第一章. 方案概述

1.1 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：

1.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。

2.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。

3.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。

平安城市建设从最初的视频监控、卡口电警建设，系统已大量掌握了视频图像资源和卡口车辆数据和价值图片，但是针对人员侦查，身份确认还是需要通过技侦或网侦手段，无法充分利用视频图像资源快速定位人员身份。即使出动大量警力，采用“人海战术”但受制于肉眼识别劳动强度的极限，再加上人工排查效率不足，视频图像拍摄受光线、角度倾斜等不确定因素影响，无法保证查找的准确性和时效性，尤其出现突发紧急案件时，往往会贻误最佳破案时机。

如何提供更加丰富以及实用的“人像防控”应用，从“事后被动侦查”到“事前主动预警”将是平安城市下一建设阶段面临的主要需求。

1.2 需求分析

人像大数据系统采用高效的人脸检测定位及识别比对系统，可以第一时间帮助公安侦查人员快速识别辨别特定人员真实身份，把过去人工排查海量的视频图像资源比对需求变成现实，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。

1.3 建设目标

*本章文字内容可以根据项目具体情况修改：

1.3.1 动态人像天网建设

1.3.1.1 非标人脸库建设

协助公安针对当地扒窃人员、偷抢盗人员、上访人员、未成年犯罪人员建设人像采集环境，对现场人员进行人像采集和身份采集入库，为敏感人群、重点人群布控提供人像库支持。

1.3.1.2 重点人员布控

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、水客等当地涉稳人员，同时也包括高危人员、敏感人员等。利用人像大数据系统，将重点人员进行城域级布控，同时后续刻画典型关注人员轨迹，进行高危行为预警研判。

1.3.1.3 高危人员布控

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。

1.3.1.4 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。

1.3.1.5 人证合一

在汽车站、火车站、机场等身份证检查、其他民事应用中，可通过单兵、手机、相机对人员进行脸部拍照，并通过身份证读卡器读取身份证信息，通过拍照图片和

身份证人脸确认是否人证合一，并上传照片至后端进行人脸识别确认是否属于重点布控人员。

1.3.2 静态人像天网建设

1.3.2.1 身份信息确认

针对孤寡老人、三无身份人员、聋哑人员等无法确认身份的人员，可通过手机、相机等对人员进行脸部拍照，并上传后端比对常住人口或流动人口库，确认身份信息。

1.3.2.2 身份信息查重

对当地常住人口库、流动人口库或全国人员信息库中人员身份证进行人脸库自查重，排查一人多证的问题。

1.3.2.3 洗白人员身份确认

通过比对当地常住人口库&全国在逃人员库或当地流动人口库&全国在逃人员库进行人脸图片碰撞比对，排查两个库中相似人员人脸及身份信息，从而清洗出漂白身份的人员。

1.4 性能指标

1.4.1 人像识别系统

1）中心库容量：XXX万人。 ? 储存全国关注人员数据XXX； ? 储存全省二代证人像数据；

? 储存各监控节点实时采集人像的累积数据。 ２）处理能力：

为整个人像天网提供针对XXX万关注人员的实时查询服务，检索比对时间不超过5秒并报警提醒（不包括网络延时）。

中心系统处理能力要能够同时满足中心库所关联的XXX个实时人脸监控节点的实时查询比对需要。

1.4.2 用户网络环境

远程用户人像查询工作站通过公安网与人像识别系统联接，网络带宽为百兆以上。

1.4.3 其他性能指标要求

? 系统稳定性：系统要求实现7×24小时*365天连续稳定运行。 ? 符合公安部颁发的有关人像识别系统的相关标准；

? 在保持系统总体比对精度和处理能力的前提下，系统能够进行平滑升级。

1.5 建设内容

*根据具体情况编写

1.6 建设原则

1) 实用性

整个系统从实用性的角度出发，最大限度的满足人员管控系统建设的需求，能适应新技术的发展，选择性价比高的产品，既控制了建设费用，又保障了系统的完整功能。

2) 先进性

采用领先的科学技术水平，集成了先进的人员及人脸识别算法，在保证整个系统功能和性能的前提下，最大限度地采用成熟、可继承、具备广阔发展前景的先进

技术。要努力保证整个系统功能的科学合理性，防止片面追求某一局部的高指标与先进性。

3) 可靠性

人员管控系统是处于24小时工作，系统采用业内主流产品，保证了系统的高稳定性、高可靠性。前端高清智能网络摄像机在硬件设计上考虑室外工作的特殊性，具有耐高温、散热性能好，防雷、防浪涌保护等多方面安全考虑，为系统的稳定运行提供保障。

4) 可扩展性

无论在系统软件、硬件的设计和选型上，都充分考虑其后期的可扩展性，结构上应易于扩充，以便于后期新功能的扩充。在硬件的接口上也比较丰富，能适应后期更多设备的接入控制。

5) 易操作性

系统具有简单易学的操作界面，无需专业的计算机知识，普通用户即可轻松完成日常人员管控系统的操作。

1.7 设计依据

? 《安全防范工程程序与要求》GA/T75-94 ? 《安全防范系统验收规则》GA308-2001 ? 《安全防范工程技术规范》GB50348-2004 ? 《安全防范系统通用图形符号》GA/T74-2000 ? 《视频安防系统技术要求》GB/T367-2001

? 《系统接地的形式及安全技术要求》 GB14050-93 ? ?

