平安城市人脸识别系统解决实施方案V10KH.docx
《平安城市人脸识别系统解决实施方案V10KH.docx》由会员分享，可在线阅读，更多相关《平安城市人脸识别系统解决实施方案V10KH.docx（23页珍藏版）》请在冰豆网上搜索。
平安城市人脸识别系统解决实施方案V10KH
第一章.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：
1.非强制性：
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”；
2.非接触性：
用户不需要和设备直接接触就能获取人脸图像；
3.并发性：
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。
第二章.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，实现人脸比对识别。
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触性身份确认。
重要点位重点人员身份排查：
针对一些重要管控的区域，如大型保障活动，政府、公安出入口等布置前端摄像机对现场进行人脸抓拍，每日安排公安人员人工进行重点人员筛选排查。
建设目标
本章文字内容可以根据项目具体情况修改：
二.1.1重点人员布控
重点人员包括高危人员、特殊人员等。
高危人员包括有全国在逃人员、全国违法犯罪人员；特殊人员包括水客、涉恐涉案人员、涉毒人员、重大犯罪前科人员、肇事肇祸精神病人。
本方案可通过手动或自动批量导入手段将高危人员信息导入至人脸注册库中，通过摄像机实时视频检测和照片信息检索，与人脸注册库内高危人脸进行实时比对识别，在出现高危人员时通过平台告警方式通知公安。
公安重点人员根据地区和目的不同划分不同类型，包括惯偷惯犯、涉恐、涉案、涉毒、水客等人员。
本方案可通过手动或自动批量导入手段将重点人员信息导入至人脸注册库中，通过在超市、大楼、火车站、港口等出入口摄像机实时视频检测和照片信息检索，与人脸注册库内高危人脸进行实时比对识别，在出现高危人员时通过平台告警方式通知公安。
二.1.2高危人员布控
特殊人员包括有水客、涉恐人员、涉毒人员、有重大犯罪前科人员、肇事肇祸精神病人、重点上访人员等。
人脸识别系统将利用实时视频和身份证信息相结合的手段，对出入境人士进行审查识别。
高危人员包括全国在逃人员、全国违法犯罪人员、重大犯罪前科人员、肇事肇祸精神病人等。
人脸识别系统将利用实时视频和身份证信息等手段，可在火车站、汽车站、港口口岸出入口建设人脸卡口，对出入境人士进行审查识别。
二.1.3敏感人群布控
敏感人群包括来自特殊地区、特殊身份、特殊职业等人员如来自新疆地区人群、个别少数民族人群、长期无工作人群、非法上访人群等。
通过在出入境、关键人脸采集卡口对这些人群进行身份信息和人脸信息采集，通过人脸识别系统对敏感人群的身份信息、行为轨迹、出没时间等进行管控，从而做到敏感人群防控的目的。
二.1.4身份信息检索
在日常巡逻、火车站身份证检查、其他民事应用中，可通过单兵、手机、相机对驾驶员进行脸部拍照，通过上传照片至后端进行人脸识别确认人员身份信息。
这种方式适用于未携带身份证、驾驶证的驾驶人员身份快速确认。
二.1.5身份信息查重
对全国人口基本信息资源库中人员身份证进行检索比对，排查一人多证的问题。
建设内容
*根据具体情况编写
第三章.总体设计
大华人脸识别系统，采用具有完全自主知识产权的人脸检测算法、人脸跟踪算法、人脸抓拍算法、人脸质量评分算法及人脸识别算法、并结合配套的前端摄像机机设备和后端智能分析服务器，实现了实时人脸抓拍建模、实时黑名单比对报警、事后静态人脸图片检索等功能。
本方案针对人脸注册库/人脸抓拍库小于300万、黑名单库小于30万的系统。
前端可采用普通高清摄像机，也可以采用专用的人脸抓拍相机。
