人像卡口系统方案建议书

1、人像卡口系统建设项目方案建议书 目录 HYPERLINK l _bookmark0 系统优势概述4 HYPERLINK l _bookmark1 先进的系统架构4 HYPERLINK l _bookmark2 领先的识别算法4 HYPERLINK l _bookmark3 高效的数据检索4 HYPERLINK l _bookmark4 丰富的产品服务4 HYPERLINK l _bookmark5 创新的应用方案4 HYPERLINK l _bookmark6 项目建设概述5 HYPERLINK l _bookmark7 项目建设背景5 HYPERLINK l _bookmark8 技术选型要

2、求5 HYPERLINK l _bookmark9 相关标准规范8 HYPERLINK l _bookmark10 项目建设目标10 HYPERLINK l _bookmark11 用户需求分析12 HYPERLINK l _bookmark12 业务系统对接12 HYPERLINK l _bookmark13 动态人脸布控12 HYPERLINK l _bookmark14 目标库管理12 HYPERLINK l _bookmark15 布控管理12 HYPERLINK l _bookmark16 告警管理13 HYPERLINK l _bookmark17 静态抓拍分析13 HYPERLI

3、NK l _bookmark18 过人检索13 HYPERLINK l _bookmark19 人像研判14 HYPERLINK l _bookmark20 系统管理要求14 HYPERLINK l _bookmark21 用户管理14 HYPERLINK l _bookmark22 视频源管理14 HYPERLINK l _bookmark23 网络安全15 HYPERLINK l _bookmark24 算法可控15 HYPERLINK l _bookmark25 系统性能要求15 HYPERLINK l _bookmark26 项目总体设计17 HYPERLINK l _bookmark

4、27 项目总体架构17 HYPERLINK l _bookmark28 总体网络拓扑18 HYPERLINK l _bookmark29 子系统设计18 HYPERLINK l _bookmark30 前端子系统18 HYPERLINK l _bookmark31 人脸识别子系统20 HYPERLINK l _bookmark32 对接其他业务系统21 HYPERLINK l _bookmark33 静态超大库22 HYPERLINK l _bookmark34 FRS 人脸识别系统23 HYPERLINK l _bookmark35 产品概述23 HYPERLINK l _bookmark3

5、6 动态人脸布控23 HYPERLINK l _bookmark37 综合卡口23 HYPERLINK l _bookmark38 布控管理23 HYPERLINK l _bookmark39 预案管理24 HYPERLINK l _bookmark40 历史告警25 HYPERLINK l _bookmark41 静态抓拍分析25 HYPERLINK l _bookmark42 过人检索25 HYPERLINK l _bookmark43 人像研判26 HYPERLINK l _bookmark44 资源管理28 HYPERLINK l _bookmark45 底库管理28 HYPERLIN

6、K l _bookmark46 人像入库28 HYPERLINK l _bookmark47 日志管理28 HYPERLINK l _bookmark48 统计分析29 HYPERLINK l _bookmark49 系统管理30 HYPERLINK l _bookmark50 人员管理30 HYPERLINK l _bookmark51 部门管理30 HYPERLINK l _bookmark52 摄像机管理30 HYPERLINK l _bookmark53 权限管理31 HYPERLINK l _bookmark54 菜单管理31 HYPERLINK l _bookmark55 系统设置

7、31 系统优势概述 先进的系统架构 提供高性能和超大规模分布式计算架构，支持线性扩展，不受单台服务器性能限制，支持 100 万黑名单布控库和 20 亿静态库检索，充分满足最终用户对超大规模人像库的需求。 领先的识别算法 拥有基于深度神经网络构建的高能效、高准确率的检测和识别算法，抓拍和识别的准确度均达到世界领先水平，分辨率 1080P、帧率为 25 的视频 1 分钟通行量不超过 15 人的条件下，人脸抓拍率 99%以上，识别率 95%以上。 高效的数据检索 支持同一画面内同时识别人脸图像数量高达 50 个；单节点 3000 万底库时，检索响应时间不超过 2 秒；集群 20 亿底库时，检索响应时

