人脸抓拍解决方案Word文档下载推荐.docx
《人脸抓拍解决方案Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《人脸抓拍解决方案Word文档下载推荐.docx（49页珍藏版）》请在冰点文库上搜索。
在景区、校园、医院、超市等场景，需要控制和统计人员进出数量，并进行丰富客流统计报表分析。
4）车辆的智能管理
在交通卡口通过视频智能应用实现车辆特征信息的识别；
在园区、道路、地下停车场入口等区域，通过智能分析技术检测车辆的违停、占道等行为，实现车辆管理的自动化和智能化；
图2.
车辆的智能分析
5）物品的智能分析
如物品识别、物品遗留、物品移动、物品拿取等智能分析可广泛应用各类安防场景中。
图3.
物品的智能分析
6）视频的智能检索
通过视频智能算法实现视频信息叠加，快速搜索等应用，提高视频查阅和分析效率，大大降低人工成本。
1.2.2视频智能痛点
1）中小型项目和预算较低项目的智能需求未被满足。
智能分析的模式比较单一，智能产品的形态基本为后置式，产品形态差异性小、市场竞争趋于变大；
同时，后置式智能分析产品虽然解决并发处理多路识别分析，但是对中心存在一定的压力。
而中小型项目的智能需求增加，现有模式未能有效满足，市场需要一种性价比更高的产品形态，需要系统部署更加灵活，应用场景更加广泛、易落地的小型智能场景，让智能走向“大众项目”。
2）更高的精确度和更强的适应性一直是行业追求不变的方向。
各行业的视频监控业务复杂度越来越高，更多的图像细节信息的识别和业务功能的扩展成为客户的迫切需求。
部署海量的监控能够满足复杂业务的需求，采集更多的视频图像、获取更多的目标信息、进行更加精确的智能分析，都是行业提升视频监控能力和效率的关键点。
而传统的智能算法难以适应复杂监控场景，急需要场景适应能力更强、误报率更低、能提取更多目标特征的视频智能化方案和产品。
1.3建设内容
为满足综合安防领域内对人车物的智能需求，结合当前的智能技术，有重点的解决综合安防当前智能需求中的最痛点，本系统重点实现人员智能功能、人群智能功能、车辆智能功能。
其中，人员智能功能主要包括人脸抓拍、人脸比对、异常行为分析、周界防范去误报；
人群智能功能包括客流监控和统计；
车辆智能功能主要为车辆占道检测功能。
1.4名词解释
术语/缩略语
含
义
深度学习
通过机器自身提取特征，将人脸浅层的抽象特征（脸颊、额头等）逐层处理，最终形成深层的可供识别的人脸图像进行学习的一种智能算法
GPU
GraphicsProcessingUnit，图形处理器，专为图像处理设计，可以通过增加并行处理单元和存储器控制单元的方式提高处理能力和存储器带宽
深眸
海康威视“深眸”系列专业智能摄像机，内嵌专为视频监控场景设计、优化的深度学习算法，实现了在各种复杂环境下人、车、物的多重特征信息提取和事件检测
“超脑”NVR
海康威视自主研发的新一代超脑NVR系列，具备基于深度学习算法的视频图像结构化技术和NVR的各项功能特性
去误报
通过对触发报警的区域进行人体目标二次识别，筛选过滤掉非人体报警，从而最大限度的降低周界防范误报现象
脸谱
人脸分析服务器，海康威视专用于人脸识别分析的“视频云结构化分析服务器”
人脸识别
是基于人的脸部特征信息进行身份识别的一种生物识别技术，是在含有人脸图像或视频流中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列建模等技术，实现不同人脸的识别的过程。
人脸以图搜图
是一种通过上传的人脸照片，在指定搜索位置按照人脸特征的相似度进行比较，获得相似度最高的人脸图片的人脸识别应用。
第二章
系统架构与功能
第1章
2.1系统架构
系统架构可设计如下：
图4.