通过人脸检测服务器对实时视频中出现的人脸进行抓拍。
人脸识别服务器可对抓拍的照片进行数据库比对。
根据人流量和抓拍照片数量，在针对多路前端相机环境时，可部署人脸识别服务器并上传照片。
在方案中，采集图片和结构化特征数据保存在人脸识别服务器中。
若存在大容量的采集图片和结构化特征数据保存要求时间长，可扩容IPSAN存储设备，保证存储容量。
逻辑架构
系统业务逻辑包含三块内容：
人脸采集系统：
人脸采集系统包括专业人脸抓拍机和普通高清网络摄像机+人脸检测服务器，是将前端采集到的视频图片等非结构化数据进行分析处理，定位检测获取人脸图片，并结合人员身份信息采集系统获取人员身份信息进行关联管理。
人脸比对系统：
人脸比对系统是对人脸采集系统传输的数据进行智能分析处理，进行人脸图片建模、通过人脸眼睛、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，进行人脸特征数据提取入库，并根据平台业务需求进行实时比对识别和事后人脸检索应用。
人脸库：
人脸库包括人脸抓拍库、人脸注册库、黑名单库，其中抓拍库包括场景图片、场景下抠取的人脸小图、人脸特征数据，是人脸采集系统采集的人脸图片存储库，用于人脸比对系统进行人脸图片比对检索；注册库包括标准人脸图片、人员身份信息、人脸特征数据，是系统设定前公安批量导入的重点人员库，用于人脸比对系统进行人脸图片比对检索；黑名单库是注册库中将部分重点人员进行布控组成，用于实时比对人脸采集系统传输的人脸图片。
业务应用：
通过平台进行实时布控、查询检索、配置管理等功能应用。
整体逻辑架构如下图：
人脸三大业务库
系统数据库应包含三种业务库：
人脸抓拍库、人脸注册库和黑名单库。
人脸抓拍库-包含抓拍现场图片、人脸小图和结构化的人脸特征数据、抓拍地点、抓拍时间等信息，此类库的主要业务应用场景是图片检索比对，查询目标人员的人像出没地点、时间等信息；
人脸注册库-主要是导入一些大规模的人像图片、结构化的人脸特征数据和身份信息，如一个地级市当地的社保人像信息库等，导入后主要的应用场景是图片检索比对和身份信息查询，确定人员身份；
黑名单库-包含高危人员、特殊人员的人脸图片、结构化的人脸特征数据和人员身份信息，主要的应用场景是在各个人脸卡口进行实时人流的人脸比对预警。
一般来说人脸抓拍库和人脸注册库做为静态库，适用于事后查询检索目标、黑名单库作为动态库，用于实时比对报警。
一个或多个黑名单也可以进行勾选布控，形成具有针对性的人脸布控库，与前端实时视频进行人脸比对报警。
其中抓拍库因人流量和随着时间将越来越大，需根据项目情况合算存储设备大小。
黑名单库数据由公安或专业人员导入，存储大小一般有微调，但是不会有数量级上的变化。
系统拓扑
系统由前端摄像机、人脸检测服务器、人脸识别服务器、存储设备、人脸数据库、人脸识别系统平台六类设备：
前端摄像机：
前端摄像机包括普通高清网络摄像机和专业人脸抓拍机。
普通高清网络摄像机主要实现图像采集、编码等功能。
专业人脸抓拍机不仅实现普通高清网络摄像机的所有功能，其内置大华自主研发的智能分析算法，还能实现对视频中人脸进行自动捕获、跟踪、抓拍等功能。
同时专业人脸抓拍机拥有人脸区域自动曝光优化、人脸小图优化处理等功能，更适合于人脸卡口场景下获取最优人脸图片；
人脸检测服务器：
人脸检测服务器搭配普通高清网络摄像机对传输的实时视频流进行人脸检测、定位、跟踪、人脸图片选优，将人脸图片进行抠取，传输到识别服务器进行存储和人脸建模、比对；
人脸识别服务器：
利用大华自主研发的人脸识别算法，对人脸检测服务器传输的人脸小图进行建模和结构化，获取人脸特征数据后为人脸实时比对识别、人脸后检索等功能提供算法支持；
人脸数据库服务器和人脸图片存储：
