校园人脸识别系统解决方案-.doc

(完整word)校园人脸识别系统解决方案

校园人脸识别系统

解
决
方
案

2019 年 12月

1

目录
第一章 系统需求 3
1。1 校园人员管理现状 3
1。2 建设背景 4
1.3 本次建设目标 5
1。3。1 宿舍签到管理 5
1。3.2 图书馆刷脸进出 6
1.3。3 食堂私密场所刷脸进入 6
1。3。4 实时身份核录 6
1。3.5身份实时动态识别 6
1.3。6实时陌生人告警 7
1.3。7全局检索、实时追溯 7
1.3。8危险分子及时发现 7
1.3.9无线实时查询 7
1。3。10无线小程序录入 7
1。3.11系统对接接口 7
第二章 系统设计 8
2。1 设计原则 8
2。2 设计依据 9
2。3 系统概述 10
2.4 系统组成 11
第三章 前端子系统设计 12
3.1 前端选点规划 12
3.2 相机安装注意事项 15
3。3 高清网络摄像机选型注意事项 15
3.4 人脸识别闸机头介绍 16
第四章 网络传输子系统设计 16
4。1 网络需求 16
第五章 中心处理平台设计 17
5.1 平台概述 17
5.2 平台组成 18
5。2.1 人脸识别引擎 18
5。2.2 数据库管理服务 22
5.2。3 数据存储服务 22
5.3 系统功能 24
5。3。1 人脸布控功能 24