智能视频监控架构示意图
1）
前端部分
支持多种类型的摄像机接入，前端网络摄像机进行图像、视频等网络数字信号的采集，通过网络进行视频图像的传输。
部分前端摄像机还具备智能比对和分析功能。
主要的前端摄像机包括拥有占道检测功能的占道球，可进行客流实时监控和统计的“深眸”垂直双目摄像机，可进行异常行为分析的“深眸”行为分析摄像机，以及具备人脸抓拍功能的“深眸”人脸抓拍机和人脸比对功能的“深眸”人脸比对机等前端摄像机。
2）
后端部分
支持多种类型的后端存储设备接入，主要用于对前端采集的视频、图片进行存储和分析比对功能。
主要包括具备人脸比对功能的“超脑”NVR和脸谱，具备后端周界防范去误报的“超脑”NVR。
2.2人员智能分析
2.2.1人脸应用
人脸应用场景广泛、价值巨大。
如人脸身份核验应用，可应用于园区、工地大门识别企业员工、厂区人员、工地工人，楼宇小区的大门、建筑出入口识别业主人员，以及对进出小区或别墅的水电工、保洁员、绿化工、维修工，别墅亲友等人员检测和识别，通过对抓拍的人脸进行实时比对，比对成功后联动闸机进行开门，实现内部人员或相关人员进出大门出入口的管控。
除此之外，人脸身份核验还可以应用于其他重要区域，如公安（嫌疑犯确认、零口供、枪械库管理）、金融（金库、押钞车、ATM机、加钞室）、医院重地（特殊药房、麻醉室、手术室）、楼宇（企业财务、档案、库房）等人员比对、航客运（安检）、交通运输（特殊车辆司机）、幼教（接送家长）、大学（实验室、教师考勤）等；
酒店/商超/连锁惯偷识别、建筑工地（特殊工种人员比对）等场景。
人脸（黑名单）布控报警应用，可应用于大楼园区的出入口、大厅等场景，满足用户对于“职业上访”、不法分子、黄牛、医闹、惯偷、闹事者、地痞流氓、社会混混等可疑人员的检测和识别，以及其他人员（如能源企业识别环保局人员、医院识别卫生局人员、园区识别重要人员）的检测和识别，并对抓拍的人脸进行实时比对，比对成功后进行报警。
人脸检索应用，可用于公安检索嫌疑人、交通运输轨道车站失踪人员搜索、校园失踪学生的搜索、园区/街道搜索嫌疑人脸，用于事后追溯、证据查询等场景，通过下发人脸，在人脸抓拍库中进行人脸比对、搜索，比对成功后返回搜索结果，满足用户对于人脸搜索的需要。
通过上述场景和需求分析，人脸智能分析主要功能包括人脸抓拍、人脸身份核验、人脸布控报警、人脸检索和人脸库管理。
2.2.1.1人脸抓拍
通过人脸检测算法，前端智能摄像机从实时视频数据或录像视频中，自动检测、跟踪人脸图片，如通过对运动人脸进行检测、跟踪、抓拍、评分、筛选一系列流程，结合人脸质量判断规则，自动选出符合人脸提取条件的人脸照片抓拍并进行输出。
人脸抓拍中一般包含人脸的性别、年龄、是否戴眼镜等特征的识别。
图5.
人脸抓拍查询
人脸抓拍的质量在很大程度上决定了人脸智能分析的应用场景和功效，通过如下技术不断提高人脸抓拍的质量：
人脸区域曝光功能和曝光算法：
在检测到人脸之后自动根据人脸区域亮度的变化控制曝光参数，在逆光或者过曝的光照环境下，优先保证人脸的亮度。
在逆光场景下，启用人脸区域曝光的的效果明显优于普通曝光算法抓拍的人脸。
图6.
