1 建设目标及内容
1.1 建设目标
为提升机场智能化程度，同时杜绝他驾行为，及忘带证件、证件过期等证件无法使用问题，拟通过出租车人像识别准入系统实现出租车人像识别准入制度。
1.2 建设内容
通过对原有身份证核验系统进行改造升级，升级为人脸实时比对系统，在出租车通道旁架设现场人车识别终端。出租车司机需在机场公安局国门公安APP上进行身份认证，认证通过后即可通过通道旁人车识别终端进行人脸、车牌识别，并与在册的合法出租车司机人像库、车辆库进行比对，比对无误后，进而联动闸机抬杆放行；支持对出租车司机进行诚信监管，对于存在不诚信经营的司机，可将其列入管控名单，限制其入场。可实现黑名单布控功能，对布控的司机、车辆进行声光报警。
2 总体架构
2.1 总体要求
本项目采用双网多平台架构；
系统基于人脸技术和车牌识别的云计算架构；
开放式应用接口，支持多系统主动对接和被动对接；
支持人脸识别和人脸特征提取。
2.2 网络架构
2.3 业务流程
本服务方案满足司机身份验证、人车绑定验证等多种通行方式。
车辆进入通道后首先进行车牌识别，根据识别的车牌查询出该车辆绑定司机信息，前端智能终端采集到的人员身份信息进行比对，比对成功后抬杆放行；比对不成功前端声光报警并通知工作人员。
车牌识别
本项目运用国际先进的动态识别车牌技术，车辆进场过程中（无需停车）捕获车牌并将车牌照片、识别结果、拍摄时间等相关信息提取一并发送至终端进行存储，方便后期查阅。
人脸抓拍
通过人脸检测算法，前端智能抓拍机从实时视频流中自动检测、跟踪人脸图片，通过对人脸进行检测、跟踪、抓拍、评分、筛选等一系列的流程，结合人脸质量判断规则，自动选出符合人脸提取条件的人脸照片抓拍并进行输出。
人脸比对平台
人脸比对平台支持1:1及1:N比对，比对时间<1m
3 总体设计
3.1 设计思路
灵活性（Flexibility）
有效性（Efficiency）
可靠性（Reliability）
可理解性（Understandability）
维护性（Maintainability）
重用性（Reuse-ability）
适应性（Adaptability）
可移植性（Portability）
可追踪性（Traceability）
互操作性（Interoperability）
3.2 设计原则
1)实用性
实现对进入航站楼排队拉客的出租车的实时监控，保障所有进入航站楼内拉客的出租车均为在册的出租车，杜绝套牌车、无牌车、非在册司机驾驶等行为。
2)先进性
采用领先的科学技术水平，集成了先进的车牌识别、人脸识别算法，在保证整个系统功能和性能的前提下，最大限度地采用成熟、可继承、具备广阔发展前景的先进技术。保证整个系统功能的科学合理性。
3)可靠性
出租车准入系统是处于24小时工作，系统采用业内主流产品，保证了系统的高稳定性、高可靠性。前端智能硬件设计上考虑室内外工作的特殊性，具有耐高温、散热性能好，防雷、防浪涌保护等多方面安全考虑，为系统的稳定运行提供保障。
4)可扩展性
无论在系统软件、硬件的设计和选型上，都充分考虑其后期的可扩展性，结构上应易于扩充，以便于后期新功能的扩充。在硬件的接口上也比较丰富，能适应后期更多设备的接入控制。
5)易操作性
系统具有简单易学的操作界面，无需专业的计算机知识，普通用户即可轻松完成日常人员管控系统的操作。
3.3 关键技术
3.3.1 车牌识别技术
系统识别主要由图像采集和视频车辆检测、车牌定位搜索和分割、字符切割、字符特征提取、单字识别等几个部分组成。对进入通道的车辆车牌快速抓拍捕捉确定位置，根据车牌颜色，数字，和字母精准识别分割，提取信息并储存到电脑里，方便车辆出场时调用时间信息来计算费用，这样的算法准确，高效避免出入口拥堵现象的发生，高清晰CMOS图像传感器，高性能DSP为图像处理核心，内置控制CPU，多项新的技术可对图像编码、处理分析。其基本工作步骤例如以下：