第一章 系统需求
1.1 校园人员管理现状
学校作为一个相对开放的机构，既要部分对外开放又要做好教育、管理好学生、确保校园安全。
出入学校的人员一般分为以下几类：1、校内教职工 2、学生 3、访客 4、陌生人。如何将以上各类人员精细化分类管理，针对不同的对象，开放不同的空间，适应不同的管理要求，在新的技术条件下,以下几类场景可以采用新型技术优化和提升学校管理手段.
1、校园门口的出入管理:当前通用的管理方式是采用刷卡结合保安人为监管的方式。这种管理方式需要人员经过通道依次通过，要求保安能够辨别校内人员和校外人员，进出高峰期时难免会产生拥堵或错乱，一旦有人员混在校内人员里面进出不易辨别，也无详细记录查证。需要有人员持续在校门口值班,以应对校门非开放阶段出入的人员需求。对进出人员的数据记录也比较零散不易查证。
2、宿舍出入签到管理：住宿学生是否按学校要求及时回宿,当前的管理方式主要分为以下几种：
（1）由宿管老师带队：定时人工清点人数，集体出入。不允许进出宿舍的时间段内宿舍关闭，学生进出需经过老师允许、开门，不可以自主出入。这种情况一般适用在底年级，带队老师的工作量大、责任大、学生出入很不自由.
（2）学生配备门禁卡、通过门禁卡签到:宿舍大门通常情况下处于常闭状态，学生可以通过门禁卡自助开门进出，理论上没有门禁卡的人，须有宿管老师开门才可以进出宿舍。这种情况下，丢卡、借卡、尾随进出情况难以避免，不易确保进出人员的身份，高峰期时若也一个一个刷卡开门通过，易引起拥堵。也无法判断签到数据的准确性，一旦有学生长期不归寝或不出寝老师不易发现，需要老师逐个查房核查各寝室人员，老师工作量大、责任压力大.
(3)学生配备考勤卡自主出入：宿舍大门通常情况下处于开放状态,学校对学生出入宿舍的时间没有严格的要求，但是要求学生归寝时间前要主动归寝并刷卡考勤，正常情况下要出寝上课，不该滞留宿舍的人员要及时出寝。这种方式能实现自觉守规矩的学生的日常考勤，但对于丢卡、借卡、尾随进出、刻意逃避的情况难以判断，无法及时发现异常情况。
以上方式难免存在遗漏和人为因素造成的误判、延误、代签、尾随等现象，有时会导致学校无法及时发现重大或恶性事件,给学校人员管理造成隐患。
3、教室签到管理：学生的到课率是保障教学效果的一大因素，通常情况下，上课点到由老师根据上课名单逐个点名，这种方式既耽误老师的时间，又难免出现代替点名的现象，到课数据也没有统一的记录和管理。
4、机房、实验室、图书馆等重点场所管理：机房实验室等重点场所为学校的稀缺资源，只有按校园管理规定允许的人员才能进入该类区域，对进出人员的控制采用刷卡方式逐个通过，对人员的到课率、机房的利用率均采用人为统计方式，这种方式既耽误老师的时间，又难免出现代替点名、尾随进入的现象，到达数据也没有统一的记录和管理。
5、校园安保升级：校园安保，特别是开放性、规模型校园的安保管理，一直都是校园管理的一大重点和难点，目前建设的视频监控系统基本上是校园安防的标配，但是视频监控是事后、被动的方式、需要相关人员查看和主观判断，缺乏主动性、实时性，各摄像头之间的数据相互独立，无法自动关联形成特定人员的即时行动轨迹，无法快速查找特定人员,无法获得人员的确切数据。
1.2 建设背景
近年来人脸识别技术的飞速发展和快速成熟，使人脸识别技术在各行各业大批量商用并在实战应用中发挥重要作用。其应用场景涉及银行、泛金融、公安、机场、车站、商场、智慧园区、校园、社区等。
人脸识别技术利用人的面部特征进行身份辨识，是目前所有生物识别技术中对使用者影响最小的技术，也是该领域中取得最新突破的识别技术之一。较之于其它的生物识别技术,人的面部特征是非常稳定可靠的，而且“携带”便利,人脸也是用于区分人的首要特征.
基于机器学习、深度学习模型的人脸识别技术开发的人脸布控系统，可以提供人脸注册、人脸布控、人数抓拍统计、人脸库管理、检索历史比对记录等核心业务功能,可应用于人流密集或有针对性的重点场所进行人脸实时布控,提供快速、高效、准确的实时告警，后续可通过大规模人脸库检索，进一步实现人员轨迹搜索、数据挖掘、动态刷脸签到等智能应用。通过本系统的部署，可以对监控场所的流动人口、常住人口进行主动的摸查、管控，并在案件侦查和事件研判中发挥巨大作用,可以提高公安、安保、人员管理的整体联动水平和快速处置能力,减少管理成本,增加管理主动性。
1。3 本次建设目标
根据学校当前的需求,本次计划对学校大门、学生宿舍、学校图书馆、食堂采用人脸识别技术，进行相应的人员精细化管理。系统建成后将达到以下目标：
1。3。1 宿舍签到管理
Ø 对出入宿舍主入口的所有人员全天候、实时、动态人脸抓拍
Ø 动态实时刷脸签到，大流量时快速通过不拥堵
Ø 自动分析统计签到情况，提醒未签到人员，以便宿管人员实时监管或督促补签
Ø 所有的抓拍数据纳入统一管理平台，以便必要时全局人脸检索、快速寻人
Ø 必要时可开通陌生人告警功能，一旦有未经允许进入区域的陌生人出现，即可实时发现、根据告警人脸照片实时辨认陌生人、快速处理。
1。3.2 图书馆刷脸进出
Ø 图书馆主入口设置刷脸签到闸机,只有系统登记过的人员才能刷脸通过闸机进出图书馆，减少不必要的人员进入图书馆,确保图书馆宝贵资源的有效利用和场所安全。
Ø 全天候实时对出现的人员抓拍、一旦有陌生人出现或尾随，系统可以发出陌生人告警
Ø 所有的抓拍数据纳入统一管理平台，以便必要时全局人脸检索、快速寻人
1。3。3 食堂私密场所刷脸进入