人脸区域曝光和宽动态对比图
方案推荐使用具有深度学习能力的人脸抓拍机。
深度学习的人脸抓拍机相比传统的智能产品，具有精确度更高和场景适应能力更强。
场景适应能力更强体现在小目标场景和大角度场景中，检出率较传统的智能产品显著提高。
内部测试如下：
场景
传统智能产品检出率
深度学习产品检出率
标准人员卡口
≈90%
≈98%
模糊场景
≈52%
≈75%
小目标场景
≈29%
≈85%
大角度（俯仰角60°
-90°
）
≈40%
≈82%
2.2.1.2人脸比对
平台向比对设备下发需要进行人脸比对的人员信息到名单库中，比对设备接收人员信息后与绑定的前端IPC抓拍的人脸进行比对，将相似度阈值（平台下发）之上的比对结果和信息发送给平台，完成比对。
其中：
相似度阈值范围：
由平台下发，可根据用户需要进行设置不同的阈值，一般人脸比对阈值为80%~90%，阈值太高可能导致比对无结果，遗漏重要信息；
阈值太低导致比对结果过多，需要人工去二次确认、造成效率低下。
人脸比对功能是人脸应用中的基础功能，基于此功能结合不同的使用场景，可开发人脸身份核验、人脸布控报警、人脸检索（以脸搜脸）、人脸1V1比对、人脸轨迹分析、人脸碰撞等多种应用，满足用户不同的需要。
下面详细介绍人脸身份核验、人脸布控报警、人脸检索（以脸搜脸）三类应用。
1）人脸身份核验
由具备人脸身份核验管理权限的用户进行人脸身份核验设置，将需要核验的人脸下发到名单库，并将名单库与指定的比对设备（具备比对功能的前端摄像机/后端比对设备/服务器比对）进行关联核验。
关联后，摄像机抓拍的人脸只与其关联的名单库内人脸进行比对识别和联动。
人脸比对设备将推送过来的人脸照片进行建模，并和关联的人脸库内的人脸图片进行比对，如果比对结果中有1个或多个相似度达到或超过预设报警阈值，选取相似度最高的人脸图片作为识别结果（不同的模式上报的不同张数），并将识别的人脸图片和比对结果推送到平台，在平台中人脸比对事件进行查询报警信息和比对结果。
比对设备成功比对后可进行联动，可通过IO输入输出与需要联动的设备（如开门闸机）进行硬联动，直接联动开门。
硬联动需要在设备上进行配置；
或将比对结果发给平台，由平台具有权限的管理员进行联动闸机开门，实现软联动。
图7.
人脸身份核验刷脸开门
人脸身份核验的业务流程图如下：
图8.
人脸身份核验业务流程图
2）人脸布控报警
由具备布控管理权限的用户进行人脸布控设置，将需要布控的人脸下发到名单库，并将名单库与指定的比对设备进行关联布控。
关联后，摄像机抓拍的人脸只与其关联的名单库内人脸进行比对识别和报警。
人脸比对设备将推送过来的人脸照片进行建模，并和关联的人脸库内的人脸图片进行比对，如果比对结果中有1个或多个相似度达到或超过报警阀值，选取相似度最高的人脸图片作为识别结果（不同的模式上报的不同张数），并将识别的人脸图片和比对结果推送到平台，在平台中人脸比对事件进行查询报警信息和比对结果。
平台接收到人脸实时比对报警，将对应的人脸图片及信息显示出来，警示值班人员关注和处理，并可进行相关联动。
图9.
人脸布控报警
人脸布控报警业务流程图如下：
图10.
人脸布控报警业务流程图
3）人脸检索
人脸检索包括通过人脸以图搜图和通过人脸属性进行人脸检索两个功能。
Ø
人脸以图搜图
在平台上导入人脸图片后，通过人脸以图搜图功能进行人脸检索。
可直接输入人脸图片、人脸相似度阀值、检索数量、其它检索条件，选择抓拍的摄像机和时间段，在抓拍库中进行人脸图片中查找是否有匹配的人脸图片，如果抓拍库中存在一张或多张达到或超过阀值的人脸图片（阈值之上的图片最多99张），按照抓拍时间/相似度进行分页排序。
系统不支持“深眸”人脸比对模式的人脸抓拍库以图搜图功能。
图11.