人脸数据库专门用于存储人脸系统的人脸数据，主要包括抓拍库人脸特征向量、注册库人脸小图、注册库人脸特征向量、黑名单人脸小图、黑名单人脸特征向量；另外抓拍库图片（人脸小图和抓拍大图）存储在人脸识别服务器中，当识别服务器存储容量不足时，可外扩IPSAN设备进行存储。
人脸视频存储：
前端摄像机对实时视频的存储，可存储在平台下挂载的IPSAN或专业监控行业存储设备中，也可以通过网络硬盘录像机做视频存储。
管理平台：
人脸识别系统平台主要实现人脸系统相关的设备管理、识别场景规则设置、报警联动等配置和管理，并结合客户端实现对图像的预览检索、各种报警信息的查看等操作。
联网设计
人脸识别系统部署在视频专网下，前端摄像机直连人脸抓拍服务器或人脸识别服务器，识别服务器对接基础平台。
在公安视频专网中部署人脸识别系统，对出入口、重点道路等位置安装前端摄像机，并通过人脸识别系统平台进行统一管理。
同时数据通过网闸共享到公安专网下，公安能够对重大嫌疑目标进行事后目标检索，目标轨迹跟踪，并根据目标出没时间和地点安排警力部署。
人脸识别流程
系统数据流包含人脸实时比对和人脸历史查询。
其中实时比对发生在事前或事中，当系统发现有布控人员出现时，执勤人员可以迅速作出反应；历史查询则是针对事后重点人员排查，可通过可疑人员图片查询系统记录的人员信息。
实时视频人脸比对：
普通高清网络摄像机通过人脸检测服务器或专业人脸抓拍相机分析视频中的人脸，提取人脸图片转发给人脸识别服务器，人脸识别服务器通过智能算法，从抓拍的人脸中提取特征数据，与黑名单库中的人脸特征数据库进行遍历检索，最后由平台展现人脸比对结果。
图片检索人脸比对：
通过平台客户端提交需检索的人脸图片，人脸识别服务器提取人脸图片特征数据，与人脸抓拍库或人脸注册库中的人脸特征数据进行遍历比对，最后由平台展现比对结果。
性能指标要求
性能指标主要包括人脸抓拍率、建模成功率和识别成功率。
人脸抓拍率:
在符合施工规范（人脸距离相机中心左右偏离±30°，上下偏离±15°，平面偏离±15°以内）、光线较好的场景（人脸光照亮度250~800Lux）下，正常人脸的抓拍率可达95%以上。
识别成功率：
人脸比对性能与黑名单注册图像质量和黑名单数据库大小密切相关，一般情况下，识别成功率可达90%以上。
系统可根据实际需要设置不同的人脸相识度阀值来调节识别率。
另外，人脸比对性能和黑名单注册图像质量、数据库大小、环境、光线等因素影响很大，具体比对性能视实际场景及实际注册图像质量而定。
单台人脸检测服务器性能：
支持4路1080P的视频接入检测；1080P分辨率下检测所需最小人脸像素大小60*60；同时可以对画面中最多20个的人脸进行检测抓拍，检测准确率95%。
单台识别服务器性能：
人脸特征向量大小在2KB左右，人脸识别像素大小支持100×100；实时识别-支持30W的黑名单库，可以支持16路以上1080P人脸识别前端相机；人脸抓拍/注册库检索性能-最大可支持300W库人脸检索。
第四章.前端设计
前端系统组成
人脸识别前端主要分为两类：
普通高清IPC-后端需要配合人脸检测服务器进行人脸检测，再接入人脸识别服务器；
人脸抓拍IPC-可以直接接入人脸识别服务器；
布点设计
通常人员抓拍相机对于安装的场景有比较高的要求：
●人脸大小：
100像素以上（双眼距离大于50像素）
●角度：
上下角度在15度以内，左右角度在30度以内（眉尖可见）
●图像质量：
聚焦清晰，光照均匀，特别注意避免逆光、侧光，必要时进行补光
●其他：
表情自然，尽量避免帽子、围巾、墨镜等遮挡面部信息
通常在一些城市中，典型的适合人员抓拍的地点和场景有：
1.火车站汽车站出入口；2.机场安检处；3.政府机关企事业单位重要场所的走道；4.大型商场出入口，上下扶梯处；5.小区、社区出入口（非室外环境）等等；
施工部署要求：
采集场景典型案例
建设人脸采集场景是为了提高人脸抓拍成功率、人脸识别比对成功率，做为人脸识别系统能否满足公安要求最为重要的一环，建设一套标准人脸采集系统是人脸系统成功应用的关键！