Ø 厨房重地涉及到所有就餐人员的食品卫生安全，只有内部工作人员方可进入，因此在厨房的关键入口或门口设置刷脸闸机通道或刷脸门锁，既解放了进入人员的双手又确保只有相应的人员进入
Ø 全天候实时对出现的人员抓拍、一旦有陌生人出现或尾随，系统可以发出陌生人告警
Ø 所有的抓拍数据纳入统一管理平台,以便必要时全局人脸检索、快速寻人
1.3。4 实时身份核录
针对学校学生、老师、职工、学校的访客等各类人员，可通过WEB客户端实时录入人员身份，建立各类人员库以便分门别类，按需管理、进出控制、分析统计、趋势分析等，实时检索人员身份信息，可只通过一张现场照片判断是否是校内人员及其具体信息。
1.3.5身份实时动态识别
根据不同人员身份、角色、出入的时间段，实时抓拍、实时识别、实时控制、实时异常告警。确保管理要求的时间内,该进的人能进、该出的人能出、不该进出的实时告警.
1。3。6实时陌生人告警
实时发现进入区域的陌生人并产生告警，告警数据可通过图像、声音、手机端、移动端多种方式传递给相关人员，人员管理的实时性、可靠性、便利性，提高整体管理水平和应急响应能力.
1。3。7全局检索、实时追溯
所有采集前端下的人员照片可以全局检索、实时追踪,一旦有事件发生，系统即可实时追溯、快速定位问题点，并可以进一步将人员的身份信息和现场的高清照片提供给相关部门，进一步研判该人员的相关信息。
1.3。8危险分子及时发现
学校人员流动性强，危险分子、不法分子混杂在人群中难以辨别.对已知危险分子、社会不良分子，可以将相关人员名单布署到黑名单库中，系统会自动辨认并发出相应告警,以便管理人员及时发现,快速应对,减少这些人员对机构造成的危害。
1.3。9无线实时查询
无线环境允许的条件下，可通过手机APP实时以图片或其他信息检索，核实人员身份,录入人员信息，查询各类告警等。
1。3。10无线小程序录入
可与学校相关系统对接,通过微信小程序对人员信息实时录入，快捷便利。
1。3。11系统对接接口
预留二次开发接口，可按学校需求开发或实现对接。
第二章 系统设计
2。1 设计原则
（1） 先进性和实用性原则
系统具有一定的先进性和前瞻性。采用基于三层体系结构的系统构架和面向对象设计的应用软件；选用稳定可靠且通用的系统软件、数据库软件、中间件软件、工具软件开发平台;配置技术领先、设备先进、质量可靠、性能价格比合理的设备。
（2） 一致性和可管理性原则
系统具有实用性，系统的所有软硬件统一考虑，融为一体，统一管理。
（3） 智能性和高效性原则
系统有很强的集成能力，快速的响应时间，使查询、统计、地图调用等业务
请求能得到及时、有效的受理。系统设计面向最终用户，保证易操作、易理解、易控制。
（4） 高可靠性和稳定性原则
系统运行稳定可靠，根据业务量分析和预测，考虑系统设备的处理能力，系统具有过负荷控制能力.考虑系统在平时和峰值情况下,安全可靠运行的设备和数据备份机制，系统支持无间断服务。从而为系统功能的实现提供一个稳定、健壮的信息交换基础平台,具有较强的容错能力。
（5） 扩展性和开放性原则
采用先进、成熟、符合国际标准的软件技术,使系统具备可灵活配置的工作流程和可扩展的开放体系结构,能够根据技术、业务的发展随时调整、增加功能。能够支持多种接入方式，具有升级和扩展能力，能满足系统业务发展的需要，方便扩大应用范围和提高应用水平；系统中配置的软件和开发的系统便于维护、升级和扩充以及二次开发,并具有支持多种接口的能力。
（6） 安全性和保密性原则
在保证信息为其他应用共享的同时，保证信息的安全。系统有完整的、
统一的用户权限管理机制，防止非法访问、越级访问和非法操作,同时提供安全日志的功能。
（7） 继承及保护用户现有投资原则
充分继承及利用用户已有投资，保证系统建设效益。系统建设的效益性将从充分集成用户已有应用和合理规划新系统两个方面得到保证。系统的设计遵循效益最大化原则，开发充分考虑包括硬件、软件、以及其它资源的合理配置。
（8） 标准性和易维护性原则
系统采用的信息分类编码、网络通信协议和数据接口标准严格执行国家有关标准和行业标准。硬件设备购置和软件系统开发符合国家/行业标准或具有标准接口，支持用户应用扩展和软件升级。提供的系统具有简单、直观、方便的维护和管理手段,尽量减少维护和管理环节。
2.2 设计依据
l 《关于进一步加强政务部门信息共享建设管理的指导意见》（发改高技
〔2013〕733 号）
l 《关于进一步加强公安机关视频图像信息应用工作的意见》（公安部-公通字〔2015〕4 号）
l 《“十二五”国家政务信息化工程建设规划》（发改高技〔2012〕1202 号)；
l 《公安信息化建设“十三五"重点任务考虑》（公安部-公装财传发〔2014〕
192 号）
l 《关于加强公共安全视频监控建设联网应用工作的若干意见》（国家发
展改革委、中央综治办、科技部、工业和信息化部、公安部、财政部、人力资源社会保障部、住房城乡建设部、交通运输部 2015 年 5 月 6 日印发)
l 《关于加强社会治安防控体系建设的意见》（中共中央办公厅、国务院办公厅 2015 年 4 月 13 日印发）
l 《安全防范工程技术规范》(GB 50348—2004）
l 《安全防范工程程序与要求》（GA/T75-1994）
l 《视频安防监控系统技术要求》（GA/T367—2001）
l 《安全防范系统验收规则》（GA308—2001）
l 《安全防范系统通用图形符号》(GA/T74—2000）
l 《安全防范系统雷电浪涌防护技术要求》（GA/T 670-2006）
l 国家、行业、地方现行的其它相关规范和标准要求