人脸以图搜图业务流程图如下：
图12.
人脸检索业务流程图
人脸属性检索
系统接收前端人脸抓拍机上报的人脸抓拍事件，其中包含人脸的性别、年龄段和是否戴眼镜三个属性。
可通过按照性别、年龄段和是否戴眼镜三个属性进行人脸属性检索，搜索相同属性的人脸图片。
2.2.1.3人脸库管理
1）名单库添加
平台支持创建、编辑、删除名单库，可根据不同的需要，系统可创建多个不同的名单库，可便于用户根据自身需求将不同的名单库用作不同的比对功能，如名单库可设置高度危险人员名单库、一般等级危险人员名单库等。
图13.
人员名单库分组管理
2）名单库人员添加。
平台可向各名单库添加、编辑、删除人员信息和人脸图片，进行人员信息和人脸图片的信息注册，系统自动完成人脸特征提取及建模，一个人员可对应多张人脸图片。
图14.
名单库人员添加
3）名单库人员添加的方式
平台支持手动添加人脸库和批量人脸添加、删除处理，如平台可以单个图片进行注册，手动输入人员的身份信息；
平台支持批量导入人员，其中的人员姓名直接使用其照片名称，便于当名单库人员较多时的快速导入。
图15.
名单库人员快速导入
4）抓拍库独立管理
平台对不同人脸识别设备的抓拍库不做统一管理。
其中，“深眸”前端比对功能的抓拍照片存储在前端摄像机中，“超脑”NVR接入的抓拍库图片存储在“超脑”NVR中，脸谱接入的抓拍库图片存储在云存储中。
为避免漏报过多，对抓拍的人脸照片质量有一定要求，需要按照摄像机最佳效果进行安装，避免抓拍机架设太高，镜头未拉近，覆盖范围太广，人脸像素过小等抓拍质量问题。
5）比对事件统一管理
平台对不同人脸识别设备的比对事件、比对详情进行统一存储和管理。
用户可对事件进行查看以及操作各类联动，以便用户查询及生成报表。
2.2.2行为分析
2.2.2.1异常行为分析
通过接入“深眸”行为分析摄像机，平台可接收人员异常行为检测事件，检测事件包括人数异常、间距异常、徘徊检测、剧烈运动、在离岗检测、倒地检测、滞留检测、跨线检测和奔跑事件，进行人员异常行为的分析、报警和联动。
不同的异常行为检测功能可用于不同的监控场景，防范安全事件的发生，向安保人员报警及时处理，尽量将安全事件的损害降低。
如徘徊和滞留检测，可应用于园区或大楼外围道路、墙角监控，采集人员徘徊的信息，为可疑人员预警和反侦察踩点提供证据；
图16.
人员徘徊检测
人数异常和间距异常检测事件，可用于在监控ATM中是否进入的人数异常、人员间距异常等场景，预防ATM尾行或抢劫事件，并为事后取证提供证据；
图17.
人数异常和间距异常检测
倒地检测事件，可用于在重症监护室、办事大厅、ATM中进行人员倒地监控，及时处理倒地事件，将安全事件的损害降低。
图18.
人员倒地检测
离岗检测事件，可应用对安保人员的离岗检测报警，防止安保人员擅自离岗。
图19.
安保人员离岗检测
2.2.2.2周界防范及去误报
周界防范在综合安防领域中具有广泛的使用场景，可防止非法的入侵和各种破坏活动，发出入侵报警等功能，消除建筑物的安全隐患，阻止人民生命财产损失的事件发生。
视频周界防范是建立在传统周界防范概念基础上，通过应用智能视频分析技术，不但具备入侵报警作用，而且还能通过前端的视频监控设备实时了解监控区域的情况，一旦发生入侵行为，第一时间发出警示，并及时告知安保人员进行处理。
通过接入具有侦测事件的摄像机和行为分析服务器，实现周界方案事件侦测功能，并可在平台上对其进行配置、接收报警等操作，在事件中心模块对该报警配置联动动作。
图20.
