第三方应用接口：该系统提供规范的接口，开放的通讯协议，方便第三方人事管理系统，oa办公系统等通过统一的应用接口访问微笑通中心平台，实现数据共享数据交换。
在系统的总体结构设计上，充分考虑现状以及未来的系统扩展需求，采用多接口、开放式框架设计。
人脸识别系统是针对机关单位的实际情况，基于人脸识别技术开发的机关、企业职员考勤、门禁、食堂餐饮、停车等信息管理系统。实现“一张笑脸，通行单位”的功能。
人脸识别系统使用先进的人脸识别技术，优化的终端设计，使识别速度更快、容量更大、通讯功能更强，软件采用模块化设计，方便用户定制功能。较传统一卡通比较，永豪该系统方便、高效、先进，彰显管理素质，更适合在机关及cbd办公场所应用。
人脸识别系统
人脸识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。它广泛采用区域特征分析算法，融合了计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，具有广阔的发展前景。2006年，美国已经要求和它有出入免签证协议的国家在10月26日之前必须使用结合了人脸识别的电子护照系统，到 2006年底已经有50多个国家实现了这样的系统。2012年4月，铁路部门宣布车站安检区域将安装用于身份识别的高科技安检系统人脸识别系统；可以对人脸明暗侦测，自动调整动态曝光补偿， 人脸追踪侦测，自动调整影像放大。
系统简介编辑
人脸识别系统
人脸识别系统
人脸识别系统具有广泛的应用：人脸识别出入管理系统、人脸识别门禁考勤系统、人脸识别监控管理、人脸识别电脑安全防范、人脸识别照片搜索、人脸识别来访登记、人脸识别atm机智能视频报警系统、人脸识别监狱智能报警系统、人脸识别rfid智能通关系统、人脸识别公安罪犯追逃智能报警系统等等。
适用范围： 公园、工厂、超市、小区广场、会议中心、体育场馆、学校、医院、住宅区、商业街、大型农贸市场等公众活动和聚集场所的重要部位，酒店（宾馆）、餐饮、娱乐场所、办公楼的大堂出入口、电梯和其他主要通道等室内外范围的监控录像用途。
产品概述】
视频智能检索系统可针对海量视频、图片进行基于多种特定关键特征信息的实时智能检索，包括人脸、年龄、性别、穿着、车牌、车身颜色、车标、车型等。系统基于 c/s 架构构建，服务器端采用业界优秀的众核处理器，具有处理性能强、功耗低、集成度高的显着特点，专用的嵌入式 linux 操作系统，更可保证系统运行的稳定性与高可靠性。客户端目前提供基于 pc 的 windows 版本，未来还可支持基于 android、ios 的手机、平板电脑等移动终端。
视频智能检索系统改变了传统监控系统中只能依赖人工进行监控录像查找的尴尬局面，可广泛应用于视频监控系统中海量监控录像或抓拍图片的智能检索，大限度降低视频检索对人力的依赖，特别适合公安、银行、交通等需要经常进行特定视频、图片查找的应用场合。
【功能特色】
1.丰富的智能检索特征
涵盖了几乎所有以人和车为主体的关键可检索特征，是目前业界检索特征为丰富的视频智能检索系统。
2.先进的特征提取算法
采用独特的自适应的分层特征学习算法，再现系统能针对任意的识别任务通过学习自动生成优的特征提取，从而不断增加新的检索特征，具有其他系统无法比拟的自学习性和可扩展性。
3.卓越的检索性能
在任意的多检索条件组合情况下，再现系统的响应时间均小于 0.1 秒，检索准确率高于 92%，漏检率低于 10%。
4.高集成度、低功耗
系统基于业界性能强的众核处理器构建，单台标准19英才iu服务器的处理性能是同等x86服务器的3倍，而功耗却不足50w，是同等性能x86服务器的1/10。
【系统构成】
系统分为服务器端和客户端，服务器端由多台视频智能分析服务器和视频检索管理服务器组成，视频智能分析服务器通过网络从流媒体转发服务器获取视频或图片，由视频智能分析算法进行特征信息的提取，目前主要提供针对人和车辆的相关特征信息的分析与提取，具体包含：
