车站智能化人脸识别闸机应用介绍:
一、车站出入场景:人、证、票验证,主要应用区域体现在:
入口区域
在候车入口处布置智能人脸识别闸机,对进入候车室的人员进行身份核实,有效提升站内的安全级别;各智能化闸机均可按需要配置,对职工/旅客进行身份识别;各终端闸机,均与后台的对应的业务系统对接,业务之间既有关联又有互联,实现系统的完整性;
出口区域
职工、旅客可通过北京西莫罗出口通道闸机进出;
二、系统逻辑层次架构
1、采集层
系统需能为系统获取开展人脸识别分析应用所需基础图像数据的各种采集方式,主要包括以下几种:
2、数据库信息批量采集
可以从中山大学原有的教职工、学生相片库等第三方系统批量获得建库所需人员信息及相片数据,用以建立系统自己的人员数据库。
3、数据层
包括相片库、基础模板库和索引库三种数据库。
4、相片库
l教职工/学生库、外来人员库、预约来访人员库、黑名单人员库信息及相片。
5、基础模板库
l与相片库相对应的人像识别比对基础模板库。
6、索引库
索引库是本平台的重要核心,是应用和特征库之间的重要桥梁,索引库在各相片库及基础特征库之间按人员信息建立索引,可以为各警种的人像智能识别比对应用提供数据共享;此外还可根据不同警种业务需求建立相应的业务特征库索引,缩小识别比对范围,提高识别比对效率。
7、支撑层
人脸建模
该模块负责从静态图片以及人脸中定位和提取出人脸数据,并对人脸数据进行建模和局部分析,抽取出相应的人脸特征,进而对局部特征作结构化处理。
人脸识别比对
该模块是人脸识别分析技术应用的核心,负责完成从获取的人脸图像与数据库中的人脸图像进行特征比对和检索等关键功能。
8、功能层
包括了系统应用的所有基础功能模块:人员建库、人脸特征采集、实时数据上传、基础信息管理、人脸特征比对分析、人脸特征比对报警及人像抓拍分布统计等功能模块或子系统。
9、应用层
具有人像识别比对相关业务需求的应用功能。
三、车站智能人脸识别闸机系统特色
模块化的系统结构功能。
系统采用“服务器+工作站”的模块化结构,这种结构便于不同智能部门根据权限来进行独立管理,避免权限交叉和管理混乱等现象。如数据服务器专门用于数据交换和存储;维护工作站用于系统维护;应用工作站用于对旅客、职工进行管理;
强大的脱机使用功能
像素人脸识别闸机门禁管理系统具有强大的脱机使用功能,当硬件系统与控制系统无法正常通讯时,门禁系统仍能正常使用而不影响旅客出入。硬件控制器的存储容量可达10万张照片和10万条历史记录,不会因为短期通讯故障而造成数据丢失。
强大的联动功能
系统具有强大的联动功能,能与人脸识别、语音播报等设备进行无缝联动,当系统触发报警时,自动自动保存现场照片和语音播报进行语音提示。如:使用非法卡进入通道时,系统自动进行图像抓拍和语音提示,同时联动声光报警。
基于人脸大数据的深度学习人脸识别,极大提升系统鲁棒性和识别准确率。
人脸识别算法采用基于神经网络的深度学习模式。通过利用大量简单处理单元互联而构成复杂系统,模仿人的学习认知系统,在学习的过程中获得其他方法难以实现的关于人脸识别的规律和规则的隐性表达。通过利用形状特征、灰度特征、皮肤纹理特征等多种传统特征并进行融合,采用了空间分析和调度学习技术,实现高性能、高精度、高鲁棒性、可靠的人脸比对算法;
基于安防、教育、金融等行业的实际应用,已具备上亿级不同质量、姿态、光线、性别等用于深度学习的人脸大数据,利用海量数据,采用深度学习,自动学习得到人脸特征。算法在经过大量人脸正负样本数据的训练后,在准确率、容错性、鲁棒性等方面均有明显优势,已经过众多大型项目的实际考验,*实战应用。
提供强大的人脸图像预处理工具 在关注名单库建库过程中,照片质量参差不齐,可对相片图像进行自动或者人工处理,使之符合有关标准和要求。人脸相片处理功能如下:
l支持通过插件或其他方式,对人脸相片进行人工剪裁处理。
l支持调用第三方图像处理、分析工具。
l图像处理工具包括:颜色处理、亮度调节、对比度调节、饱和度调节、锐度调节、色彩调节、鱼眼矫正、光线均衡、橡皮擦、清理背景、恢复原图、裁剪工具、超分辨率、自动多阶亮度、自动多阶对比度、自动多阶饱和度、自动多阶锐度等。对于对鱼眼摄像头、较差光线下的图像自动化处理,能在这些条件下提高人脸识别算法的准确率。