2.3 系统概述
系统采用先进的人脸检测、人脸定位、面部关键点检测、特征提取、人脸识别等技术，结合配套的前端摄像机、人脸识别核心引擎、综合管理平台、手机App、无线小程序、数据库文件服务器等，实现动态人脸抓拍、识别、实时名单库比对、实时动态刷脸签到、刷脸进出、百万数据秒级搜索等功能。
系统采用分层结构设计，由前端采集处理子系统、人脸识别核心引擎、网络传输子系统、综合管理平台、手机App组成等组成。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、数据挖掘、运维管理等诸多功能，将分散、独立的现场采集点进行联网,实现跨区域、统一监控、统一管理、数据共享、深度挖掘、综合利用等。
2.4 系统组成
系统主要由前端系统、中心和应用层、网络传输子系统组成，系统网络架构图如下:

系统网络架构图
1） 前端系统
Ø 采集前端：采用支持宽动态、低照度的高清网络摄像机、根据实际监控场景配置合适焦距的镜头或可调焦距镜头、在必要的情况下安装补光灯，全天候主动采集前端人像信息、实现全天候实时主动监控,配合人脸识别服务引擎完成人员的动态抓拍、动态识别和主动智能管理。
Ø 采集控制前端：采用动态智能识别刷脸闸机头,实现前端人脸的实时动态抓拍、识别、和控制开关量
Ø 实时显示前端:实时显示识别结果或根据识别数据定制的签到看板等
2） 网络传输子系统
一般采用有线以太网传输、特殊情况下采用无线方式。负责前、后端数据的安全、快速、稳定传输。
3） 中心处理平台
中心处理平台布署于核心机房，是人脸识别系统的核心，主要由人脸识别引擎(可以多台级联)、人脸识别管理服务器、应用服务器、数据存储中心等专用服务器组成，实现人脸检测、跟踪、特征提取以及与已建立的人脸库进行基于人脸特征的实时比对，并提供检索和数据挖掘分析服务。中心处理平台通过应用服务器响应系统终端用户(PC客户端、手持客户端等）发起的业务请求,通过人脸识别引擎执行具体的业务请求，将对应的业务结果回传到人脸识别应用终端。
4） 系统终端用户
（1）WEB客户端：人脸识别应用服务器采用B/S架构,为系统终端用户提供WEB方式的客户端，终端用户通过WEB方式实现各类人员人脸库的建立、更新，以及针对各区域内每一前端布控点分别进行布控任务及规则配置等，对识别结果多维度分析呈现。
(2）实时告警终端：大门或保安室这类有特殊要求的告警现场，采用定制的告警客户端,对实际场景的人员出入情况实时显示、实时按时段统计、实时告警等、必要时配合其它系统联动。
（3）手机客户端：系统配套的App客户端为老师、学校职工等有权限人员提供手机端入口，这类人员可以随时利用自己的账号，通过App系统，查询学生到校情况、迟到早退情况、请假情况、异常出入情况、同行同伴情况等，安保人员也可实施查看危险分子、陌生人、徘徊踩点人员等预警信息、详细信息等。
（4）小程序客户端:系统可以通过小程序对名单人员管理,方便使用随时随地。

第三章 前端子系统设计
3.1 前端选点规划
根据培训机构的实际需求，本次计划对以下点位布署前端采集相机（相机可以是枪机、球机、桶型机，具体视现场环境确定）：
一、宿舍:在宿舍主入口布署监控点，对进入机构的所有人员实时抓拍、实时识别，主入口数据可以有以下几种用途：
1、实时辨别进出宿舍的学生，自动记录进出宿舍的签到数据,根据学校的管理规则统计到寝率、出寝率.
2、实时辨别学校工作人员，需要时抓拍数据可以作为工作人员的考勤记录
3、实时辨别进入的陌生人，及时提醒管理人员处理
4、分析学生的出入记录发现异常状况，例如：在宿舍滞留时间过长、长期不归、未按规定时间出寝、入寝等。
5、所有的记录可用于全局人脸检索,确认人员在场的行动轨迹和证据，大大提高应急响应速率。
宿舍楼主入口相机布署平面示意图如下:
相机安装技术规范建议如下：

