科學布設入像感知網網絡

安防監控公司表示人像感知網網絡在建設過程中，以城市路網、空間興趣位點、治安形勢特征、人員活動與犯案規律等為依托，在重點區域、重點單位的人員通道周邊增設人臉卡口，其功能是對過往行人進行整體辨識與布控預警，達到對城市內出行人員的數據收集、軌跡追蹤的一張結構與功能完善的防控網絡體系。

處于前端人像感知網絡是由不同情景科學布設的人臉抓拍單元構成，功能以收集前端過往行人相關數據信息為主。在人像感知網網絡建設過程中，常用的技術類型有：

人像前端采集技術

人臉抓拍單元結合深度學習技術、集合人臉抓拍算法的人臉抓拍設備設施，在前端能夠實現動態化辨識、抓拍并獲取與人臉特征相關的信息，以人臉圖片流為載體直接傳導至人臉管理平臺。抓拍算法與前端攝像機之間建設聯動關系，和前端攝像機共同快捷的調整人臉區域曝光、人臉圖像質量等指標，能夠統一、規劃的傳導出人臉圖像，進而利用抓拍算法的前置功能，將后端服務器性能壓力將至最低水平，在服務器應用與整體成本投入方面更體現出經濟性特征。

視頻流人臉采集技術

合理應用現建的視頻監控，針對現代城市建設與發展過程中高清視頻監控系統安裝時，盡量選擇角度、光線等環境優良的位點進行，針對其傳導出的視頻流進行人臉云分析，在對人臉圖片相關信息整體解讀后，將其推送到人臉管理平臺為后端應用提供必需信息。采用增設后端服務器的形式，靈活選擇現有視頻監控位點，實時調整調配服務器中的抓拍能力；與此同時，還能對離線視頻的人臉特征信息進行整體解析。

前端智能化分析為人臉識別系統中的關鍵技術，其是應用最新建設的人像感知網，科學配置人臉、人體抓拍單元，針對現場行人過往畫面具有實時采集的功能，同時針對畫面內的人臉、人體特征能進行結構性（圖2為人臉面部特征示意圖）。科學創建人像感知網絡是增強人臉識別研判系統城市公共安全立體化防控能力的主要支撐。

大數據智能解析存儲功能的達成

視頻圖像大數據的推廣應用，是后續幾年中城市建設發展的重要趨向之一，采取怎樣的方法手段才能實現對城市海量視頻、圖片中出現的人員的結構性分析，獲取具有實用價值的信息數據，協助安全部門在短時間內迅速鎖定嫌疑人的活動范圍，明確嫌疑人的具體身份信息與出行路線，是國內城市立體化防控體系建設過程中的重難點，也是突破點。大數據智能解析存儲主要由云解析系統、人像資源庫兩大部分構成：

云解析系統：人臉圖片云識別服務器、視頻流人臉分析服務器是本系統的主要構成。云端解析通常是指在中心布設云解析系統，利用人臉辨識、分  布式測算、CPU+GPU混合處理等技術類型，實現對視頻流人臉的云分析、人臉圖片云分析的功能，  能夠沖破傳統技術在人臉數據分析、數據信息挖掘等方面的局限性。視頻流人臉云分析的作用是對前端推送的視頻進行自動化解析，并在視頻觸發方法的支撐下，對每一幀圖像內的過往行人的人臉進行較全面的檢測、抓拍，獲取視頻監控中人臉圖片信息；人臉圖片云分析的功能是對人臉圖片進行特征辨識與建設人臉模型，提升對圖片中信息資源挖掘的深度性。

人像資源庫由大數據平臺、云存儲構成與功能實現：即在大數據、云存儲技術等支撐下，在中心規劃人像資源庫，進而實現對大批量結構化數據的統一處理存儲，結構化數據類型以人臉圖片類非結構化數據、人臉模型類半結構化數據及人臉特征屬性、索引等為主，且能為相關人員提供迅速的數據比對分析、實現對數據相關信息資源的深度挖掘，為安全業務處理與決策方案編制提供數據支撐。

人像資源庫有實時抓拍人像庫、黑名單庫、靜態人像庫等之分。實時抓拍人像庫的功能以存儲人臉抓拍單元收集到的人臉圖片、屬性等數據信息為主；黑名單庫存儲對象是安全在逃人員、案件嫌疑人等的人臉圖片、特征等數據；靜態人像庫存儲對象以二代身份證、常駐人口等業務庫的人臉圖片、身份特征信息等為主。

結合人臉特征闡述信息、人臉模型、安全業務資源等多樣化數據信息，在大數據、云計算等技術的支撐下，建設人臉識別研判系統，通過前端收集感知、后端智能化解析，并在人臉識別研判技術的支撐下，實現對傳統安全管理模式的有效扭轉，建設健全雙向互動管理模式，從以往的線下偵查轉向線上線下整合的應用形式。在人臉識別研判技術幫襯下，能夠在高容量的數據庫中，快速篩選出具有現實價值的數據信息，明確可疑對象，提升人臉數據查找工作效率，優化城市安全管理效果。