8、间不超过 3 秒。 丰富的产品服务 提供 1:1（移动警务通盘查比对）、1:N（亿级数据库比对）、N:N（追逃比对）、视频流比对（人像卡口）等多种服务接口，用户可根据需要自由选择。 创新的应用方案 针对酒店、网吧、旅馆、看守所等如何进行非标准人脸采集、关联身份证入库提供整套解决方案，协助建设高价值人像库。 项目建设概述 项目建设背景 近年来，随着信息技术、网络技术的迅猛发展，特别是科技强警示范城市工作的开展，全国各地视频监控系统、电子警察系统、治安卡口系统发展非常迅速，在基层公安机关打击、预防违法犯罪方面起到了良好的作用。 目前，城市对车辆的监管已经非常有成效，但对个体人员的监管一直是空白。各

9、地市公安系统急需通过智能化系统提升对城市人员监管水平，解决警力不足、管控效率不高等问题。 同时，在公共安全信息化建设深入开展的背景下，现有视频系统存在缺乏深度应用模式、视频数据智慧化程度不高等突出问题。如何用新技术改造现有的视频系统，使之能更好地适应物联网时代视频智慧化、情报化的应用需求已迫在眉睫。 目前 XX 省 XX 市及其他地市都已建设有视频监控系统基础平台，这些平台覆盖城市重点监控场所，对公安用户实时网上巡查、事后取证起到重要。但是由于城市规模大、监控点数量多，需耗费大量警力进行操作、监管。应对案件研判等业务场景费时费力且效果不佳，面对重要、紧急的布控任务时更显得力不从心。公安系统急需

10、一套满足公安实战需求的人脸识别系统，利用智能化技术，支持动态人脸实时布控、静态人像快速比对、海量人像快速属性搜索和面向多警种的事后追踪、事中侦查和事前预警模型等。 本次系统建设，以公安部制定的 GA/T 1399 和 GA/T 1400 等标准为依据， 以公安实战需求为目标，建设一套覆盖全省重要地市、重点区域的人脸作战平台，实现实时人脸识别，人脸数据建模，实现实时布控人员比对、预警，实现海量人像属性检索；进一步建立利用视频情报指导侦查、破案的新型警务工作模式；建立一套支持省、市、县多级联网，涵盖申请、审批、行动、反馈、记录的业务执行流程。同时，建立人脸大数据基础库，为公安各警种的多类型应用提供

11、数据基础服务。 技术选型要求 在建设系统时,要求以“技术先进、稳定可靠、贴近实战、经济实用、安全防护”为基本原则，从以下几方面进行系统设计： 1、坚持顶层设计的原则 系统建设涉及省、市、县三级公安机构，涉及治安、刑侦、交通、情报等多个警种，涉及多个警务平台、多个接入系统、多个网络边界、多种数据融 合、多种编解码处理，需求复杂、规模庞大，因此，系统必须坚持顶层设计， 统一规划、统一布局、统一接口、协调与各相关平台的关系和数据交互，避免重复建设，冲突建设，协调发挥出各平台的优势作用。 2、坚持标准化原则 目前，公安部在视频图像分析、视频图像信息应用和人脸识别方面制定了大量的国家标准化文件，为产业的

12、发展融合创造了难得的发展环境。人脸识别系统作为图侦和视侦的典型应用，建设过程涉及大量的标准化建设，包括在逃人员库、警务综合系统、以及与第三方平台的互联互通、数据共享、合成作战等应用，因此，应完全基于国家标准来进行系统建设。 3、坚持用户需求导向原则 紧紧围绕公安实战需求，以公安日常业务为核心，突出简单易用的人机交互界面，提高用户的使用率和效率。隐藏不必要的技术实现细节，直接呈现业务管控的结果，与公安的战法向结合，与公安的实战模式相结合，突出好用、易用。 4、坚持先进性原则 IT 技术高速发展，使得系统的设计不但要考虑充分利用当前的最新技术， 而且还必须考虑随着技术的进一步发展，能在系统中不断溶

13、入新技术，使系统始终保持一定的先进性。在系统的设计中，对所有设备和软件，在原有的监控和网络基础上，选用先进的嵌入式控制技术、视觉技术、图像处理技术和网络传输技术，真正实现国内先进水平的目标。 5、坚持可靠性原则 人脸识别系统是 7x24 小时工作的，每分钟都产生大量的数据信息，每分钟都可能有被布控的人员出现，一旦系统出现故障将损失大量数据信息甚至错过布控人员。因此，系统建设应从端到端保证系统的稳定性、可靠性、安全性， 并且应该能够容忍设备的异常故障，保证系统正常运行。 6、坚持扩展性原则 人脸识别的扩展性包括自身系统的规模扩展性能力以及横向的与其他系统的扩展性能力。既要满足日后系统规模扩大，满