二、图书馆：图书馆作为学校资源稀缺场所，只有允许进入的人员方可进入,本次计划在图书馆主入口布署刷脸闸机头,达到通过刷脸方式自动控制闸机完成2进2出的效果，系统布署后对到达出入口的所有人员实时抓拍、实时识别，抓拍、识别的数据可以有以下用途:
1、实时辨别到达的人员是否是允许进入的人员,若是则自动控制闸机门打开，放行相关人员。
2、实时辨别到达的未经允许人员，可将这类人员的现场照片实时推送给相关人员的手机客户端、管理员WEB告警端,以便相关人员判断是否有人员尾随、踩点等.
3、所有的记录可用于全局人脸检索,确认人员在场的行动轨迹、行为证据，大大提高应急响应速率.
4、数据分析：可通过记录的数据分析人流量、高低峰期等
设备布署平面示意图大致表示如下：
三、食堂：按惯例规范食堂私密场所仅允许响应人员进出，本次计划在食堂入口布署3刷脸闸机头和一套刷脸门禁,对到达出入口的所有人员实时抓拍、实时识别，抓拍、识别的数据可以有以下用途：
1、实时辨别到达的人员是否是允许进入的人员，若是则自动控制闸机门或电控门打开，放行相关人员。
2、实时辨别到达的未经允许人员，可将这类人员的现场照片实时推送给相关人员的手机客户端、管理员WEB告警端，以便相关人员判断是否有人员尾随、踩点、非法进入等。
3、所有的记录可用于全局人脸检索，确认人员在场的行动轨迹、行为证据，大大提高应急响应速率。
设备布署平面示意图大致表示如下：

说明：以上相机图形仅用于示意相机安装相对位置，相机外观视现场具体环境配置
3.2 相机安装注意事项
对于高清监控摄像头，在不影响人员通行，且满足人员姿态要求范围内的前提下,摄像头的架设地点在人员行进路线的前上方为最佳。
监控前端若作为闸机、门禁、签到的目的使用时，建议对人员的行进路线进行规范,使人员流动方向单一，人员的正脸尽量露出来，且同时出现在场景中的人员数量越少越好。
摄像机高度和俯视角度主要是避免一前一后人员经过通道时,人脸重叠产生遮挡，同时需要照顾不同高矮人员经过时能正常抓拍.
l 摄像机设在通道正前方,正面抓拍人脸，左右偏转<30°，上下偏转〈15°;
l 建议架设高度 h 大约 2。0~3。5 米左右；
l 推荐摄像机的俯视角度 α=10°;
l d 和选用的不同镜头的焦距有关系，焦点在通道出入口,两眼间距像素不小于 40 像素.
l 背景颜色及图案尽量不要太复杂，单色、浅色为宜，尽量不要有玻璃等强反光物体.
3.3 高清网络摄像机选型注意事项
为保证人脸识别的效果，前端监控点所采集的图像中包含的人脸大小最佳为像素超过 100×100,两眼之间瞳间距达40 像素以上。人脸识别算法可以容忍一定程度的侧脸，但为保证识别准确率,应尽量采用正面人脸图片，角度不超过 15 度。为此，所选用的人脸采集网络摄像机应为分辨率 1080P 的宽动态、低照度高清摄像机，配以高质量的高清镜头（变焦镜头便于现场调焦）,以保证人脸图像的分辨率.除了分辨率，还应保证监控点所采集的每一帧图像清晰、稳定，由于监控点常常是运动场景，要保证图像的清晰(不模糊），人脸监控网络摄像机的快门速度以不低于 1/100 秒为宜。当监控点周边光线环境不足时,应采取必要的补光措施.
3。4 人脸识别闸机头介绍
产品为基于国际领先的人脸识别技术和高效的计算架构研发的软硬件一体化专用设备,以高效的软硬件计算架构实现对多路数据的并行处理。
产品集成相机接入、人脸识别深度学习算法、人脸采集、图像存储等模块于一体，实现相机的接入、精准的动态多角度人脸检测、五官标定、面部特征点定位、提取、抓拍、存储、1：1、1：N实时自动比对、人脸检索等功能,可结合人脸识别管理软件完成相机的布置、黑白名单人员监控、陌生人告警、区域监控、区域动态告警、人脸轨迹跟踪、人像查询、数据统计、告警联动等任务。既可独立使用，也可配合业务系统使用。系统采用B/S架构客户端，授权人员可远程管理,使用简单方便.