《安全防范视频监控摄像机通用技术要求》GA/T1127-2013 《安全防范高清视频监控系统技术要求》GA/T1211-2014

? 《安全防范视频监控联网系统信息传输、交换、控制技术要求》

GB/T28181-2011

? 《出入口控制人脸识别系统技术要求》GA/T1093-2013

? 《安防人脸识别应用系统第2部分：人脸图像数据》GA/T922.2-2011

第二章. 系统总体设计

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设备和后端平台业务系统，实现了动态黑名单比对报警、静态人脸图片检索等功能。

本系统采用分布式架构，服务器节点可根据实际需求线性扩展，轻松满足爆炸式增长的业务需求，同时系统支持上亿级别人脸注册库/人脸抓拍库、30万黑名单库，极大的满足公安对重点人员的事前预警和事后追查需求。

2.1 系统架构

系统基于人脸识别核心技术，遵循公安行业信息化标准规范，依托综合可靠的

通信网络、分布式数据库和集群计算等多项技术，充分考虑系统安全性、可靠性、

可扩展性，可广泛应用于公共安全各业务领域的人脸比对综合应用平台，能有效地协助对不法人员的鉴别、抓捕和布控，保护国家安全和社会稳定。

系统由人像卡口、人脸识别服务器、人脸识别平台、存储设备、人像大数据系统五款产品组成。

人像卡口：前端摄像机包括普通高清网络摄像机和人脸抓拍单元。普通高清网络摄像机主要实现图像采集、编码、视频传输等功能。人脸抓拍单元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。同时人脸抓拍单元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；

人脸识别服务器：集人脸检测、人脸抓拍、人脸识别、人脸特征分类等多样化算法和分布式计算软件于一体，主要包括：1.人脸识别算法—采用基于神经网络的深度学习算法，构建动态人像识别服务、1:1/1：n/n:N等多样化人脸识别服务，从而实现高效率、高准确率的人脸识别比对。2.分布式计算集群—通过分布式计算软件统一对多台人脸识别服务器进行集群管理，从而进一步提高系统效率，适合大规模系统部署。3.系统运维管理服务—负责对计算集群存储、性能、服务进行统一的运维管理，降低系统风险，提高用户体验。4.人像数据库—负责人脸图像和算法特征化数据存储，数据库内置提高系统耦合度，降低服务器于服务器之间的对接导致的系统风险。

人脸识别平台：集人像卡口管理、视频存储、流媒体转发、业务应用于一体，提供人脸识别系统的各项业务功能。

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EVS存储设备、云存储等专业监控行业存储设备中。

2.2 联网设计

方案一：

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。通过人脸识别平台对视频流转发到

人脸识别服务器集群中，进行特征提取和识别比对，并反馈结果到人脸识别平台中。人脸识别平台将相关人脸报警和历史记录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。

布控部署在视频专网

方案二：

在公安网中部署人脸识别系统，前端人脸卡口通过共享平台传输视频至公安网。公安网下人脸识别平台对接共享平台获取前端数据，导入识别服务器进行特征提取和识别比对，并通过人像大数据平台进行业务分析，数据挖掘等工作。

布控部署在公安网

2.3 逻辑架构

行为模式挖掘关系挖掘人证统一核查同行分析静态人像搜索大规模人员危险性分析频次分析黑名单预警一人多证排查业务系统应用1:1比对服务1:N比对服务n:N比对服务动态比对服务人像检测算法特征提取服务人脸抓拍库人脸注册库黑名单库人脸识别服务人脸抓拍单元高清网络摄像机智能穿戴单兵前端

人脸识别系统利用分布式集群技术、基于神经网络的深度学习技术和海量数据存储大数据计算技术，实现实时视频监控图像、录像。

前端采取视频流或图片流方式进行视频图像传输，提供现场环境人脸图像，并形成人脸抓拍库。

人脸识别服务采用可动态扩展的分布式结构，底层负责人像库的库管理，处理人像库创建、抽取特征值、人像索引等底层应用。对外提供人像1：1比对和1：N比对、n:N比对、动态比对等服务，服务分别对应有应用网站的功能业务，以及外