1.人
包括长相、年龄、性别、衣服颜色、裤子颜色、是否戴眼镜、是否留胡子等
2.车
包括车牌、车身颜色、车标、车型等
视频检索管理服务器主要负责与客户端的交互、特性信息数据库的管理以及特征信息的搜索。
客户端除了提供基于 x86 的 windows 版本，还可支持基于 android、ios 的手机、平板电脑等移动终端，是用户进行视频智能检索的操作平台。
【应用领域】
系统可广泛应用于各种视频监控领域，包括：公安/平安城市、银行（金融）、交通/电子卡口、监狱、电力、商业地产/写字楼、住宅、商场。特别地。系统可以极大提升公安刑侦的效率，协助警察从海量录像或图片中快速搜索与案件相关的嫌疑人或嫌疑车辆，从而改变常常需要耗费大量人力和时间进行人工录像翻查的现状。
技术原理编辑
人脸识别内容
人脸识别技术包含三个部分：
(1)人脸检测
面貌检测是指在动态的场景与复杂的背景中判断是否存在面像，并分离出这种面像。一般有下列几种方法：
①参考模板法
首先设计一个或数个标准人脸的模板，然后计算测试采集的样品与标准模板之间的匹配程度，并通过阈值来判断是否存在人脸；
②人脸规则法
由于人脸具有一定的结构分布特征，所谓人脸规则的方法即提取这些特征生成相应的规则以判断测试样品是否包含人脸；
③样品学习法
这种方法即采用模式识别中人工神经网络的方法，即通过对面像样品集和非面像样品集的学习产生分类器；
④肤色模型法
这种方法是依据面貌肤色在色彩空间中分布相对集中的规律来进行检测。
⑤特征子脸法
这种方法是将所有面像集合视为一个面像子空间，并基于检测样品与其在子孔间的投影之间的距离判断是否存在面像。
值得提出的是，上述5种方法在实际检测系统中也可综合采用。
(2)人脸跟踪
面貌跟踪是指对被检测到的面貌进行动态目标跟踪。具体采用基于模型的方法或基于运动与模型相结合的方法。此外，利用肤色模型跟踪也不失为一种简单而有效的手段。
(3)人脸比对
面貌比对是对被检测到的面貌像进行身份确认或在面像库中进行目标搜索。这实际上就是说，将采样到的面像与库存的面像依次进行比对，并找出优秀的匹配对象。所以，面像的描述决定了面像识别的具体方法与性能。目前主要采用特征向量与面纹模板两种描述方法：
①特征向量法
该方法是先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离等属性，然后再计算出它们的几何特征量，而这些特征量形成一描述该面像的特征向量。
②面纹模板法
该方法是在库中存贮若干标准面像模板或面像器官模板，在进行比对时，将采样面像所有象素与库中所有模板采用归一化相关量度量进行匹配。此外，还有采用模式识别的自相关网络或特征与模板相结合的方法。
人脸识别技术的核心实际为“局部人体特征分析”和“图形/神经识别算法。”这种算法是利用人体面部各器官及特征部位的方法。如对应几何关系多数据形成识别参数与数据库中所有的原始参数进行比较、判断与确认。一般要求判断时间低于1秒。
人脸的识别过程
一般分三步：
(1)首先建立人脸的面像档案。即用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面像文件，并将这些面像文件生成面纹(faceprint)编码贮存起来。
(2)获取当前的人体面像。即用摄像机捕捉的当前出入人员的面像，或取照片输入，并将当前的面像文件生成面纹编码。
(3)用当前的面纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库存中的面纹编码进行检索比对。上述的“面纹编码”方式是根据人脸脸部的本质特征和开头来工作的。这种面纹编码可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化，具有强大的可靠性，从而使它可以从百万人中精确地辨认出某个人。人脸的识别过程，利用普通的图像处理设备就能自动、连续、实时地完成。 [1]