周界报警示意图
然而，由于树叶摇晃、灯光照射、动物穿越等因素产生的大量误报大大影响了用户的使用积极性。
由于误报频繁的原因，将会严重增强安保人员对系统的不满意度，同时也会因为事件过多容易导致报警事件的遗漏。
采用基于深度学习的智能算法，可以对触发报警的区域进行人体目标二次识别，从而最大限度的降低周界防范误报现象，切实提高监控区域的安全防范能力。
具体功能包括：
1）越界侦测和区域入侵去误报
开启人体去误报后，当目标越过用户设置的警戒面或在设定的检测区域范围内停留（包括静止或移动）超过设定时间时，产生越界侦测事件和区域入侵事件,设备将对摄像机推送的报警图片结合越界规则进行目标二次识别，如果由人体触发，系统自动产生报警。
图21.
周界去误报的二次识别
针对历史报警信息，系统支持通过点位、时间段等进行报警信息的查看，以及前后数秒录像的关联、回放。
2）报警联动
平台可通过报警弹窗、蜂鸣器报警、IO输出等多种方式进行周界防范报警联动。
2.3人群智能分析
2.3.1客流统计
通过精准的量化数据来研究客流量规律，不但可以了解相关设施在运行中的状况，还可以利用这些高精度的数据，进行有效的组织运营工作，防止拥挤、踩踏等恶性安防事件产生。
如在大型超市、商场和连锁店铺需要显示当前客流状态和变化趋势，对流量较大的区域采取预防突发事件的措施，并可实时观察商场当前的停留人数，从而对电力、维护人员及安防人员等进行合理调整，并可控制商场运做成本；
地铁站、车站和机场通过客流统计，自动统计进出乘客的数量，分析乘客的人流量分析，对于国家、政府规划建设车站、机场等大型工程项目和特殊时段疏导、分流乘客流量的策略提供依据。
展览馆、博物馆通过自动统计进出的参展人员，分析不同区域进出人员数量，了解大众需求，可对安防力量进行有效布控和实时调整，并对后续展览馆、博物馆等建设和开发提供依据。
但是，传统客流统计由于设备识别能力的限制，以及客流智能算法的差异，导致传统客流统计由于推车、小孩以及店员徘徊造成较大误报，降低客流统计的精确度，无法满足用户精确统计的需要。
针对上述问题，系统提供具有更高精度的客流实时监控和统计报表功能，满足用户精确统计需要，为拥挤、踩踏事件的防范提供更加精准的参考数据。
更加精准的客流统计功能主要通过深度学习算法和客流统计智能算法实现。
1）前端摄像机更强大的分析能力。
“深眸”客流统计采用深度学习算法，能显著提高客流统计精度；
2）更加优秀的客流统计智能算法。
使用双目立体视觉技术和3D目标检测跟踪技术，实现更加精确的客流统计和分析。
双目立体视觉技术是基于视差原理，利用双镜头摄取的两幅图像的视差，检测运动目标，计算对应点间的位置偏差，获取目标的三维信息，在深度图像中对目标的检测与跟踪，实现高精度的客流统计功能。
3D目标检测跟踪技术，视频画面中出现客流时开始跟踪，直到人员离开图像画面时才判断是否计数，从而有效过滤徘徊可能导致的重复计数，并且不受拥挤及躯体部分重叠的人员影响，大大提升了其复杂环境下的统计精度。
除了设备分析能力和智能算法外，系统还提供实时客流监控和历史客流统计报表功能，满足用户客流统计分析的需要。
1）实时客流统计监控。
用户可在界面看到实时客流画面，并在视频上看到进入、离开的客流数，满足实时监控客流的需要。
图22.
