科学布设入像感知网网络

安防监控公司表示人像感知网网络在建设过程中，以城市路网、空间兴趣位点、治安形势特征、人员活动与犯案规律等为依托，在重点区域、重点单位的人员通道周边增设人脸卡口，其功能是对过往行人进行整体辨识与布控预警，达到对城市内出行人员的数据收集、轨迹追踪的一张结构与功能完善的防控网络体系。

处于前端人像感知网络是由不同情景科学布设的人脸抓拍单元构成，功能以收集前端过往行人相关数据信息为主。在人像感知网网络建设过程中，常用的技术类型有：

人像前端采集技术

人脸抓拍单元结合深度学习技术、集合人脸抓拍算法的人脸抓拍设备设施，在前端能够实现动态化辨识、抓拍并获取与人脸特征相关的信息，以人脸图片流为载体直接传导至人脸管理平台。抓拍算法与前端摄像机之间建设联动关系，和前端摄像机共同快捷的调整人脸区域曝光、人脸图像质量等指标，能够统一、规划的传导出人脸图像，进而利用抓拍算法的前置功能，将后端服务器性能压力将至最低水平，在服务器应用与整体成本投入方面更体现出经济性特征。

视频流人脸采集技术

合理应用现建的视频监控，针对现代城市建设与发展过程中高清视频监控系统安装时，尽量选择角度、光线等环境优良的位点进行，针对其传导出的视频流进行人脸云分析，在对人脸图片相关信息整体解读后，将其推送到人脸管理平台为后端应用提供必需信息。采用增设后端服务器的形式，灵活选择现有视频监控位点，实时调整调配服务器中的抓拍能力；与此同时，还能对离线视频的人脸特征信息进行整体解析。

前端智能化分析为人脸识别系统中的关键技术，其是应用最新建设的人像感知网，科学配置人脸、人体抓拍单元，针对现场行人过往画面具有实时采集的功能，同时针对画面内的人脸、人体特征能进行结构性（图2为人脸面部特征示意图）。科学创建人像感知网络是增强人脸识别研判系统城市公共安全立体化防控能力的主要支撑。

大数据智能解析存储功能的达成

视频图像大数据的推广应用，是后续几年中城市建设发展的重要趋向之一，采取怎样的方法手段才能实现对城市海量视频、图片中出现的人员的结构性分析，获取具有实用价值的信息数据，协助安全部门在短时间内迅速锁定嫌疑人的活动范围，明确嫌疑人的具体身份信息与出行路线，是国内城市立体化防控体系建设过程中的重难点，也是突破点。大数据智能解析存储主要由云解析系统、人像资源库两大部分构成：

云解析系统：人脸图片云识别服务器、视频流人脸分析服务器是本系统的主要构成。云端解析通常是指在中心布设云解析系统，利用人脸辨识、分  布式测算、CPU+GPU混合处理等技术类型，实现对视频流人脸的云分析、人脸图片云分析的功能，  能够冲破传统技术在人脸数据分析、数据信息挖掘等方面的局限性。视频流人脸云分析的作用是对前端推送的视频进行自动化解析，并在视频触发方法的支撑下，对每一帧图像内的过往行人的人脸进行较全面的检测、抓拍，获取视频监控中人脸图片信息；人脸图片云分析的功能是对人脸图片进行特征辨识与建设人脸模型，提升对图片中信息资源挖掘的深度性。

人像资源库由大数据平台、云存储构成与功能实现：即在大数据、云存储技术等支撑下，在中心规划人像资源库，进而实现对大批量结构化数据的统一处理存储，结构化数据类型以人脸图片类非结构化数据、人脸模型类半结构化数据及人脸特征属性、索引等为主，且能为相关人员提供迅速的数据比对分析、实现对数据相关信息资源的深度挖掘，为安全业务处理与决策方案编制提供数据支撑。

人像资源库有实时抓拍人像库、黑名单库、静态人像库等之分。实时抓拍人像库的功能以存储人脸抓拍单元收集到的人脸图片、属性等数据信息为主；黑名单库存储对象是安全在逃人员、案件嫌疑人等的人脸图片、特征等数据；静态人像库存储对象以二代身份证、常驻人口等业务库的人脸图片、身份特征信息等为主。

结合人脸特征阐述信息、人脸模型、安全业务资源等多样化数据信息，在大数据、云计算等技术的支撑下，建设人脸识别研判系统，通过前端收集感知、后端智能化解析，并在人脸识别研判技术的支撑下，实现对传统安全管理模式的有效扭转，建设健全双向互动管理模式，从以往的线下侦查转向线上线下整合的应用形式。在人脸识别研判技术帮衬下，能够在高容量的数据库中，快速筛选出具有现实价值的数据信息，明确可疑对象，提升人脸数据查找工作效率，优化城市安全管理效果。