit灰度jpg 2.5KB
（四）背景
面部識別可在任何背景下進行
不受背景物件的移動及攝像頭的移動所影響

二、三種應用模式
1. 人像檢索模式（SCAN） 2. 人像監控模式（Watchlist） 3. 人像驗證模式（Verification）

三、人臉識別應用場景

（一）出入境/戶政/治安/偵查等公共安全系統
1. 銀行、海關、火車站等場所的查重 /查驗/查詢
2. 人員身份核實/視訊監控實時比對/警用PDA實時比對（移動警務）
3. 嫌疑人身份核實/錄影回放調查取證
4.深挖犯罪

（二）考試等教育類場所
1、考試前、考試中和考試後對考生拍照並使用人像識別技術與受理時錄入的相片進行比對，以確認考生身份，杜絕考試時冒名頂替的情況；
2、選擇一張經人像識別系統比對後的相片列印在成績單上。

（三）視訊人臉識別分析系統
1、公安部門在機場、港口、銀行等重要地點對在逃人員及其它犯罪嫌疑人的布控；
2、安全部門在會場、展館等集會場所等對重點監控人員的布控；

第三節 解決方案
一、人臉識別SDK
人臉識別SDK是一款集人臉影象檢測、規範化處理、建模和比對於一體，幫助開發者在影象和視訊中實現人臉識別功能的開發包，並通過標準的API開發介面，與第三方應用管理系統（或硬體）緊密結合。SDK由C/C++開發，兼具近紅外和可見光兩種識別演算法，可實現不同光線環境下的精準人臉識別，廣泛應用於系統登入、視訊監控、出入控制等眾多身份認證場所。

（一）人臉識別SDK包含以下功能：
1、 人臉註冊介面：新增一張使用者的人臉的人臉庫，人臉庫支援分組
2、 人臉更新介面
3、 人臉刪除介面
4、 人臉查詢介面
5、 人臉檢測介面：檢測請求圖片中的人臉，能返回人臉的位置，人臉框，個數等資訊
6、 人臉識別介面：計算請求中的圖片，返回與人臉庫中的人臉相似度相近的人臉資訊和相似度。匹配的相似度由請求中指定。如，請求中指定了80%，則返回匹配到80%相似度的人臉資訊。
7、 人臉認證介面：計算請求中的圖片，與指定一個人臉庫中的使用者id的匹配程度。與人臉識別介面的差別就是不需要匹配整個人臉庫。
8、 實時聯動應用軟體標識人臉框的介面：在高效能平臺上應用軟體1秒內大約5-10次呼叫人臉檢測介面，根據人臉框位置標註位置。

（二）人臉識別SDK特點：
作業系統：支援Unix、Linux、Windows、 Android 、iOS 等主流作業系統；
開發語言：支援Visual C#、Visual C++、PYTHON、JAVA等高階開發語言；
通訊介面：USB2.0以上、RJ45網口等；

第四節 相關產品
一、動態人臉識別
（一）功能
在人員自由行走的情況下，動態檢測人臉，並於資料庫中人臉進行比對，識別出身份以後，語音問候，同時控制門禁開關。
（二）適用範圍
替代傳統的刷卡，自動身份識別，適用於：社群、健身娛樂休閒場所、宿舍教室等。
（三）結構
在園區人行出入口部署智慧人臉識別系統，攝像頭自動抓拍後與後臺人臉庫對比，通過後，自動聯動人行道閘開啟放行，避免了保安詢問的尷尬和不禮貌場景，無感知的出入體現對進出園區使用者的尊重。
智慧人臉識別無需使用者任何操作，使用者進出園區更加方便、快捷。後續實現聯網，分級許可權管理，集團可以對各園區人行出入情況進行全天候的實時動態監控和遠端考勤，降低督查管理成本。
將原先用於公安系統的智慧人臉識別技術運用於園區出入管理，體現綠城差異化服務實力，智慧人臉識別技術準確性高，可設定黑白名單，聯動報警，園區安全係數極大提升。匯聚出入園區使用者的人臉資訊，為後續大資料分析進行資料貯備。
系統採用 C/S 架構，由前端攝像機、伺服器、人臉對比智慧客戶端、儲存裝置、資料庫、後臺管理平臺等組成，基本結構如圖所示。

（四）硬體組成

人臉識別控制器 數字高清網路攝像機

可選配置：身份證讀卡器、繼電器、門禁、閘機、電磁門

安裝場景 ：

第五節 系統實施
一、系統架構（硬體裝置）
（一）攝像頭
部署在出入口
內部演算法自動對人臉進行檢測、跟蹤、抓拍
具備人臉區域自動曝光功能，適應逆光環境
（二）視訊分析伺服器
比對服務
搜尋服務
儲存服務

二、部署要求
（一）攝像機採集系統
（1）水平偏移夾角小於10°
（2）保證人臉在鏡頭中為正臉
（3）調整合適的焦距
（4）設定合適的人臉採集區域的大小
（5）保證現場光照充足
（6）根據實際場景狀況，適當增加相應的照明裝置
（二）伺服器部署
（1）伺服器CPU
（2）每秒要求可以處理50幀影象，併發率80%。
（3）磁碟陣列儲存

三、演算法流程
（一）攝像頭演算法
（1）人臉檢測、人臉跟蹤
攝像頭對感興趣區域內出現的人員進行人臉檢測和人臉跟蹤，獲取人臉視訊流
（2）人臉質量評估
篩選視訊流中正面臉部資訊最清晰的人臉影象
（3）上傳資料

（二）伺服器演算法
（1）接受抓拍人臉影象
構建資料庫儲存抓拍影象
（2）人臉特徵提取演算法
提取抓拍影象人臉特徵
（3）比對演算法
抓拍影象特徵與身份證庫特徵進行比對
（4）返回結果
根據設定的報警閾值返回結果