14、足未来 3-5 年的发展需求，还要满足和其他系统兼容、对接整合的能力，支撑用户更多更丰富的业务需求。 本次建设，要求采用最为先进的深度学习、大数据和云存储等技术，建设完成国内领先、国际一流的人脸识别作战平台。 1、深度学习技术 基于大数据的深度学习模型，是人脸识别技术的主要趋势。 本次建设的系统，要求采用基于数字神经网络的深度学习模型。利用深度学习提取的人脸特征，相比于传统的 HOG 特征+SVM 等技术，更能表达人脸之间的相关性，辅以有效的分类方法，能够显著提高算法的识别率；利用深度神经网络构建的人脸识别引擎，在视频分割、内容提取、内容描述等关键领域均取得相对传统技术更好的效果。 深度学习非

15、常依赖于大数据，更多更丰富的样本数据加入到训练模型中， 意味着算法模型更加通用，更贴近现实世界模型；另一方面，深度学习的理论模型也在不断的发展，将持续地提高人脸识别的技术水平。 2、大数据技术 大数据技术，一方面为深度学习算法模型的训练提供帮助，另一方面通过人脸识别系统产生的数据也将通过大数据技术为公安各业务应用提供支持。 大数据相关的技术和工具非常多，给用户提供了众多的选择；同时，也给用户的选择增加了困扰。从动态布控实时告警、海量数据复合查询快速响应的实战需求出发，本次系统建设，要求采用最先进的内存计算和 GPU 计算技术， 避免传统的 Hadoop 体系带来的大规模、低效率等问题，减少机房

16、的空间占用； 要求采用最先进的分布式内存数据库管理和视频图像语义检索技术，提高系统的响应速度。 3、云存储技术 人脸识别系统的抓拍图片、视频等非结构化数据需要海量的存储空间，需要高性能的数据访问和高稳定性的数据安全，也需要快捷的容量扩容和简单高效的系统管理，这一切，离不开云存储技术和系统的整合。 从存储技术的发展趋势来看，自 2010 年以来，云存储代替 FC SAN 等存储阵列成为必然。面对视频监控内容存储 50PB 甚至 100PB 以上的存储需求，只有天然具备高扩展性的最高支持 EB 级容量的 Scale-out 架构云存储才能满足。 本次系统建设，人脸识别的后端存储要求采用云存储技术，

17、满足人脸识别系统 6 个月以上的存储需求（公安视频图像信息应用系统第 3 部分：数据库技术要求章节 7.1 对象存储时间），满足人脸专题库、视图专题库等大数据基础库的建设需要。 相关标准规范 系统的设计及实施，要求严格按照国家及行业相关标准、研究成果及地方性标准规范，主要包含公共安全、系统设计、工程施工、图像要求、网络要求等方面： 1、国家相关部门及公安部下发文件 关于加强社会治安防控体系建设的意见中共中央办公厅、国务院办公厅印发 2015 年 4 月 13 日 国务院关于印发促进大数据发展行动纲要的通知（国发201550 号） 全国公安机关视频图像信息整合与共享工作任务书（公科信201211

18、 号） 公安部关于进一步加强社会治安防控体系建设的指导意见（公通字201137 号） 关于深入开展城市报警与监控系统应用工作的意见（公科信201030 号） 关于公安信息通信网边界接入平台建设有关问题的通知（公信通传发2008296 号） 2、视频图像分析及应用系统标准规范 公安视频图像分析系统第 1 部分：通用技术要求GAT 1399.1-2017 公安视频图像分析系统第 2 部分：内容分析GAT 1399.2-2017 公安视频图像信息应用系统第 1 部分：通用技术要求GAT 1400.1-2017 公安视频图像信息应用系统第 2 部分：应用平台技术要求GAT 1400.2- 2017 公

19、安视频图像信息应用系统第 3 部分：数据库技术要求GAT 1400.3- 2017 公安视频图像信息应用系统第 4 部分：接口协议要求GAT 1400.4-2017 3、人脸识别行业相关法律规范 安全防范视频监控人脸识别系统技术要求GB/T 31488-2015 安防人脸识别应用防假体共计测试方法GA/T 1212-2014 出入口控制人脸识别系统技术要求GA/T 1093-2013 近红外人脸识别设备技术要求GA/T 1126-2013 安防人脸识别应用系统GA/T 922.2-2011 4、公共安全行业标准规范 公共安全视频监控联网系统信息传输、交换、控制技术要求GB/T 28181-20

