主要功能特色包括：
1.靈活的系統(tǒng)擴展性
基于先進的分布式系統(tǒng)架構(gòu)，支持動態(tài)擴充人臉匹配服務(wù)器，實現(xiàn)千萬級甚至億級海量人臉庫的支持。
2.的人臉比對性能
單臺人臉匹配服務(wù)器每秒可完成 2000 萬人次實時比對，從人臉檢測到人臉識別耗時不足 200ms。在百萬人臉庫規(guī)模下，人臉比對結(jié)果前 10 位的命中率在95%以上
3.對人臉的寬容度高，具備人臉姿態(tài)矯正功能，當(dāng)人臉左右上下傾斜在 25 度以內(nèi)時不會影響識別結(jié)果。
支持基于可見光環(huán)境下的人臉識別，人臉識別結(jié)果受光線變化影響小。
對于人臉的變化，包括表情、胡須、眼鏡、發(fā)型、年齡等，算法均具有良好的適應(yīng)性，不影響識別準(zhǔn)確度。
4.支持移動終端
系統(tǒng)客戶端可運行在基于 Android 或 iOS 的移動終端上，可通過移動終端進行實時人臉采集與人臉比對。

豐富的智能檢索特征
涵蓋了幾乎所有以人和車為主體的關(guān)鍵可檢索特征，是目前業(yè)界檢索特征為豐富的視頻智能檢索系統(tǒng)。

人臉識別系統(tǒng)通常由以下構(gòu)建模塊組成：
人臉檢測。人臉檢測器用于尋找圖像中人臉的位置，如果有人臉，就返回包含每張人臉的邊界框的坐標(biāo)。如圖 3a 所示。
人臉對齊。人臉對齊的目標(biāo)是使用一組位于圖像中固定位置的參考點來縮放和裁剪人臉圖像。這個過程通常需要使用一個特征點檢測器來尋找一組人臉特征點，在簡單的 2D 對齊情況中，即為尋找適合參考點的佳仿射變換。圖 3b 和 3c 展示了兩張使用了同一組參考點對齊后的人臉圖像。更復(fù)雜的 3D 對齊算法(如 [16])還能實現(xiàn)人臉正面化，即將人臉的姿勢調(diào)整到正面向前。
人臉表征。在人臉表征階段，人臉圖像的像素值會被轉(zhuǎn)換成緊湊且可判別的特征向量，這也被稱為模板(template)。理想情況下，同一個主體的所有人臉都應(yīng)該映射到相似的特征向量。
人臉匹配。在人臉匹配構(gòu)建模塊中，兩個模板會進行比較，從而得到一個相似度分?jǐn)?shù)，該分?jǐn)?shù)給出了兩者屬于同一個主體的可能性。

人臉檢測
面貌檢測是指在動態(tài)的場景與復(fù)雜的背景中判斷是否存在面像，并分離出這種面像。一般有下列幾種方法：
①參考模板法
首先設(shè)計一個或數(shù)個標(biāo)準(zhǔn)人臉的模板，然后計算測試采集的樣品與標(biāo)準(zhǔn)模板之間的匹配程度，并通過閾值來判斷是否存在人臉；
②人臉規(guī)則法
由于人臉具有一定的結(jié)構(gòu)分布特征，所謂人臉規(guī)則的方法即提取這些特征生成相應(yīng)的規(guī)則以判斷測試樣品是否包含人臉；
③樣品學(xué)習(xí)法
這種方法即采用模式識別中人工神經(jīng)網(wǎng)絡(luò)的方法，即通過對面像樣品集和非面像樣品集的學(xué)習(xí)產(chǎn)生分類器；
④膚色模型法
這種方法是依據(jù)面貌膚色在色彩空間中分布相對集中的規(guī)律來進行檢測。
⑤特征子臉法
這種方法是將所有面像視為一個面像子空間，并基于檢測樣品與其在子孔間的投影之間的距離判斷是否存在面像。
值得提出的是，上述5種方法在實際檢測系統(tǒng)中也可綜合采用。

http://m.bjswx.com