第四章 网络传输子系统设计
网络传输子系统实现前端采集系统、中心服务器阵列之间的数据和图像信息传输，需要考虑系统的开放性和标准化、可靠性和先进性、实用性和成熟性，要求采用结构化设计，具有完备的安全保障体系，运维管理需简便。可以利用现有的校园网络链路。
4.1 网络需求
1． 上行数据用于实现视频信号、图片数据上传，带宽需求较大；下行数据用于对前端设备的管理和控制，带宽需求较小。因此要求接入平台的带宽提供能力，尤其是上行带宽提供能力要强；
2． 由于前端采集点分布在校园的各个角落,较为分散,因此优选采用具备较长传输距离的接入平台；
3． 监控业务对接入平台的管理能力要求较高,要求有较好的易维护性。
4． 系统可利用光纤资源,建立数字化的监控专网，监控专网选用 TCP/IP 协议作为主要网络协议，同时支持 UDP 和组播传输方式。
5． 从网络功能上看，网络结构要合理稳定，网络核心设备要具有冗余的高可靠性和安全性；网络中的核心设备需要支持 MPLS、IPv6、QING、VLAN、ACL 等功能；网络中的网络设备要支持统一的网络管理,便于今后的维护和扩容;要充分考虑整体网络边界的安全性。
6． l 从业务应用看：平台需要接入本地用户，本地用户的接入网建设也是重点；平台是信息服务中心，内部需要大量的应用服务器和存储设备，平台侧网络环境也是建设的重点。
7． 线路带宽至少达到 100M，并以视频、图片显示无卡顿现象为标准.
第五章 中心处理平台设计
5.1 平台概述
中心处理平台主要由人脸识别引擎、数据库子系统、存储子系统、媒体子系统、人脸布控子系统、人脸检索子系统、数据挖掘子系统、运维子系统等构成.其中,人脸识别引擎是人脸识别系统的底层平台，和人脸布控系统、人脸检索系统以及数据挖掘系统一起构成系统的核心.通过接收前端人脸抓拍摄像机上传的人脸抓拍图片，或通过处理来自摄像机或媒体服务器的视频数据，实现实时人脸检测、特征提取，以及与数据库中的人脸记录进行比对.
5。2 平台组成
5.2。1 人脸识别引擎

