人脸识别识别解决方案

自动报警。
优势： 1、减少警员投入
2、节约时间
重要人员身份识别解决方案
实现功能
二、人脸检索
第二部分
解决方案
根据输入的人脸照片，检索出与该人，什么时间，出现在 什么地点的相数据。(数据可能包括图片、视频、甚至与该人 相关的其它人)，进而绘制出该人物在指定时间段内的活动轨
迹。
2012年1月6日南 京某农业银行
适用范围：适合于对多目标、多任务、非配合、非刚体等及动态场景 的实时解析，以及对海量视频语义信息的快速获取、关联分析和价值挖 掘。
重要人员身份识别解决方案
第 二 部 分
重要人员身份识别
2
重要人员身份识别解决方案
方案需求背景
第二部分
解决方案
无论是北京天安门安全事件、新疆烧杀打抢还是孟买恐怖袭击，使
第二部分
解决方案
人脸检索
重要人员身份识别解决方案
实现功能
一、实时监控、黑名单报警
第二部分
解决方案
公安部网上发布通 缉犯照片及简介，通过
警员输入通缉犯照
片，通过人脸识别方案
对监控区域进行人脸识 别，当出现匹配人物时
民众举报或警员实时查
看监控、查阅监控记录 等方法寻找通缉犯。 缺点： 1、错过最佳抓捕时间； 2、浪费人力、时间。
原始头像
叠加人脸框图
视频流对比
抓拍图片上传
重要人员身份识别解决方案
特征值抽取服务
基于网络方式，提供特征值抽取。 能提供基本的处理记录和耗时等。
第二部分
解决方案
每秒处理人脸图片不低于100张，以平均每秒25帧，即可同时支持4路。
2009年10月14日 长沙某公园
输入人 脸照片
出现时间
出现地点
2012年8月10日 重庆某银行前
重要人员身份识别解决方案
功能模块
视频 资源 模块
第二部分
解决方案
图为重要人员识别系统主
要功能模块，其中，用户
可通过手机、PAD、电脑等
比对 服务
人脸 抓拍 模块 网络 特征 值抽 取 服务
终端进行实时监控、检索 重要人员。
多样性、事件的发生具有不确定性、各种场景对象之间具有关联性。
解决办法：采用基于假设检验（Hypothesis Testing）理论的动态场
景多目标实时解析架构。该架构包含了状态空间初始化、对象特征提取、 先验知识引入、分支假设检验、评分排序、时空关联等算法模块，同时
此架构可融合多种现有检测、跟踪、特征提取、识别技术。
A地建模 根据 目标 脸部 特征 建立 初始 模板 B地建模 前一目标模板 C地建模 前一目标模板
下一时刻
肯能出现的附 近区域
下一时刻
肯能出现的附 近区域
附近姿态变化 光照、遮挡等
附近姿态变化 光照、遮挡等
重要人员身份识别解决方案
核心技术—动态场景实时解析
第一部分
难点：场景目标具有时变性，场景中目标类别、状态及行为具有
监控客户端
பைடு நூலகம்
人脸 抓拍 服务
重要人员身份识别解决方案
视频资源模块
具备能力：
第二部分
解决方案
多种视频源接入：海康板卡、USB摄像头、网络摄像机、文件
流、RTSP视频流等
高分辨率：支持1080P分辨率
视频流格式：支持标准H264格式视频流。
以插件方式支持多种视频源接入。对各种已支持的视频源提供各
第二部分
解决方案
能进行人脸跟踪。
重要人员身份识别解决方案
人脸抓拍服务
等后的视频流（压缩码流）。
第二部分
解决方案
至少提供两种视频流，一种原始视频流；一种叠加人脸框，名字
提供人脸抓拍和人脸上传功能。(把抓到的人脸传到指定的服务器)
能提供基础的抓拍统计（如抓拍总数，平均抓拍数等）
提供添加删除视频源
Alphachn重要人员身份识别 解决方案
重要人员身份识别解决方案
公司简介
重要人员身份识别
方案应用
重要人员身份识别解决方案
第 一 部 分
简
1
介
重要人员身份识别解决方案
核心技术—双层异构深度神经网络
原理：异构深度神经网络的某些权
值是与具体的属性相对应的，例如其 神经元的激活值对应于某种粒度的特 征。利用大量具有属性标记的训练数 据，采用多任务学习机制并在损失函 数中加入稀疏性约束，通过考察神经 元对不同刺激的反馈，可建立网络单 元与属性的映射关系，实现网络结构 的语义化。 利用异构深度神经网络，可在人 脸模型中方便地加入光照、遮挡、角 度、年龄、种族等多种先验信息，增 强了模型的适应性和特征的表达能力。
适用范围：适合只有少量训练数据或者 计算资源不够丰富的嵌入式场合。
分层矢量化架构
重要人员身份识别解决方案
核心技术—自适应实时多目标跟踪
第一部分
自适应实时多目标跟踪 适用范围：适用于要求实时 算法：基于检测； 快速跟踪多目标的场合，或 缺点：模板特征性差；区分目标与背景能力弱； 者要求跟踪精度高的场合。 新技术：基于受限自适应层次化稀疏表示的多 目标跟踪算法。
第一部分
应用范围：真实场景中具有
多变光照、多角度、有遮挡、 模糊、年龄跨度等复杂情况
的场合或者要求身份验证精
确度高的场合。
异构深度神经网络结构图
重要人员身份识别解决方案
核心技术—分层矢量化信息表达
深度卷积神经网络（DCNN）：是对图片库里 所有的人脸图像进行分块；其次对每块区域 提取局部特征(如LBP、SIFT)形成局部特征描 述子；然后，对所有局部特征进行量化形成 字典；最后，根据字典信息和人脸图像的映 射，编码形成人脸图像的特征向量。 缺点：在数据不足的时候，DCNN会有严重的 过拟合，降低使用效果。 分层矢量化信息表达：为了解决DCNN需要大 量数据的问题，多层的特征编码只需要把上 一层的人脸图像的特征向量作为输入从新提 取特征块并进行量化形成字典编码即可
得各个国家以及社会各界人士对公共安全愈加重视，而在面对此类公共
安全事件时往往显得很被动，且需投入大量人力、财力、物力进行治理。 因此，在公共安全防护方面，急需有一套事前预防方案，并对重要
人物进行主动识别保护的方案。
重要人员身份识别解决方案
实现功能
重 要 人 员 身 份 识 别 实时监控 黑名单报警
自的测试程序，可单独查看视频源。对网络流视频源提供自动重连
功能。视频丢失，视频遮挡时，产生报警等功能。
重要人员身份识别解决方案
人脸抓拍模块
可根据识别结果，叠加人名、人脸框 图、颜色等。 作为独立模块，提供参数配置程序 （如人脸大小等） 设计1至N套算法，获取用于识别的人 脸头像。 根据配置对检测到的人脸进行画框。 对输入的每帧图像进行人脸检测。