20、16 机动车号牌图像自动识别技术规范GA/T 833-2016 社会治安综合治理综治中心建设与管理规范GB/T 33200-2016 社会治安综合治理基础数据规范GB/T 31000-2015 中华人民共和国机动车号牌GA 36-2014 安防监控视频实时智能分析设备技术要求GB/T 30147-2013 城市监控报警联网系统技术标准GA/T 669-2008 机动车类型术语和定义GA 802-2008 跨区域视频监控联网共享技术规范DB33/T 629-2007 报警图像信号有线传输装置GB/T 16677-1996 5、安全防范系统设计规范 工业电视系统工程设计规范GB 50115-200

21、9 电子计算机机房设计规范GB 50174-2008 民用建筑电气设计规范JGJ 16-2008 建筑电气设计技术规范JBJ/T 16-2008 安全防范工程技术规范GB 50348-2004 视频安防监控系统技术要求GA/T 367-2001 安全防范系统通用图形符号GA/T 75-2000 安全防范系统通用图形符号GA/T 74-2000 建筑物防雷设计规范GB 50057-2000 计算机信息系统安全保护等级划分准则GB 17859-1999 中华人民共和国公安部行业标准GA 70-94 安全防范工程程序与要求GA/T 75-1994 6、安全防范系统工程规范 民用闭路监视电视系统工程技

22、术规范GB/T 50198-2011 系统接地的型式及安全技术要求GB/T 4050-2008 电气装置安装工程接地装置施工及验收规范GB 50169-2006 电气装置安装工程电缆线路及施工工程验收规划GB/T 50168-2006 安全防范系统雷电浪涌防护技术要求GA/T 670-2006 公安交通管理外场设备基础施工通用要求GA/T 652-2006 交通电视监控系统工程验收规范GA/T 514-2004 建筑物电子信息系统防雷技术规范GB 50343-2004 城市交通信号控制系统术语GA/T 509-2004 安全防范系统验收规则GA 308-2001 电气装置安装工程施工及验收规范

23、GB 50254-96、GB 50255-96、GB 50256-96、GB 50257-96 7、计算机网络相关标准规范 信息技术开放系统互连网络层安全协议GB/T 17963-2000 计算机信息系统安全保护等级划分准则GB 17859-1999 计算机信息系统安全GA 216.1-1999 光纤通信系统通用规范SJ 20552-95 光缆通信系统传输性能测试方法GB/T 14760-1993 电信网光纤数字传输系统工程施工及验收暂行技术规定YDJ 44-89 计算机软件开发规范GB 8566-88 项目建设目标 本次系统建设，要求以服务实战为最终目标，统筹规划、统一标准建设开放共享的人脸

24、识别作战平台，服务于治安、刑侦、交通、情报等各警种；充分利用人工智能、大数据、云存储、云计算等先进技术，广泛地覆盖社会和政府等各种人脸卡口重点场所；建设互联互通的耦合式系统架构，充分利用现有视频监控系统建设成果，将监控视频转化为人和机器可理解的信息，并进一步转化为公安实战所用的情报，实现视频数据向信息、情报的转化；与公安各系统平台广泛对接，实现业务流程化，实现事前、事中、事后一体化操作流程。 本次系统建设，建成支持省市县三级的视频图像应用综合作战平台，满足各级公安用户的使用需求。平台要求采用面向 SOA 的软件分层结构和电信级的系统稳定性和扩展性特点，满足公安日益增长的业务量需求和灵活的新业务

25、支持能力；平台应该具有 EB 级的数据存储能力，万亿级的数据管理能力，并能够提供平滑的系统扩容升级能力，满足当前和未来一段时间内的发展需求；平台还应该具有数据总线服务能力，能够方便地与第三方平台或系统集成，形成多系统合成作战。同时，数据服务总线还应该能够为第三方系统提供数据共享服务，充分发挥本系统的价值。 本次系统建设，系统应用的重点是实现动态条件下的人脸识别、人脸布控。这里面包含两个层面的工作目标，第一，人脸识别准确率、漏报率要满足公安实战基本要求，这要求在现场勘查、设备选型、设备安装、参数调试、平台接入、结果筛查等各个方面按照标准进行设计，保证最终识别结果；第二， 应该充分根据公安用户需求