5。2.1。1 人脸识别引擎综述
系统采用的人脸识别引擎，是基于国际领先的人脸识别技术和高效的计算架构研发的软硬件一体化设备，内置基于深度学习（其核心为多层神经网络）的人脸技术，实现准确的多角度人脸检测、五官标定、面部特征点定位，以及特征提取与比对，通过高效的软硬件异构计算架构实现对多路视频并行处理,以保证视频计算资源的最高效利用。
5.2.1.2 核心技术介绍
5。2。1.2。1 人脸技术
人脸技术源自于学术界最新的深度学习方法及其相关研究，结合大量公开和独有的训练数据集,在高性能计算平台上学习并提取图片特征，实现高效准确的标定和识别。
l 人脸检测
人脸检测技术能在图片中准确地标定出人脸位置，对不同肤色不同年龄的人脸都有较好的适应性。为了达到更高的检测准确度，该技术在检测中将人脸划分成包括正脸在内的 16 个不同的面部朝向，分别进行归类检测,在识别出人脸位置的同时还可以得到面部的朝向信息。
l 面部关键点检测
面部关键点检测技术采用了最新的基于级联回归的算法，结合了深度学习的五官标定初始化，综合多个不同标准的多点数据集知识，使得同一个模型可以应用于不同数量的关键点标注，以保障更低的误差和更好的适应性。经测试,在 LFW 数据集上随机选取 80％训练和 20%测试，所有图的平均每点误差与眼距之比的平均误差仅为4。02%，截至2013年公开的LFW数据集测试最佳结果为6。45%。
注：Labeled Faces in the Wild，是世界人脸识别科研领域公认的首选数据集，
普遍用于测试面部关键点和人脸辨识。其中面部关键点包含每张脸 10 个关键点，由瑞士苏黎世联邦理工大学标注.
l 人脸验证
人脸验证技术可对两张人脸进行相似度比对，适用于身份识别及相似脸查询等应用场景。该技术采用深度学习方法对大量数据进行特征提取，利用特征匹配程度来区分不同的人脸。借助类似的技术,可以进一步实现对人脸的表情识别与属性识别（年龄、性别、人种等）.在目前公开的 LWF 测试中，基于深度学习的人脸验证技术可达到世界领先的 99％准确率。
5.2.1。2。2 计算架构
在人脸核心技术基础上，人脸识别引擎采用异构计算（Heterogeneous Computing）架构,融合 CPU 和其它硬件计算单元（如 GPU、DSP 等），基于不同视频计算任务分配计算资源，从而达到最高效的处理性能，实现多路高清视频的实时人脸检测、特征提取与比对。
人脸识别引擎采用不同类型指令集和体系架构的计算单元组成视频计算平台，是通过融合不同计算单元的混合运算来提升人脸识别引擎的整体运算性能，达到最优的视频计算性能。
5。2.1.3 人脸识别引擎主要功能
5。2。1。3。1 人脸检测提取
人脸检测提取单元包括正脸检测、多角度人脸检测、以及实时人脸定位.正脸检测的技术优势包括模型小，速度快,可并行加速;高检测率，在正常光线环境中的人脸检测率极高，一定程度的脸部旋转不受影响；适应性强，对于低像素照片、光线遮挡等恶劣环境有着较强的适应性，检测率受影响度极小.多角度人脸检测的模型分为 16 个不同的面部朝向，在检测的同时会判断出人脸的朝向，获取更多的图片信息。实时人脸定位在人脸检测的基础上,加入面部轨迹追踪与视频动态解析技术，极大地提高了人脸的检测速度,能够随着视频内容的变化迅速定位人脸所在的位置。
在人脸布控应用系统中的主要功能包括：
1） 支持在动态的场景与复杂的背景中检测是否存在人脸，并分离人脸图像；
2） 支持在视频流和录像文件内对被检测到的人脸进行动态目标跟踪；
3） 支持监控联网平台的实时视频及录像文件中实现人脸图片提取。
主要技术参数：
1． 最小人脸检测框大小为 40x40 像素；
2． 人脸水平摇头角在 30 度以内,前倾角/后仰角在 30 度以内，旋转角在 20 度以内；
3． 正确检测率:在人脸分辨率、清晰度满足要求的条件下达到正面人脸 99% 以上的正确检测率.
5。2。1。3.2 人脸识别比对
人脸识别比对单元实现面部关键点检测、特征向量提取，及基于特征向量的人脸比对。面部关键点检测在检测到的人脸框中，通过机器学习生成的关键点模型，进一步定位人脸的五官和轮廓位置。特征提取则通过大量数据训练获取的深度学习模型，提取最具有区别性的人脸特征，同时又最大限度容纳同一人脸因光照、年龄变化带来的外貌变化.人脸比对模块则实现在大规模人脸数据库中快速搜索相似的人脸数据，以确定身份。通过预先创建待查人员的面部特征索引，可以在百万级别以上人脸数据库中迅速查找相似人脸。
人脸识别比对单元在人脸识别引擎中的主要功能：
1. 定位并提取人脸面部特征点。
2. 生成人脸特征向量.
3. 从人脸数据库导入人脸图像及已存储的人脸特征向量。
