图像质量检测
图像质量的好坏直接影响到识别的效果，图像质量的检测功能能对即将进行比对的照片进行图像质量评估，并给出相应的建议值来辅助识别。

人脸识别系统组成分析：系统由前端人脸抓拍采集子系统、网络传输子系统和后端解析管理子系统组成，实现对通行人脸信息的采集、传输、处理、分析与集中管理。系统中，前端人脸采集设备负责人脸图像的采集，接入服务器主要实现图片及信息的接收和转发功能，可为多种型号、多个厂家的抓拍机提供统一接入服务，接收到的抓拍图片存入云存储单元，并由人脸结构化分析服务器对抓拍的视频及图像进行建模以及黑名单实时比对报警，建模得到的人脸信息以及模型数据存入大数据单元。后端解析应用平台则根据用户的应用需要，支持实时人脸抓拍、检索等功能，可向用户提供黑名单库与抓拍图片的实时比对信息，为快速高效查到可疑目标提供服务。
一文读懂人脸识别技术，没那么神秘
01前端人脸抓拍采集子系统
前端人脸抓拍采集子系统负责完成人脸信息的采集，包括人脸小照片、过人场景照片、视频流等。主要由人脸图像采集设备（视频监控摄像机或带人像识别功能的人像抓拍机）、补光灯、外场工业交换机、开关电源、防雷器等设备及杆件组成。
02网络传输子系统
负责系统组网，完成数据、图片、视频流的传输与交换。一般通过租用运营商光纤链路组建专网，可通过EPON方式组网（单点上传带宽≥20Mbps，可根据需求增加），包括光纤收发器或EPON设备。
03后端解析管理子系统
负责对前端人脸抓拍采集子系统相关数据的汇聚、处理、存储、应用、管理与共享，由人脸结构化分析服务、应用管理和存储系统组成。中心管理平台由搭载平台软件模块的服务器组成，包括中心管理服务器、视频流接入处理服务器、图片流接入处理服务器等。二、人脸识别系统架构分析人脸识别系统架构分为内网和专网两个部分。其中内网的人像应用平台，主要负责区域特色主题库和个性化采集人像库的特征提取、建库，以及与其他部署单元的联动功能；专网的人像识别前置服务主要负责实时视频分析、人脸照片结构化、人像比对计算、路人数据存储和路人检索等功能，承担主要的计算功能。

技术原理：
人脸识别内容
人脸识别技术包含三个部分：
(1)人脸检测
面貌检测是指在动态的场景与复杂的背景中判断是否存在面像，并分离出这种面像。一般有下列几种方法：
①参考模板法
首先设计一个或数个标准人脸的模板，然后计算测试采集的样品与标准模板之间的匹配程度，并通过阈值来判断是否存在人脸；
②人脸规则法
由于人脸具有一定的结构分布特征，所谓人脸规则的方法即提取这些特征生成相应的规则以判断测试样品是否包含人脸；
③样品学习法
这种方法即采用模式识别中人工神经网络的方法，即通过对面像样品集和非面像样品集的学习产生分类器；
④肤色模型法
这种方法是依据面貌肤色在色彩空间中分布相对集中的规律来进行检测。
⑤特征子脸法
这种方法是将所有面像视为一个面像子空间，并基于检测样品与其在子孔间的投影之间的距离判断是否存在面像。
值得提出的是，上述5种方法在实际检测系统中也可综合采用。
(2)人脸跟踪
面貌跟踪是指对被检测到的面貌进行动态目标跟踪。具体采用基于模型的方法或基于运动与模型相结合的方法。此外，利用肤色模型跟踪也不失为一种简单而有效的手段。
(3)人脸比对
面貌比对是对被检测到的面貌像进行身份确认或在面像库中进行目标搜索。这实际上就是说，将采样到的面像与库存的面像依次进行比对，并找出佳的匹配对象。所以，面像的描述决定了面像识别的具体方法与性能。目前主要采用特征向量与面纹模板两种描述方法：
①特征向量法
该方法是先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离等属性，然后再计算出它们的几何特征量，而这些特征量形成一描述该面像的特征向量。
②面纹模板法
该方法是在库中存储若干标准面像模板或面像器官模板，在进行比对时，将采样面像所有象素与库中所有模板采用归一化相关量度量进行匹配。此外，还有采用模式识别的自相关网络或特征与模板相结合的方法。
人脸识别技术的核心实际为“局部人体特征分析”和“图形/神经识别算法。”这种算法是利用人体面部各器官及特征部位的方法。如对应几何关系多数据形成识别参数与数据库中所有的原始参数进行比较、判断与确认。一般要求判断时间低于1秒。


m.lyxhhjq.b2b168.com