文档介绍：人脸识别解决方案浙江大华技术股份有限公司解决方案部大华人脸识别解决方案目录1 人脸识别技术 32 人脸识别解决方案 43 项目概况 5—人脸识别技术随着平安城市基础建设的不断完善和加强前端摄像机采集到的数据呈现一种爆炸式的增长。对于公安行业来说数据总量不断充实的情况下如何从非结构化数据中挖掘结构化信息是平安城市建设的二期目标。另一方面公安行业对车辆的结构化信息采集已逐渐趋于成熟化、普遍化但对人员信息采集和认证技术一直使用传统技侦方式。人脸识别技术在以上情况下解决视频录像、图片等非结构化信息到人员照片、身份信息等结构化的转变。人脸识别技术相对于其他生物识别技术如指纹、指静脉、虹膜等同属于四大生物识别技术具有生物特征唯一性、可测量性、可识别性、终身不变性等特点。但相较其他识别技术具有本质的区别用户不需要专门配合人脸采集设备几乎可以在无意识的状态下就可获取人脸图像这样的取样方式没有“强制性”在实际应用场景下可以进行多个人脸的分拣、判断及识别人脸识别技术流程主要包括四个组成部分分别为人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及人脸特征数据匹配与识别。人脸图像采集及检测基于人的脸部特征对输入的人脸图像或视频流,首先判断是否存在人脸如果存在人脸则进一步的给出每个脸的位置、大小和各个面部器官的位置信息。人脸图像预处理对于人脸的图像预处理是基于人脸采集及检测结果通过人脸智能算法对选择出来的人脸图片进行优化和择优选择挑选当前环境下最优人脸并最终服务于特征提取的过程。其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。人脸图像特征提取人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取的方法归纳起来分为两大类一种是基于知识的表征方法另外一种是基于代数特征或统计学习的表征方法。基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、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可作为识别人脸的重要特征这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。人脸识别解决方案人脸特征比对识别通过采集到的人脸图片形成人脸特征数据与后端人脸库中的人脸特征数据模板进行搜索匹配通过设定一个阙值相似度超过这一阈值则把匹配得到的结果输出。这一过程又分为两类一类是确认是一对一进行图像比较的过程另一类是辨认是一对多进行图像匹配对比的过程。方案概述项目概况随着经济的发展城镇建设速度加快以及互联网的突飞猛进导致城市中人口密集流动人口增加引发了城市建设中的交通、社会治安、重点区域防范、网络犯罪日益突出等城市管理问题今后现代化城市的建设、网络信息必然将安全作为重中之重与城市的经济建设处于同等重要的地位。近年来社会犯罪率呈逐年升高的趋势特别是网络犯罪更加的严重网络逃犯频频发生罪犯的犯罪手法也更加隐蔽和先进给广大公安人员侦破案件增加了难度。同时恶性事件时有发生使人们对公共生活场所的安全感普遍降低。同时公安人员在对通缉犯进行人工排查时如大海捞针成功率极低效果也不明显。主要有如下实际问题首先由于罪犯群体不断扩大要在数以百万计的人员照片库中找出犯罪嫌疑人不仅费时费力还有可能造成遗漏等情况破案的效率大打折扣其次目前公安机关侦察案件大多数仍然依靠事后追查和通缉对已经发生的案件造成的损失很难有效弥补最后如果在案发的同时即能防患于未然就能第一时间将损失控制在最小范围内。需求分析采用高效使用的人脸监控和比对系统第一可帮助公安侦查人员快速识别辨别特定人员真实身份把过去难以想象的千万级的海量照片库比对需求变成现实从而有效的为公安视频侦查、治安管理、刑侦立案等工作提供实战上的有效帮助和解决方法。第二可帮助公安侦查人员办案时候追查和通缉真正从打变为防能够极大的减少警力资源浪费和事故发生概率。目前人脸抓拍比对系统主要应用在以下几个方面公安治安人员黑名单比对实时报警针对一些人员密集区域如车站、地铁站、机场、社区等的关键出入口、通道等卡口位置布置人员卡口后端对重点关注人员、打防控人员进行黑名单布控通过实时视频流比对布控黑名单现人脸比对识别。不明身份人员身份确认治安人员在日常巡逻、人员身份验证过程中避免肢体接触和冲突使用前端摄像机或手机进行抓拍后端通过数据库进行人员信息比对分析达到人员身份确认的应用。治安或刑侦人员对流动性人口中的无合法有效身份证件、无固定住所、无正当职业或合法经济来源的人员进行非接