26、，设计一套人脸识别的工作机制，解决如何申请布控、如何审批布控、如何抓捕布控、如何反馈等整个业务流程，实现规范化管理、操作，实现数字化记录。 用户需求分析 业务系统对接 系统要求和公安业务相关的平台进行对接，实现系统集成，数据共享，业务关联，需要对接的系统主要包括： 1、违法犯罪人员信息库 通过与违法犯罪人员信息库进行对接，用户可以对嫌疑人员信息进行排查比对，或通过人脸识别系统主动对违法犯罪人员进行布控。 2、在逃人员信息库 通过与在逃人员信息库进行对接，用户可以对嫌疑人员信息进行排查比对，或通过人脸识别系统主动对在逃人员进行布控。 3、PGIS 系统 通过与 PGIS 系统进行对接，人脸识别系

27、统的所有功能界面和实战展示可完全基于 PGIS 系统进行挂图作战。 动态人脸布控 目标库管理 目标底库管理主要完成底库信息增删改等操作。底库分为静态库和布控库，静态库主要用来进行静态比对，实现大底库碰撞分析；布控库主要用来进行人像布控等操作。 目标底库管理要求支持多级用户使用，可灵活定义业务需要的底库。具体要求如下： 1) 支持目标库的添加、删除、修改、删除、查询、搜索，删除目标库时自动检测是否布控； 2) 支持目标的添加、删除、修改、删除、查询、搜索，目标包含性别、年龄、名称、籍贯等信息，自动提取图片名称、身份证等信息； 3) 支持单张人脸入库和批量人脸入库，自动提取图片名称、身份证信息。

28、布控管理 系统的布撤控管理要求支持多级用户，满足公安日常业务流程，形成网上申请、网上审批；布控管理应支持时间段、区域、布控等级的设置，实现精细化布控。具体要求如下： 1）支持多种布控告警提醒，并与警综、三台合一、情报等现有公安应用对接，可按要求实现预警落地，支持千万级重点人员库（在逃人员库、反恐库， 吸毒人员库、涉黄人员库）离线布控，24 小时内返回结果； 2）支持对布控人员进行多种形式的查询，且支持批量查询； 3）支持查询结果导出到本地，支持将数据批量导入到系统进行布控； 4) 支持普通布控任务的创建、添加、删除、修改、查询； 5) 支持单布控任务多路视频、多目标，可设置目标信息告警筛选。

29、告警管理 当系统检测到被布控嫌疑人时，系统应能向用户提出告警，并能以相似度排序为用户进一步确认提供选择。当用户确认识别结果后，系统应能自动记录本次告警处理结果，供日后系统系统查询。 实时监控告警要求如下： 1) 支持实时视频流播放、点播，支持原始流与人脸叠框转码流的切换； 2) 支持按摄像机点位进行基本告警信息推送，包含告警抓拍信息、目标库信息等； 3) 支持告警记录详情查看功能； 4) 支持任务导航视频源展示的方式。 同时，用户可通过告警查询功能查询历史告警信息。其要求如下： 1）系统列出抓拍的图片、比对的图片、姓名、底库、比对值、摄像机位置、摄像机名称、告警时间、处理状态以及操作等信息；

30、2）查看详细信息时，支持查看抓拍的人脸、全身和全景图及抓拍前后 20 秒的短视频，比中底库人像和个人信息； 3) 支持布控记录告警的导出。 静态抓拍分析 系统应支持对接公安在逃人员信息库、重点人员信息库、常驻人口库等。当需要确定嫌疑人身份时，系统可以在海量数据中进行查找；查询时间要求不超过 3 秒钟。 过人检索 过人检索是对所有画面中抓拍到的人脸进行检索查询。具体要求如下： 1）支持基于照片、摄像机名称、时间段、性别、民族、是否特定人群进行检索； 2）支持手动将某一个抓拍到的人脸一键布控到底库中； 3）抓拍查询采用模糊匹配相似度结果的方式进行呈现，不仅支持对摄像机在搜索时间范围内所拍摄的所有图

31、片时间信息的展示，还支持按照时间的先后顺序呈现所有监控区域内的摄像机抓拍的实时人像图片信息； 4）支持对摄像机在搜索时间范围内所拍摄的所有图片进行导出操作。 人像研判 根据用户上传的图片，在一定时间段中、指定的摄像机范围内，进行该人像的落脚点分析、频次分析、同行分析和轨迹分析。具体要求如下： 1）落脚点分析，在海量数据库中，查找出同一人的多张照片，通过其出现的时间、地点、频率等，查找到可能的落脚点，方便蹲守抓捕； 2）频次分析，在海量数据库中，一定时间段中、指定的摄像机范围内，分析出过人出现的频次，解决常来陌生人问题； 3）同行分析，支持查询与指定人物（特征）同时出现的重复度最高的人脸抓拍图，