部调用的API接口。

人脸业务系统，通过相应服务的API接口实现人证合一、静态检索、一人多证排查、洗白人员身份确认及其他大数据应用处理。系统间通过API方便的实现松耦合，快速的实现人像平台的集成。

2.4 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的实时视频流或人脸抓拍单元的人脸图片流，会由人脸识别服务器下的动态人像算法进行人脸特征数据提取，并实时与黑名单库中的人脸特征数据库进行遍历比对，并反馈平台每次比对结果。

图像检索人脸比对：通过平台客户端提交需检索的人脸图片/录像，人脸识别服务器自动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。

2.5 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-包含历史抓拍现场图片、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、PGIS轨迹跟踪等；

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，如地级市当地的社保人像信息库、当地常住人口信息库、当地流动性人口信息库等，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。

第三章. 动态人像比对

3.1 前端系统部署设计

规划和建设人像卡口平安城市项目时，前端抓拍点位的建设规划质量、成像效果等因素会直接影响后台人像大数据系统的应用成效。前端系统建设后需加强对酒店、网吧、旅馆、火车站、汽车站、小区出入口等重要人员落脚点进行覆盖，特别是覆盖重点单位和场所。同时可以在派出所、部分政府单位设置非标准人脸采集室，对进出派出所人员进行拍照建库。

前端产品主要包括：

普通高清IPC-通过视频流进行人脸布控比对。

人脸抓拍单元-前端集成人脸抓拍算法，通过图片流进行人脸布控比对。 前端应用场景主要包括：

实时布控预警场景-后端通过布控黑名单，对前端摄像机传输的图像信息进行比对预警。

非标人脸采集场景-人脸识别系统对实时图像进行人脸抓拍，并与身份证人脸进行比对，确认是同一个人的情况下，进行抓拍图片和身份信息关联入库。

3.1.1 摄像机实时监控方案选择

目前针对视频进行人脸数据采集主要有以下二种技术方式：1、各监控摄像直接向后端传输视频流；2、各监控摄像直接向后端传输抓拍人脸图片流。两种方案优势如下：

各监控摄像直接向后端传输视频流；

1) 服务器计算资源远超摄像头，避免了摄像头因计算能力不足，在画面中人员

多的情况下捕获率下降严重的问题。

2) 由于视频流中的图像往往有不同的姿态。后端服务器在视频流中，每个过人

事件会截取多张人脸进行比对，大大提升比对精度。

3) 由于算法更新速度较快，前端集成人脸抓拍算法后，无法满足大批量的快速

更新，相较于后端抓拍存在升级成本和及时性的问题。

4) 充分利用服务器性能，可在后端加载大计算量的特征数据合成算法。能将抓

拍效果优化，将焦距内外，模糊或清晰、角度各异的人脸自动合成一个最优特征数据用于比对识别。

5) 前端抓拍漏抓率严重，一般只支持同时抓拍15-20张人脸，后端抓拍可充分

利用服务器性能，动态调配服务器内抓拍能力，以达到繁闲摄像机共享整机性能。

6) 人脸抓拍摄像机中的人脸区域曝光功能，常常会丢失大量人脸特征信息，只

是在肉眼上看上去更清晰了，对算法提升并不大。

7) 前端摄像机绝大部分性能用于人脸抓拍，将无法支持其他智能化功能，如车

牌提取等。

各监控摄像直接向后端传输抓拍人脸图片流优势； 方案的优势

1) 抓拍算法前置可降低服务器编解码性能，在服务器选型和性能利用和综合成

本方面，前端抓拍更具性价比。

2) 抓拍算法结合前端摄像机，可联动摄像机快速调整人脸区域曝光、人脸区域

图像质量调优，可提供查看优质的人脸图像。

目前人像识别系统处于基础建设阶段，首位目的是将系统基础搭建好，前端抓拍短平快，但受限于前端摄像机，后续更替前端厂商或后端厂商的限制非常大。从长远考虑，需要在系统每个环节都拥有充分产品选择权。

3.1.2 实时布控预警场景前端设计

3.1.2.1 前端点位部署建议

前端布控点主要安装高清摄像机，实现人脸信息的采集，并通过网络传输至节点管理系统。

为保证人脸布控的效果，前端布控点所采集的图像须保证人脸效果清晰，为此，所选用的摄像设备应为分辨率在1080p或以上的高清摄像机。

除了分辨率，还应保证布控点所采集的每一帧图像清晰、稳定，由于布控点往往都是运动场景，要保证抓拍人脸的图像清晰不模糊，为此，一方面，人脸布控摄像机应具备超低照度、宽动态的特性，另一方面，当布控点周边光线环境不足时，应采取必要的补光措施以确保人脸的照度不低于200lux。

安装位置选择

现有各类视频监控系统，其摄像机的画面基本都是针对较大范围场景监控，对于具备超低照度、宽动态的特性摄像机而言，则是要让画面主要反映人员的脸部细节，并对人脸尺寸、清晰度、姿态角度有一定要求。?

