| 技术内容和需求说明 |
一前端设备需求
1.XXX人脸识别算法基于视频分析技术，对前端监控摄像头没有太高的要求。能获得清晰的人脸，且人脸尺寸大于或超过100个像素点即可完成采集和识别
2.可支持420线以上的模拟摄像头；无需对现有的监控网络进行改造，直接利用现有设备的720P、1080P高清视频即可进行智能分析。传统的420线模拟摄像头通过模数转换后也可以直接应用；
3.系统与原有的监控网络完全兼容，从设备中引出视频流进行分析，与厂家、型号无关，CPU运算处理；
4.可提供人脸出现时的标准时间码，可以通过SDK的方式与摄录像设备进行联动实现视频回放和截取；
二算法需求
1.具有机器自学习算法，可将不同时间、不同动作、不同光照条件下的同一个人脸特征综合学习，从而形成一张对该人全面认识的“立体脸”。
2.首家完全针对低分辨率视频进行学习优化，在420线模拟摄像头的情况下也可人脸识别率！
3.全帧率人脸跟踪提取算法，在每个人进入监控范围就进行实时的跟踪和全帧率人脸提取。确保不漏掉每一帧的关键画面，真正使人无所遁形。
4.1：24全帧率立体脸的技术特性使运算量达到同行算法的24倍。可完成1080P高清监控视频中人脸的实时跟踪、对比，延迟不超过1秒，*1秒内可完成对超过1,000,000张人脸序列的对比识别*，最多同屏同时跟踪超过30张人脸算法可完成人群密集场景下的人脸同时跟踪和识别。
5.人脸识别特征文件编码方式，不使用照片方式进行对比，将视频流中获取的人脸序列实时运算成由256位浮点数组成的特征文件。无论累积学习了多少张人脸素材，特征文件大小都只会有几KB大小。而文件进行加密处理无法被破译。最大限度保护人的隐私。并且可独家实现在多台主机间进行方便的特征文件传输。如多主机之间需共享某人的数据时只要发送这个几KB的特征文件就可以了，可以测试。
6.云端在线识别和本地断网识别，几万路并发采集分析反馈、后端大数据支撑，人脸仿真建模—后续开发；
7.对接户籍库或公安黑名单接口学习建模，实现基准人脸学习比对识别，对接gis接口实现人脸比对、归纳出人的运动轨迹、运行路线；对接户籍库公安库实现卡口或一路视频的一个月或更短时间的反查算法；
8.实现高度不失真的压缩算法模块，例如单路一天24小时录像储存量能压缩到5分钟；
|