32、可以根据查询结果分析作案人员数量，判断是否与其同伙； 4）轨迹分析，在拥有海量的抓拍人脸图片后，在确认目标人员身份，获得正面标准照或清晰照片后，可以在海量的抓拍人脸图片库中进行搜索，及时确认该目标人员的行为轨迹，支持刑侦干警采取进一步的行动。 系统管理要求 用户管理 系统应支持省、市、县三级用户，各级用户依照各自辖区范围对设备进行管理。同时，系统应支持多级用户组和设备组。 用户组包括管理员组、普通用户组，用户可灵活定义各用户组权限；页面展现应根据用户的权限进行动态展示，自动屏蔽没有操作权限的功能。 视频源管理 系统包含对摄像头所属区域、对应 IP 地址、登录账号和密码等进行管理。1) 支持 R

33、TSP 实时视频流的配置、系统接入，以及添加、删除、修改、查看等操作； 2) 支持本地文件的接入、并可以添加、删除、修改、查看接入系统的视频文件。 网络安全 系统应该具备一点布控、全网响应的功能。 在横向上，系统还应该满足公安内网、视频专网以及互联网的边界接入、安全接入的需求。 算法可控 考虑到用户的特殊性以及人脸数据的高度敏感性，本系统采用的所有智能算法必须是完全国内自主知识产权的算法，不能使用任何国外厂家的算法。 系统性能要求 除了满足上述的功能性需求外，上线系统还必须满足如下的性能要求： 01.系统 7x24 小时无故障运行； 02.具备海量特征大库的快速人脸搜索能力； 03.支持亿级大

34、库比对检索，并实现秒级数据响应； 04.系统支持同时不低于 200 路前端人脸动态采集，后期可平滑扩展至3000 路以上数据并发； 05.支持设置 ROI 人脸布控识别区，包括绘制、修改、删除检测区域； 06.支持对不同角度的人脸进行抓拍，角度应包括小于 45 度的抬头、低头、左右转动、右斜向上、右斜向下、左斜向上、左斜向下； 07.支持对不同表情的人脸进行抓拍，表情应包括微笑、大笑、瞪眼、闭眼、张嘴、歪嘴、吐舌头； 08.支持对不同角度遮挡的人脸进行抓拍，遮挡方式应包括齐刘海遮挡眉毛、头发遮挡单眼、戴普通透明眼镜、戴黑框眼镜、戴墨镜、戴棒球帽、戴普通帽子、戴头戴式耳机； 09.支持对不同光照

35、条件的人脸进行抓拍，光照条件包括面部过曝、面部欠曝、阴阳脸、背光、低照度； 10.支持对抓拍的人脸或人像图片自动进行属性标注，包括年龄段、性别、民族（汉族和维族）、衣服裤子颜色、运动方向、是否背包、是否打伞； 11.支持回放告警前后一段时间内的视频片段； 12.监视名单长度可达到 100 万人，类别满足 GB/T 31488 中 A 类要求； 13.符合 GB/T 31488 中 6.4 的要求，系统注册失败率不大于 5； 14.后台批量人脸注册速度应大于等于每秒 400 张； 15.分辨率 1080P，帧率为 25 帧的视频一分钟通行量不超过 15 人的条件下，系统人脸抓拍率不小于 99%；

36、 16.符合 GB/T 31488 中 6.1 的要求，非监视名单误报率不大于 5%； 17.非监视名单误报率不大于 5%情况下，监视名单识别率不小于 95%； 18.支持同时识别一画面内人脸图像数量不小于 50 个； 19.人脸识别平均响应时间不长于 2 秒； 20.集群静态库总量最大支持不少于 20 亿； 21.过人检索单机 3000 万底库下，检索响应时间小于 2 秒； 22.通过振动、冲击、高温、低温、恒定湿热、泄露电流、抗电强度、绝缘电阻等试验。 项目总体设计 项目总体架构 根据用户需求和相关标准规范要求，设计如下的系统架构： 系统架构图 系统架构采用云化分层设计，包括基础设施层、数