尽量选择通道式场景安装，比如重点场合的出入口、人员经常出入或者事件频发的重要场所，比如机场口岸、车站、宾馆、网吧等。

3.1.2.2 人像卡口推荐场景及要求

3.1.2.2.1 商场、餐厅、网吧、娱乐等场所大门口

推荐场景：

商场、餐厅、网吧等公共场所进出口，要求里外必须有两扇门，摄像机安装在室内正对大门口，相机不会直接照射到门外场景，适合做人脸抓拍：

（商场、餐厅、网吧等公共场所大门口）

（抓拍人脸监控场景示例图）

不推荐场景：门口阳光直射，背光场景，造成人脸偏暗

（抓拍人脸监控不推荐场景示例图）

3.1.2.2.2 公路、机场等安检通道

推荐场景：

公路、铁路、机场等公共运输安检通道，人员逐个通过且人流方向一致，适合做人脸抓拍场景：

（公路、机场安检通道）

摄像机实际安装监控效果：

（抓拍人脸监控场景示例图）

不推荐场景：背景背光严重，安检通道直接设置在进门口，形成强宽动态场景，此场景人脸抓拍效果较差（每天不同时间段光线变化明显，抓拍效果也有较大差别）：

（门口场景抓拍人脸监控不推荐场景示例图）

3.1.2.2.3 闸机（铁路、地铁）场景

（如地铁闸机口，出站口正前方安装人脸识别摄像机）

（抓拍人脸监控场景示例图）

不推荐场景：背后及侧边有强光源广告牌，背光场景易造成人脸偏暗及阴阳脸

（避免闸机后有广告牌，人脸抓拍不推荐场景示例图）

3.1.2.2.4 光照条件要求

光照条件要求需要满足以下三项： 1、行人正脸光照强度在100lux以上；

2.、行人侧脸光照强度在100~200lux，左右两侧差值 3、行人背面光照强度<正面光照强度* 2

如果条件1不满足（如：夜晚、光线不足的白天），会产生IPC采集人脸图像曝光不足，导致人脸画面偏暗、噪点偏多，如下图；

（环境较暗，人脸曝光不足）

如果条件2不满足，即左右侧光照强度如果差异过大，会造成IPC采集的人脸图像有“阴阳脸”现象（半张脸暗，半张脸亮），如下图：

（左右两边光线照度不一致，阴阳脸）

如果条件3不满足，即背面光照强度远大于正面光照强度，会造成IPC采集人脸图像有严重“背光”现象，最终导致人脸曝光不足，五官细节丢失，如下图：

（背光人脸）

如果现场的光线不满足上述要求，则需要通过强光抑制或补光来优化现场的光照条件。

强光抑制可以改善“阴阳脸”、“背光”现象，即通过减弱侧面光照来改善光照条件。补光则可以通过增加额外光源的方式改善光照条件，提高人脸图像的采集效果；主要通过普通射灯、白炽灯等在不影响装修、路人视觉效果的情况下提高人脸的光照度，消除“阴阳脸”。

（射灯）（白炽灯）

3.1.2.2.5 补光灯架设要求

安装补光灯时需要注意以下几点条件： 1、避免补光不均匀：

如果补光灯的安装角度、灯光强度不合适，会造成人脸光照不均匀；比如，垂直安装强烈的射灯会导致人脸光照不均匀，会产生“额头高光，眼窝有阴影”效果，见下图；如果条件允许，尽可能采用漫反射（光线没有明确的方向性）的方式进行补光。

2、考虑不同时段设置光照：

有些场景，白天、夜晚、晴天、阴天的光照条件差异大，白天的“阴阳脸”、“背光”到了夜晚会切换成光线不足，此时就需要灵活设置补光方式；根据不同时间段的环境变化，调试最佳的补光时间。

3、根据现场情况灵活变通：

在没有光照或灯光的情况下（如夜间），安装补光灯的效果不如直接安装照明灯，单独的补光很容易造成补光不均；故室外要求进行夜间人脸识别时需要慎重，当前在室外夜间还未有较好效果的人脸系统应用。