4. 人脸特征比对,返回人脸特征匹配相似度分值。
5. 目标人脸检索,返回人脸特征匹配度最高的 N 个结果。
主要技术参数：
1) 正确识别率：在人脸分辨率、清晰度满足要求的条件下达到正面人脸 95% 以上的正确识别率。
2) 识别角度：人脸上下角度在 15 度，左右角度在 15 度，偏转角度在 15 度。
3) 人脸图像大小: 人脸大小不低于 100x100 像素，人脸两眼间像素距离不低于 40 像素。
5.2.2 数据库管理服务
5。2。2.1 数据存储
人脸数据库管理系统是搭载在数据库服务器的数据库系统，主要实现数据存储及操作，包括人员注册（入库）、在库人员分组管理、用户信息存储、摄像头基本信息存储、运维信息存储、系统平台设备信息存储管理等
5.2.3 数据存储服务
5.2.3。1 存储设计思路
为了满足事件倒查需求，人脸识别系统存储设计思路如下：
l 完全存盘方式：存储容量足够大,对所有接入系统的图片进行存储;
l 分布式集中，统一管理，降低整体系统维护成本；
l 高可靠的存储介质，支持企业级硬盘；
l 日志管理：多种日志的查询、分类和备份；
l 容灾机制:有较好的容错性能，在出现磁盘故障系统仍然能够正常地存储，而不用关机或重启；出错以后系统数据有快速恢复能力;
l 扩容简单,即插即用；
l 易部署、易管理,具备高品质和良好的备件服务;
l 充分考虑现有视频监控系统的存储需求。
5.2.3.2 抓拍图片存储
前端摄像机抓拍到的现场全景图片存储在人脸识别引擎中,一般人脸识别引擎存储容量较小，在无法符合大量的抓拍图片存储要求时，若需要大量图片长时间存储是可挂载 IP SAN 进行扩展存储.
人脸识别系统中抓拍的人脸图像需要进行一定天数的存储，并能够对全景、人脸图像、人脸特征的信息进行提取,独立建库存储。
在按正常的图像保存基础上，系统仍然需要对特殊的重要事件信息进行备份保存，进行定期的选择性的更新和维护。需要长期保存的信息可根据业务需要采用光盘备份。
按平均每张人脸图片 0。03MB，每张全景图片 0.5MB，每路每分钟抓拍 15 张，工作时间 24 小时，则一天存储 21600 套图片。
单路为例:
人脸图片 180 天存储量约为：0.03MB×15 张/分钟×60 分钟×24 小时×180 天≈0。112TB，采用 R5 备份（20％冗余）合 0.14TB。
全景图片 90 天存储量约为:0.5MB×15 张/分钟×60 分钟×24 小时×90 天
≈0。927TB，采用 R5 备份(20％冗余)合 1.159TB.
5.2.3.3 人脸特征数据存储
人脸识别系统中，人脸特征数据包括注册库（黑名单库、白名单库、重点人员库)人脸特征数据及抓拍库人脸特征数据。
按每条人脸特征数据大小约 2KB，1000W 抓拍库、2W 注册库（黑名单库）约占空间 2KB×(1000W+2W）≈19.1GB。
5.3 系统功能
系统基于B/S架构实现的人脸识别管理，对接入的人脸识别引擎、相机、控制器等设备统一管理、全局控制，对各类黑白名单库统一管理、分类、分层管理、实时布控,对系统用户、角色分类管理、分类授权,将识别引擎上报的告警、相片分类呈现、告警联动、数据挖掘、多维度呈现。实现系统的人脸检索、轨迹跟踪、人脸布控、告警联动、统计分析等。
5.3.1 人脸布控功能
布控系统提供了各类黑、白人员名单库的管理功能，可针对不同的布控需求、布控规则，对库名单、删除、修改、接收布控请求等，在保证人脸识别准确率的条件下控制布控人脸库规模.
5。3。1。1 人脸建库
人脸建库支持历史图片建库、现场照建库、已有人脸库建库等方式。人脸库数据库支持 MySQL 数据库等主流大型数据库，提供数据安全性和可扩容性。
1） 图片建库支持使用静态人脸图片进行人脸注册建库，将图片中人脸注册到人脸库中.系统目前支持 jpeg、bmp 等大多数图片格式.支持图片的批量快速注册。
2） 现场照建库
支持使用现场照进行人脸注册建模，可以通过抓拍等进行现场人脸图像采集，然后注册到人脸库中.
3)已有人脸库的建库
支持将已有的人脸信息库导入到人脸布控库中，如从已有的公安人员信息库导入到系统人脸库中注册。
5.3。1。2 人脸库管理
支持人脸库的快速搜索查询、删除、修改、新建等管理功能。可随时查询人脸库中的人脸信息，或对特定的人脸信息进行修改、删除等操作。
在联网布控的基础上,实现嫌疑人员黑名单实时报警功能。通过设置人脸黑名单，当嫌疑人员出现在现场时,进行人脸识别相似度匹配,实现现场报警或远程报警。联网布控客户端提供联网布控人员人脸库建立、联网布控规则等功能。
布控流程如下所示：

图：布控流程示意图

25