37、据分析层和业务应用层三个层次。 A.基础设施层 系统运行所必备的基础设施，包含 X86 服务器、GPU 服务器、云存储、网络和安全设备等；随着时间的推移，视频内容分析在线推理部分将逐渐迁移到更有效率的 FPGA 硬件平台；这部分推荐基于现有云平台进行部署，如果用户没有云平台，可以采用裸机+容器的方式进行部署。 B.数据分析层 系统的运行核心，包含了大数据分析、人脸识别分析和通用公共服务三个部分；大数据分析主要提供相关的人像库、轨迹库等存储和查询检索，承载人像结构化的属性检索等，本部分基于分布式内存数据库技术，提供秒级响应； 人脸识别分析包括了人脸检测、人脸质量诊断、图像修正、人脸比对等功能；

38、通用服务部分包括采集接入、数据库、存储服务、流媒体服务、消息转发、网络管理等；采集接入主要应对各类型前端采集系统的接入，包括普通摄像机、人脸抓拍摄像机、或者各种类型的视频源。在接入时会考虑对各种接入协议的支持，包括 GB28181 协议、ONVIF 协议、PSIA 协议以及各种私有协议；流媒体服务应对业务应用视频回看、下载等要求；存储服务主要调取底层云存储的服务能力，完成海量视频数据、图片数据及其他类型数据的长期存储需要；转发用于实现大数据分析和人脸识别分析的服务与第三方业务系统的对接。 C.业务应用层 是系统具体功能的对外展现，包含了动态人脸布控、静态抓拍分析等核心功能，以及资源管理、系统管

39、理等后台管理功能；业务应用层也提供二次开发接口，用于用户自行研发新的功能，以及与第三方业务系统的对接。 总体网络拓扑 根据用户需求和相关标准规范要求，设计如下的网络拓扑： 网络拓扑图 人像识别系统支持省市县三级架构部署，分为视频专网部分及公安信息网部分。在各级视频专网内，部署人脸抓拍和抓拍分析模块，建设超大静态库， 负责对视频流进行分析，包括生成过人人脸图、过人场景图、过人建模特征及过人结构化数据，并实现过人检索和基于图片的人像研判功能，建模数据通过安全边界推送至公安信息网内进行汇聚存储，查询结果可通过安全边界推送至公安信息网内反馈给用户；在公安信息网内，部署动态人脸布控模块，建设动态库，能够

40、基于前端的特征数据实现实时比对告警，并可提供服务给公安网的第三方业务系统。 每级系统本身都是一个完整的人像卡口系统，可以对本级以及下级的系统进行访问，对于上级系统进行访问需要申请。 子系统设计 前端子系统 1、摄像机的安装部署 为保证人脸识别的准确率，除了设备本身的品质，现场摄像机的安装部署非常重要。一般为了保证现场人车的正常通过，摄像机高度不应低于 5 米，在此高度上，人脸识别水平距离应该在 20 米左右，可正负 5 米。以人体平均身高1.7 米计算，摄像机俯仰角在 15 度范围之内，能够满足人脸识别算法要求。 图一、远距离摄像机 对于部分场景摄像机，安装距离可以降低至 3m 左右的场景，监

41、控距离一般在 12m 左右，同样分辨率的摄像机可以选配更小的镜头。 图二、近距离摄像机 2、摄像机的场景选择 摄像机的场景以火车站、汽车站、码头等交通要道，城市小区进出口通道，重点政府企事业单位部门，娱乐场所、网吧、宾馆等场景为设计对象。这些场景人流量大、人群复杂，易于产生战果。 同时，摄像机安装的场景应尽量考虑通道式场景，人员在行走过程中具有典型的方向性。现场光线尽量避免出现大逆光、大曝光等情况，以提高整合系统的识别效果。 3、摄像机的规格选型 人脸识别摄像机的选型主要包括：（1）摄像机类型的选择；（2）摄像机分辨率的选择；（3）镜头的选择。 系统支持普通高清摄像机接入，也支持人脸抓拍卡口摄

42、像机接入。既可以接入视频，也可以接入人脸图片进行分析。 镜头的选择主要和摄像机靶面、摄像机分辨率以及需要覆盖的宽度相关。一般来说，在同样覆盖宽度需求的条件下，摄像机靶面越小所需要的镜头焦距越短。摄像机分辨率越高，单位面积上获得的人脸像素越多。镜头的选择以保证在设计监控距离上，人脸两眼间的像素不低于 40*40 像素。举例说明： 图 1 所示的场景中： 200 万分辨率 1 英寸靶面摄像机镜头选用 85mm 镜头； 图 2 所示的场景中： 200 万分辨率 1 英寸靶面摄像机镜头选用 50mm 镜头； 人脸识别子系统 人脸的识别过程包括人脸检测定位、人脸质量判断、人脸特征点提取和人脸识别几个过程