4、避免直射行人眼睛：

补光设备如果直射行人的眼睛，行人会用手遮挡光线，反而影响了人脸的拍摄，架设补光灯应注意在补光灯外增加一层隔膜，减弱补光灯光源亮度，避免对人的眼睛直接照射。

3.1.2.3 点位架设要求设计

IPC前端相机主要作用是获取的高质量的正脸图片，避免人员前后通过导致人脸出现遮挡。摄像机安装原则及示意图：

1、摄像机安装在通道的正前方，正面抓拍人脸。保证人脸左右偏转<30°，上下偏转<15°。对此，相机要求吊装或者横臂挑出正装，避免侧装。

2、摄像机架设高度建议在2.0~3.0m 3、摄像机俯视角度α<15°

4、保持画面水平、抓拍对象处于画面正中，人脸（脸颊最左侧到最右侧，额头到下巴下端如下图片绿框）像素至少达到150X150像素以上。人脸像素点大小查看办法：在摄像机Web界面进行抓图，然后用画图工具打开，操作如下：

5、相机监控宽度建议不超过3m，镜头焦距和安装高度的关系如下：

监控宽度 W（米） 2.5 2.5 2.5 2.5 （不推荐）2.5 （不推荐）2.5 2 2 2 2 （不推荐）2 （不推荐）2 监控距离 U(米) 2.5 3.5 5 7 10 15 2 3 4 6 8 12 镜头焦距 (mm) 8 12 16 25 35 50 8 12 16 25 35 50 相机架设 高度（米） 2.3 2.5 2.8 3.3 4 5.2 2.2 2.4 2.6 3 3.5 4.5 俯视角 （度） 13°±3° 13°±3° 13°±3° 13°±3° 13°±3° 13°±3° 13°±3° 13°±3° 13°±3° 13°±3° 13°±3° 13°±3° 架设物理参数的示意图如下：

说明：

当摄像机与人脸的水平距离在4.5-10米之间，并且摄像机到人脸的俯角在10°到15°之间（假定人脸的高度为1.7米）。因此，当摄像机与人脸的水平距离为4.5米时，摄像机的高度应当在2.5-2.9米之间；

当摄像机与人脸的水平距离为10米时，摄像机的高度应当在3.5-4.4米之间。如果俯角太小（比如镜头平行于人脸），会造成人脸遮挡严重；如果俯角太大，会造成拍摄的五官变形。

正确示例：

错误示例：

画面歪斜安检门不处于画面正中

场景过大，人脸偏小聚焦不清

3.1.3 非标人脸采集场景前端设计

3.1.3.1 方式一、人脸采集摄像机+身份证识别器

人脸采集摄像机的部署通常比实时布控预警场景下的摄像机部署要容易，我们可以根据环境选择合适的型号及部署方式，调整光线和角度，限定采集画面中的人脸数量。比如机场安检场景下，我们限定为每个人依次办理业务，可以确保画面中始终只有一个人脸。

另外，该采集方式的核心是人脸采集摄像机和身份证识别器要后端做关联，同时需要实现身份证识别器与我们后端系统的对接。人脸抓拍系统要求刷卡与抓拍的实时性较高，因此采用接口方式实时传输数据。大华根据身份证识别器公司提供的数据格式，开发对应的sdk开发包，身份证识别器公司根据要求将sdk数据包加入身份证读卡系统中，这样就可以之间通过网络方式将数据信息传递给大华的人脸抓拍系统中。由于身份证的照片信息是加密的，需要身份证识别器公司提供照片解码包，这样大华就能够完成身份信息及照片的提取。

3.1.3.2 方式二、高拍仪（内置身份识别模块）

目前，不少高拍仪整合了二代证识别模块，兼具拍照和身份证识别功能，只要高拍仪厂家提供相关数据读取接口，我们获取身份证信息与人脸关联好的数据并接入人脸识别系统分析。系统可以实时反馈认证合一的比对结果，同时将信息存入后

台系统建库。高拍仪适合部署在一些办事窗口的桌面上朝向来访人员。

3.1.3.3 方式三、单兵+身份证识别器

在非固定场所的人员身份排查场景，我们配套提供单兵外接身份证识别模块的方案。身份证识别器外接在单兵上，读取的数据统一汇聚给单兵，同时单兵可以现场对被查人员进行拍照，选择效果较好的照片和身份证识别器读取的数据关联后统一回传系统。系统可以实时反馈认证合一的比对结果，同时将信息存入后台系统建库。

3.1.3.4 方式四、APP采集+后端对接全国人口基本信息资源库

针对用户已经采购的警务通或专用手机，存在无法对接身份证识别器的情况。或者被采集人也有可能没有随身携带身份证。当设备满足安卓系统，且兼容性不存在问题，我们可以提供基于安卓开发的APP。用户通过警务通或专用手机对被查人员进行拍照，同时通过APP录入被查人员的姓名和身份证号码等，和照片关联，统一传回后端。后端平台对接全国人口基本信息资源库，通过身份证号码检索出人员信息和图片，和APP传回的图片在系统做比对。比对结果反馈给前端，关联数据进入非标人脸库。