平台客流实时监控界面
2）丰富的历史客流统计报表。
可生成包括即时报表，日报表，月报表，年报表，自定义报表，汇总报表在内的多种报表类型，包括日、周、季、年报表，汇总报表和自定义报表功能，满足用户进行各类客流分析的需要。
图23.
平台客流统计报表示意图
2.4车辆智能分析
2.4.1占道检测
针对住宅小区内人行通道、企事业单位园区内部道路、地下停车场的入口通道等区域，采用内置占道检测、车牌识别智能算法的占道球进行检测，可自动对违规占道车辆进行识别和取证，解决开放园区社区带来外来车辆违停，智能识别车牌，上报城管，威慑力强，实现园区占道行为智能化管理。
其次，还可对静止或运动车辆进行手动取证功能，让违章无所遁形，并利用独创的智能聚焦算法，实现对运动物体的快速聚焦捕获，有效检测距离达150米，即使有车辆想快速逃离也能抓取到该车辆信息。
单个占道球
可支持8个场景的占道轮巡检测，并对检测到的占道事件进行图片抓拍，上传至NVR或者综合管理平台，后台管理人员可以获取到大量信息，对现场以及违章情况进行全面了解，提醒采取相关措施，对违规占道现象进行快速记录和处理响应。
图24.
社区内部占道检测
2.5其他智能功能
2.5.1热度分析
对室内固定区域进行空间热度分析，为用户提供区域内人流热度数据，有助于用户进行室内的热度分析，调整安防力量布放及为用户业务分析提供支撑数据。
图25.
热度分析
2.5.2浓缩播放
在需要快速查看录像的场景中，如保安人员需要对一段时期内的录像进行快速浏览以寻找证据，将是否有人出现定义为关键视频，可对非关键时段视频进行快速播放，关键时段正常播放，实现长时间视频的浓缩播放、快速查找和定位目标，减少查找时间，提高视频查看效率。
图26.
视频浓缩播放
第三章
场景应用
3.1场景分类说明
遵循科学、合理的布点规划理论，以“先进性、实战性、可持续性”为建设目标，构建“块圈严密无缝化、重点区域无遗漏、人车管控线可追踪、智能视频监控无死角”的“围圈、切块、分格、连线、定点”的安防布建模型，并梳理归纳园区内不同区位空间的特点，探寻场景监控规律，合理运用各类前沿智能视频监控设备，开展场景式前端设备部署，形成符合综合安防需要的多角度、多层次立体化综合安防体系，打造协同作战的、有机的、不可割裂的整体防控体系，全面提升对于综合安防领域内的人、车、事物以空间为轴的全方位防控水平，提升综合安防整体防控能力。
选择具有代表意义的综合型园区场景，对综合安防视频智能监控的场景进行分析。
其他场景可参考类推。
在“圈线面点”的安防布防模型中，可从外至内将综合型园区的安防场景划分为：
1）周界防范（周界出入口）及周界外围防空圈；
2）园区内部道路线；
3）建筑出入口点；
4）建筑内部区域和重点防控区域；
5）其他特殊场景。
图27.
由外至内的“圈线面点”布防模型
场景名称
场景细分
场景特点
核心诉求
备注
周界防范及外围场景
周界外围
场景范围大，满足周界外围的防范和异常行为报警需求
1、机非人的抓拍；
2、可疑人员、可疑车辆的抓拍；
3、外围道路车辆占道管理；
周界防范
场景范围大，要求无缝覆盖；
现场施工环境复杂；
要求较高准确率的周界防范侦测事件
1、周界防范报警事件接收；
大门出入口
园区安防的重要关口，场景固定，人流并发、人车混行情况复杂；
安防事件多发地；
1、实时监控；
2、黑名单布控；
3、身份核验放行；
内部道路
区域广阔，监
升级会员 