人脸采集系统采集场景一般分为专业采集场景和人脸比对场景，其中专业采集场景一般为室内场景，确保光线和环境标准化，建设完成后可采集标准的人脸图像，为后续建设人脸注册库做基础准备。
人脸比对场景根据公安要求建设，用于道路和室外场景对目标人脸进行比对识别。
四.1.1安装指导规范
专业采集场景环境要求
采集环境建议在室内，高度>=3米，长度>=6米，宽度>=6米
人员采集点位
确定被采集人员点位，若环境光低于人脸采集要求，则顶部需要安装光源进行补光，注意背后不要有强光源。
摄像机安装
摄像机采取吊顶或者三脚架方式安装，安装高度距地面2米-2.5米，安装距离距被采集人员点位4-6米。
若采用三相机抓拍，中间的相机正对采集点位，其它两个相机部署在中间相机的两侧1.5米处。
摄像机调整
安装人员甲站到采集点位，安装人员乙依次对三个相机进行调整。
调整摄像机上下角度与焦距，使得人脸位于图像的中心位置，双眼距离大于50像素。
对人脸进行对焦，调整清晰度到最佳。
安装角度要求
相机与水平线的夹角α最好在-15°度到15°度之间。
安装距离要求
摄像机一般选用百万高清摄像机。
距离和选用的不同镜头的焦距有关系，焦点在通道出入口，且人脸的宽度像素不小于100*100像素，因此摄像机的型号与监控范围有着密切关系。
人脸大小和姿态要求
人脸距离相机中心左右偏离±30°，上下偏离±15°，平面偏离±15°以内，免冠，不戴墨镜、口罩、帽子等遮挡面部的饰物，眼镜框、头发不遮挡眼睛；
环境光照要求
无逆光，面部无明显反光，光线均匀且无阴影。
另外，为保证抓拍人脸时现场光照足够，建议若镜头画面中人脸不够亮时，需要相应增加照明设备，对人员脸部补光（一般应达到250~800Lux）。
四.1.2人脸采集场景（侧视图）
根据摄像机的安装位置和安装高度，要求如下：
高度建议在2.0~2.5米范围，焦距距离摄像机在4~6米处，保证相机照射目标人脸呈＜15度角度。
四.1.3人脸采集场景（俯视图）
通常对人脸进行采集过程中，因人员不受控制，常常无法采集到正脸图片，在后续比对识别过程中，非标准的人脸图片将降低人脸识别准确率。
通过部署三台相机，每台相机相距1.5米，两侧相机距抓拍点呈现30°夹角，人员经过采集点可以同时进行人脸抓拍，并关联存储入库，可以大大缩减因抓拍人脸角度问题引起的识别比对准确率不高的问题。
第五章.存储设计
存储总体设计
人脸系统存储内容主要包括三方面：
1.人脸注册库存储：
包括人脸图像和结构化的特征数据，是公安人员对重点管控人员等建立的人员库，在人脸识别系统中充当标准库，供人脸系统查询比对。
2.人脸抓拍库存储：
包含实时抓拍的现场图像、人脸小图和结构化的特征数据，在人脸识别系统中充当实时抓拍下来的人员面部特征库，供人脸系统检索比对。
3.视频录像存储：
针对系统需要存储实时视频进行视频搜索，可通过DSS-C平台挂载存储设备存储前端实时视频录像；或在前端路数较多情况下，可以通过前端直连NVR进行视频存储，减轻平台转发存储负担。
其中，前端摄像机抓拍到的现场图片和人脸小图存储在识别服务器中，一般人脸识别服务器存储容量较小，在无法符合大量的抓拍图片时，可挂载IPSAN进行扩展存储；抓拍库人脸特征数据存储在人脸数据库中，特征数据较小，一条人脸特征数据大小约为2KB；后端人脸注册库中的人脸图片和人脸特征数据和人员身份信息存储在人脸数据库中，标准配置支持300W注册库存储；
存储容量计算（项目修改）
五.1.1抓拍库图片存储计算
图片存储要求：
图片存储12个月，每路每分钟抓拍10张，工作时间10小时，一天存储,6000张图片。
存储一天的容量计算：
0.3MB×10×60×10≈1.8G
存储12个月共需：
1.8G×360≈0.63T
五.1.2人脸特征数据存储计算
人脸识别系统中，人脸特征数据包括两块：
1.抓拍库人脸特征数据
2.注册库人脸特征数据