3.1.4 其他要求

为了保证人员库实施比对报警功能的准确率，需做好以下几个方面：

3.1.4.1 对人员经过监控点的行为规范

待比对人员在经过卡口时不规范会导致不满足比对要求，比如佩戴墨镜，口罩，低头，侧脸等，均会影响人脸识别准确率。所以要求通过人员布防卡口的人员保持正面朝向人脸抓拍，并保持五官不被遮挡提高报警准确率。

3.1.4.2 避免时间跨度大的黑名单照片

人脸的外形很不稳定，在不同年龄，不同时间段人脸也会不同的变化，当然对

人脸识别率高低也会产生一定影响。所以导入关注人员名单时，需要选择关注人员最近时间的人脸照片。

3.1.4.3 照片质量

人脸照片质量的好坏直接影响到识别的效果，照片质量包括清晰度、人脸大小的分辨率等。人脸照片包括前端高清摄像机抓拍到人脸的照片和导入关注人员名单库中的照片。在导入关注人员照片时，需要选择尽量清晰的人脸照片。

3.1.4.4 人脸采集设备的安装位置

人脸照片一般需要一张正面人脸的清晰照片。如果在人员正常通过情况下，始终没有一张正面人脸的清晰照片，会大大影响其识别率。所以需要根据要求架设相机，并尽量避免逆光的拍摄情况。

3.1.4.5 避免光线的影响

光线的变化会大大影响人脸的外观，从而影响识别的性能。现代人脸识别技术的多项测试都表明光照变化仍是实用人脸识别系统的瓶颈之一。所以现场环境尽量选择光线变化不大的场景，同时做好补光。

3.1.4.6 人员库来源

人脸动态识别系统人员库导入有三种方式进行添加，分别是前端摄像机、关注人员照片和常住人口身份证照。

3.2 图像存储设计

人脸识别系统需存储的视频图像数据包括：监控摄像机实时视频流存储、人脸场景图片/人脸小图存储、人脸特征数据存储。

3.3 图像存储设计

人脸识别系统需存储的视频图像数据包括：监控摄像机实时视频流存储、人脸场景图片/人脸小图存储、人脸特征数据存储。

3.3.1 存储总体设计

实时视频流存储：人像卡口汇聚平台向视频云存储管理节点下发视频录像计划，存储管理节点根据各存储节点的负载状况，给存储节点的接入服务软件同步录像计划。接入服务软件获取录像计划后，直接访问监控点IPC获取到视频数据，再通过调用数据存储软件将数据写入存储节点中。

人脸场景图片/人脸小图存储：人脸识别服务器从云存储管理节点索要图片存储资源，前端摄像机或人像卡口汇聚平台获取人脸图片流存储至指定存储资源下。根据公安实际人脸业务需求，人脸图片可用于布控预警—黑名单库，用于图片检索以图搜图—注册库，用于实时抓拍人脸图片检索管理—抓拍库。

人像特征数据存储：人脸特征数据是系统通过人脸识别算法将非结构化图片信息计算为结构化信息后的一条可用于检索，比对的记录。系统中每张人脸图片均会经过服务器运算产生一条特征数据。

视频存储NVR……前端普通高清摄像机视频流抓拍库、黑名单库DSS-C8100平台人脸识别服务器集群……人脸抓拍单元图片流视频云存储

3.3.2 图片存储容量计算（项目修改）

人脸抓拍库存储计算：

场景图片存储要求：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：1.8GB×365≈0.66TB 人脸小图存储：

存储一天的容量计算：40KB×10×60×10≈0.24G 存储12个月共需：0.24GB×365≈87.6GB 抓拍库特征数据计算：

存储12个月共需：10KB×6000×365=22GB

所以，一路摄像机抓拍一年存储容量约0.77TB

3.3.3 视频存储计算

*视频存储与正常平安城市视频存储相同，按照摄像机输出码流为准，一般公安要求存储3个月。

3.4 非标人脸采集应用设计

人脸识别应用中，公安现有的一些人员库太过庞大，使用不便。其他行业使用人脸识别技术时也缺少一些现成人脸库。这都需要我们系统支持采集和建立非标人脸库，满足上层丰富的业务应用。

3.4.1 人像/身份信息关联

人脸和身份证信息关键是建立非标人脸库的基础，关联的方式根据场景不同，数据采集前端目前主要可以分为四大类方式，参考4.1.2章节。

根据人像、身份信息采集场景不同，分为：1、限制性场景，如办事大厅、派出所、看守所、监狱等，这类场景要求人证必须一致，不一致的情况可以及时预警，现场人员可以采取措施处置，同时有条件抓拍较为优质的人脸图片，可用于后续布控应用；2、非限制场景，如酒店、网吧、街面排查等，这类场景或者是抓拍的人脸质量参差不齐，有可能未达人脸布控的要求，或者当人证不一致时，现场人员没权利或义务去处置。因此人证信息关联时，在后端数据库需要标注是否达到布控要求、是否人证一致，便于后续做深度应用。

