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