43、。 视频专网的抓拍服务器完成人脸抓拍，包括人脸抠图抓拍和人身抓拍图片，生成建模特征传输给公安信息网内的人脸识别集群；识别服务器完成人脸的比对及布控告警。 本次系统建设，网络拓扑如前面所述。在这种情况下，视频专网和公安信息网之间传输特征数据，由公安信息网内的人脸比对模块完成身份识别，各级用户根据需要访问 WEB 服务获得相关服务。 人脸抓拍服务器部署在视频专网，采用 LINUX 操作系统，单机支持 20 路1080P 摄像机接入，支持 25F/S 的全帧率检测，每一帧支持最多 50 个人脸同时检测；服务器内置人脸质量诊断模块和跟踪模块，通过 TRACK ID 技术自动跟踪人脸轨迹，实现去重抓拍，

44、同时运用质量分析算法，抓拍出人脸质量最佳的图片。通过这种方式，可以大幅减少人脸抓拍图片数量，并且保证图片的质量。抓拍服务器支持无限堆叠功能，可以满足无上限的视频摄像机接入。 下面以实际场景说明这 TRACK ID 最优抓拍与传统抓拍的区别： 假设目标场景中有 20 个人脸，更新速度为 10 人/分，即画面中始终有 20张脸，1 分钟内有 10 个人离开画面，又有 10 个人进入画面。抓拍人脸图片大小为 20K。 传统抓拍方式： 传统抓拍方式为逐帧抓拍，会对画面中的每一帧出现的人脸进行抓拍，24 小时抓拍的图片数量为： 20 人25 帧60 秒60 分24 小时=43200000 张 人脸图片存

45、储空间：4320000010K/1024*1024=411G TRACK ID 全程最优抓拍方式： 此种抓拍方式会跟踪每一个进入画面的人，直到这个人离开画面，并在此过程中判断每一帧的画面质量，当人离开画面时保存质量最好的一张画面。所以在这个场景中 1 分钟内抓拍了 20+10 个人脸。24 小时的抓拍数量为： 306024=43200 张 人脸图片存储空间：4320010K/10241024=0.4G 综合对比如下： 项目 24 小时 去重 图片质量 存储成本 实时性 抓拍图片数量 人脸图片存储空间 传统抓拍方式 43200000 411G 无 参差不齐 最高 最好 TRACK ID 全程最优

46、抓拍方式 43200 0.4G 有 最优 最低 最差 传统方式耗费存储空间较大，且无法去重复、消除质量差的图片，对识别系统压力巨大，需要耗费巨大的识别成本；同时，图片质量参差不齐，严重地影响后续识别精度。通过对比，TRACK ID 方式与传统抓拍方式存在 50 倍以上的差距，具有较大的灵活性，显著提升的建库效率和明显降低的成本。 人脸比对部署在公安信息网，采用 LINUX 操作系统，单机支持 1000 张/秒的图片入库处理速度，支持实时动态人脸识别。 对接其他业务系统 1、PGIS 的接入 人脸识别系统与 PGIS 系统紧密结合，利于实现公安用户的挂图作战。应用展示时将调用 PGIS 系统的服

47、务并进行二次开发，实现所有业务应用，包括人员查询、轨迹刻画、时空碰撞等应用的空间可视化呈现；并可以实时显示 PGIS 系统中的公共地理位置信息，包括行政区域、街道等。 人脸识别系统与 PGIS 系统的对接采用平级对接方式，省级对省级、市级对市级的对接方式。 2、公安八大库的接入 公安系统八大库是指全国人口基本信息资源库、全国在逃人员信息资源库、全国违法犯罪人员信息资源库、全国出入境人员信息资源库、全国被盗抢汽车信息资源库、全国警员基本信息资源库、全国安全重点单位信息资源库、全国机动车驾驶员信息资源库。 动态人脸识别系统与八大库中的全国在逃、全国违法犯罪等信息库的对接可以实现对嫌疑人的实时布控。具体对接模式如下： 1，请求服务 对于已经定义为可请求的数据，例如人员信息等，直接调用标准接口函数获取请求数据。 2，数据交换 对于平台两侧需要进行必要的数据交换时，可以基于定义的数据内容按照人工或定时自动的方式导出，实现数据交换。 3，数据库访问 对于需要访问数据库的需求，可以以数据库视图的方式实现对动态人脸识别系统数