3.4.2 非标人脸实时入库布控

用户可将非标人脸库实时导入布控库，通过建立黑名单库，系统可对“黑名单”中的人进行选择性布控。布控方式可以是人脸布控（人脸图片满足布控要求时）也可以是身份证件布控。抓拍和报警的记录可以长期保存在数据库中，供事后查询；

人脸布控时，布控前端可以部署在地铁站、火车站、商场、网吧、宾馆、移动

性展馆入口等人员流动性大的地方，通过建立相应报警库，实施对重点人员的实时布控，第一时间提供最有价值的信息。实时性高，可极大提高警务人员工作效率。

入库照片类型 抓拍照 抓拍照 黑名单大小 1万 10万 误报率 0.01% 0.1% 漏报率 50% 50% 人脸布控功能支持：

? 能够对至少1万人的库进行布控。

? 对摄像头捕获的路人进行布控，延迟小于5秒。 ? 不同摄像头可以配置不同的布控库。

? 对于不同的布控库，采用不同的阈值进行报警。

身份证件信息布控时，可以提供布控库中的人员身份证件数据，提供给机场车站购票、网吧登记、酒店入住等采集的身份证数据进行比对。及时了解布控人员行踪，并可通过相关场所的前端监控进行确认。

3.4.3 非标人脸查询检索

非标人脸库相对于常住人口库、流动人口库等而言，规模相对小很多，针对性更强，可以根据类型定义不同的非标人脸库，且面向行业更广泛。比如公安建设的非标人脸库，当从普通监控画面中提取到嫌疑目标人脸时，用户可以将人脸导入系统，系统可以快速进行1：n比对，检索出结果。比如用户上传一张人脸照片，系统在人脸库检索相似的人像时，按照相似度由高到低排序返回最相似的n个结果。因为人脸库本身规模可控，相似的n个结果数量可控，准确度高。经过人工筛选可以快速锁定嫌疑人真实身份，匹配人员详情可以看见详细个人信息。

3.4.4 非标人脸预警研判

非标人脸库数据可以做深度的应用，挖掘高危人员，进行预警研判。比如： 夜间频繁出现，当非标人脸库中的人员经常在凌晨入住酒店、进入网吧时，达到一定次数就预警提示。

同行人员分析：几个非标人脸库的人员多次一起入住同一酒店或进入同一网吧，且现场登记时有人脸图片进行确认。

首次出现人证不一：异地人员首次入城且用他人身份证登记入住，人脸与身份证信息不匹配。

频繁出现：非标人脸库中登记的涉毒、涉黄等类型的人员，但经常入住酒店等。

3.4.5 地图轨迹研判分析

发现嫌疑目标之后，我们可以在抓拍库和非标人脸库中综合查询其轨迹。抓拍库数据来源于人脸卡口，显示人员出现的时间、地点及人脸相似度。非标人脸库的数据可以是旅馆、网吧登记出入时间，也可以是其他身份证登记数据。最终轨迹可以在地图上进行综合呈现。

3.5 动态人像应用设计

动态人像应用主要应用于网吧、酒店、KTV、旅馆、酒店、火车站、汽车站等人员社会属性复杂，流动性大的场所。用于远程快速确认人员身份信息，海量人员布控预警，嫌疑目标轨迹查询和局部特征检索等应用。

3.5.1 重点人像布控应用

用户可自行指定需要系统报警的“黑名单”人员，通过建立黑名单库，系统可对“黑名单”中的人进行选择性布控。布控人脸信息包括姓名、性别、出生日期、省份、城市、证件类型、证件号。

抓拍和报警的记录可以长期保存在数据库中，供事后查询；

该系统部署在地铁站、火车站、商场、网吧、宾馆、移动性展馆入口等人员流动性大的地方，通过建立相应报警库，实施对在逃嫌疑人员的实时布控，第一时间提供最有价值的信息。实时性高，可极大提高警务人员工作效率。

入库照片类型 证件照 证件照 抓拍照 抓拍照 黑名单大小 1万 10万 1万 10万 误报率 0.01% 0.1% 0.01% 0.1% 漏报率 20% 20% 50% 50% 布控功能支持：

? 能够对至少1万人的库进行布控。

? 对摄像头捕获的路人进行布控，延迟小于5秒。 ? 不同摄像头可以配置不同的布控库。

? 对于不同的布控库，采用不同的阈值进行报警。

3.5.2 重点人像检索应用

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。

同时，针对历史人脸抓拍记录，可查看现场环境图片和相应时段内小段录像，方便公安对嫌疑目标进行二次确认核查。

同时所有被抓拍的路人被自动存入抓拍库，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抓拍库比对结果，系统将按照相似度由高到低排序在5秒内返回最相似的n个结果。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。