每条人脸特征数据大小约2KB，300W抓拍库、300W注册库约占空间5.7GB×2=11.4GB。
五.1.3视频存储
一般使用摄像机主码流进行前端摄像机人脸抓拍，辅码流进行录像存储。
录像存储方案可将前端直连NVR，NVR直接存储摄像机录像；或通过DSS-C8100挂载IPSAN方式进行录像存储。
人脸识别系统前端摄像机选用200W像素摄像机为例，视频存储按公安要求一般存储1个月。
1路前端视频存储容量计算：
4Mb×60S×60MIN×24H×30天÷8≈1.23T
50路前端视频存储容量计算：
1.23T×50=61.5T
视频存储与传统视频监控计算方式相同，可项目实际情况修改，根据实际产品进行计算，需要明确选择的盘位数和所选单盘空间,一般建议选用3T硬盘
第六章.应用设计
人脸检测抓拍
平安城市人脸识别系统平台提供简洁、完善的人脸监控界面。
可以方便快捷的调取各个设备和通道的视频信息，对视频监控中出现的多张人脸进行自动框定定位，支持实时刷新抓拍人脸图片。
支持对检测区域出现的人员进行人脸检测和评分，并筛选出最为清晰的人脸图像最为抓拍人员人脸图片。
人脸检测抓拍
比对识别报警
根据前端摄像头中出现的人脸图片和黑名单中的人脸进行实时比对，如果人脸相识度超过预设报警阀值，系统可自动通过声光方式进行报警。
系统可按通道对人脸进行布防，每个通道可以单独配置黑名单，实现单独布防。
使用人员可以在监控界面查看抓拍原图和黑名单人员图片进行核实，也可以点击查看更多跳转报警查询页面进行录像核实。
抓拍库查询
对案发时间地点出现的可疑目标查询，用户可根据时间、采集地点信息，查询历史人脸图片，也可关联录像查看现场具体情况，支持内容的导出。
抓拍库检索
用户上传嫌疑目标人脸图片，根据抓拍地点、相似度、抓拍时间等检索条件，通过以图搜图方式检索注册库比对结果，可以快速查询嫌疑目标是否在可疑时间段内出现在案发地点中。
黑名单管理
支持外部批量导入符合格式的黑名单人脸图片及人员相关信息（包括姓名、生日、性别、省份、城市、证件类型、证件号码）。
也可删除或者修改黑名单中已有人员的信息。
同时支持通过图片的单个人脸注册，注册时需要输入姓名、生日、性别、省份、城市、证件类型、证件号码等信息。
图片中包含多个人脸时，由人脸识别服务器负责人脸识别后，用户可选择需要注册的人脸。
最大支持30万张黑名单人脸图片。
注册库查询
用户可通过注册库名称、姓名、证件类型、证件号码、性别等信息对注册库进行人员检索，支持内容的导出。
针对重点人员可查询后对其快速进行黑名单布控，实现人脸实时比对识别报警。
注册库检索
用户可上传可疑人员图片，根据查询库类型、相似度条件快速检索确认可疑目标身份信息。
注册库查重
公安人员通过注册库查重功能，通过调节相似度条件，可以快速的对查询库相似人脸进行检索，适合公安在对一人多证案件进行快速排查。
报警管理
支持用户对抓拍地点中发生的历史报警信息进行检索，也可对抓拍时间和抓拍库进行检索。
相关人脸报警信息包括相关人员人脸图片、报警记录发生地点、报警记录发生时间，同时支持进行该时间段前后联动相关录像进行确认。
第七章.方案优势
直观、自然、非接触性
无需停留，无需被检人员配合，对出现的嫌疑人，平台可做到实时告警提示。
给国家安全机关工作人员快速反应，快速控制可疑人员提供宝贵的告警行动时间。
国际领先的人脸识别算法
在国际人脸识别领域使用最广泛、权威的非受限人脸数据库LFW（LabeledFacesintheWild）中，大华人脸识别算法测试准确率超过98%，仅次于国际第一名高斯人脸，超过人眼辨别人脸能力。
多相机抓拍人脸关联，国内领先的解决方案
通过国内实际案例，结合公安实际业务需求，提出三路相机联动抓拍技术，在后续作为黑名单布控或抓拍库检索时，通过一张抓拍人脸对比三张人脸图片，可增强人脸比对成功率，为后续增强人脸比对成功率提供有力保障。
海量数据检索，快速响应能力
人脸识别系统经过公司专业人脸识别专家长
升级会员 