由用户上传一张人脸照片，选择要检索的点位和时间段，系统在满足条件的过人记录中检索相似的人像，按照相似度由高到低排序返回最相似的n个结果。整个过程会在5秒内返回。

系统可以对一组照片和其附带的人口属性信息录入数据库，提取其特征并与数据库中的照片特征进行比对，查出该路人的身份证号、姓名、年龄、所在库名称及入库照片，显示在系统界面。

3.5.3 人像检测抓拍应用

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。

公安治安办案过程中，无法得到嫌疑人脸部特征，通过人脸抓拍页面经过摄像机场景的嫌疑目标进行抓取，并登记相关人员信息注册入库。

公安在对嫌疑目标排查过程中时，可通过实时报警界面快速浏览人脸报警信息，

核查嫌疑目标身份，出现地点、出现时间信息。

名词 抓拍捕获率 误抓拍率 实时性 定义及指标 被捕获的人数/经过该点位的总人数 系统指标：98%以上 不是人但被误抓拍为人的图片数/总抓拍图片数 系统指标：2%以下（每100过人小于2次误抓拍） 5S内

3.5.4 比对识别报警应用

当前端摄像头中出现的人脸图片和黑名单中的人脸数据匹配时，如果人脸相识度超过预设报警阀值，系统会自动出发报警。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。

主要性能指标：

入库照片是证件照/网格照，及库的大小不同的情况下，性能分别是？ 报警库大小1万时，可以保证如下性能：

(清晰证件照) 误报率是万分之一时，捕获率=80%

(警察盘查照) 误报率是万分之一时，捕获率=50%

3.5.5 抓拍查询检索应用

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。

同时，针对历史人脸抓拍记录，可查看现场环境图片和相应时段内小段录像，方便公安对嫌疑目标进行二次确认核查。

所有被抓拍的路人被自动存入抓拍库，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。

由用户上传一张人脸照片，选择要检索的点位和时间段，系统在满足条件的过人记录中检索相似的人像，按照相似度由高到低排序返回最相似的n个结果。整个

过程会在5秒内返回。

系统可以对一组照片和其附带的人口属性信息录入数据库，提取其特征并与数据库中的照片特征进行比对，查出该路人的身份证号、姓名、年龄、所在库名称及入库照片，显示在系统界面。

3.5.6 频繁出现人员预警

针对某些点位在一定时间段内频繁出现的人员，系统可自动进行报警。同时频繁出现频率可后台进行设置。

3.5.7 地图轨迹研判分析

发现嫌疑目标之后，我们可以在抓拍库中查询其轨迹。抓拍库数据来源于人脸卡口，显示人员出现的时间、地点及人脸相似度。最终轨迹可以在地图上进行综合呈现。

3.5.8 人脸特征检索应用

通过实时视频中的图像信息，能够对具体特定行为特征的人进行分类，比如维族人；能够识别路人的年龄、性别等人口属性，是否刘海、是否戴眼镜/墨镜、为相关部门提供有用的统计数据和预警信息。用户可以通过网站搜索某段时间内具有以上特征的路人。

性能指标

性别：采用生活照准确率≤98%

年龄：采用生活照，平均误差5岁左右，准确率80% 戴眼镜/墨镜：采用生活照准确率≤98% 维族人分类：采用证件照准确率≤97%

3.5.9 人像/身份信息核查

支持民警在机场、火车站、汽车站、盘查人员身份是否属实，人证是否一致。

系统采用1:1比对服务，将身份证芯片中存储的人像图片与实际拍摄的人像图片进行后端比对，可以将效率和准确率从传统5%的人工排查提升到0.1%。

功能：

? 生物特征身份比对确认 ? 人像采集

? 人像生物特征布控报警 ? 事后人像生物特征查询

3.5.10 动态视频实时建库

系统支持动态视频实时建库应用（又称AB门应用），可部署A门对进出人员人脸进行实时入库，同时在B门进行布控比对，用户通过实时建库功能，可管控人员进出记录。

3.5.11 报警管理应用

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。

3.5.12 统计分析报表

支持根据从摄像头捕获的人像来源、人脸属性、出现频次进行实时统计； 支持根据性别、年龄、是否戴眼镜、是否长刘海、是否戴墨镜、是否维族人进行历史统计。

3.6 性能指标

动态视频建库 延时在5S之内。 内存使用

系统运行需16G，每1万人黑名单库使用内存26M，单台服务器最大支持人脸库30万。

硬盘存储

抓拍人脸、原图、系统日志、结构化数据