（1）当行驶的车辆经过时，触发摄像的虚拟线圈感应区域，系统被唤醒处于工作状态；摄像则对视频图像进行逐帧实时处理，对比，筛选过滤选择最优的车辆图像。
（2）把采集到的最优图片输入交换给 DSP进行处理，图像处理包含图像转换、图像增强、滤波和水平较正等；
（3）由检索模块进行牌照搜索与检測，定位并切割出包括牌照字符号码的矩形区域；
（4）对牌照字符进行二值化并切割出单个字符，经归一化后输入字符识别系统进行识别。
模糊图像处理
3.3.2 人脸识别技术
人脸识别技术是指利用分析比较的计算机技术识别人脸。人脸识别是一项热门的计算机技术研究领域，其中包括人脸追踪侦测，自动调整影像放大，夜间红外侦测，自动调整曝光强度等技术。
3.4 动态人脸识别
动态人脸识别是不限制范围，你只要出现在范围内，无论在哪个地方，都可以自动识别。也就是说，人以自然的形态走过去，摄像头会进行信息的抓拍和采集，发出相应的指令，进行动态人脸识别。
相比较静态人脸识别，很明显，动态人脸识别体验感更好，因为是动态的，产品价格相对较高，用户容量也比较大。动态人脸识别识别速度快，20毫秒实时识别，每秒10张以上。保存本地电脑，私密性较好。
人脸识别经过40年左右的发展，技术上已经达到了一定的成熟度。与其他生物特征识别技术相比，人脸识别在实用性方面具有独到的技术优势。不管是动态人脸识别还是静态人脸识别，我们都不可忽视其作用性。如今，人脸识别系统应用范围已经相当广泛，可用于公安、机场、银行、安防、酒店、地铁等多个重要行业及领域，以及智能门禁、门锁、考勤等民用市场。
3.5 硬件介绍
3.5.1 人脸抓拍机
采用国内先进的人脸抓拍技术支持：人脸检测、跟踪、去重、质量检测等。
3.5.1.1 运动目标检测在人脸抓拍中的应用
运动目标检测是图像处理算法中比较成熟的技术，理论简单，资源消耗低，根据“有人脸必有目标进入”这一原则，首先对图像序列进行运动目标检测，再对运动区域进行人脸检测不仅可以大幅提高无人状态下的人脸抓拍的性能，还可以滤除特定光照条件下静止的误检人脸。基于单高斯分布的背景建模差分方法可以满足人脸检测中运动目标检测的需求，首先利用帧间差分处理图像序列，将检测到的背景进行单高斯背景建模，再用建模背景与图像序列差分得到前景目标，进而进行形态学处理，连通域标记获取运动区域，最后求算运动区域最大外接矩形，作为一个整体进行人脸检测。
当人脸静止时，系统也必须正确地检出人脸，所以，送入人脸检测算法的图像区域不仅和当前帧的运动检测结果相关，还与上一帧的运动情况和人脸检测结果相关。采用的处理流程如表1示，需要特别处理的是，前一帧有人，当前帧无运动，运动检测结果修正为上一帧人像区域，防止有人走动时突然停止，导致无人像检出；前一帧有人无运动，当前帧有运动，运动检测结果修正为上一帧人脸区域与当前帧运动区域的最大外接矩形，防止上一帧静止的人像被漏检。
3.5.1.2 人脸位置跟踪
目前，主流的人脸跟踪方法包括基于特征匹配的人脸跟踪方法，基于区域匹配的人脸跟踪方法及基于模型匹配的人脸跟踪方法。基于特征匹配的人脸跟踪方法利用目标物体的个体特征实现跟踪，对个体特征的依赖大。基于区域匹配的人脸跟踪利用目标区域的纹理或颜色进行跟踪，长时间跟踪容易产生误差积累。基于模型匹配的人脸跟踪方法将目标抽象为数学特征，通过相似度比对实现跟踪，对特征的准确性要求高，也很难达到实时性的要求。
本文采用基于位置的人脸跟踪方法，该方法对人脸检测的实时性要求较高。当相邻两帧人脸发生面积重叠时，即认定为同一个人脸，否则认为新的人脸，该方法原理简单，容易实现，除不能处理人脸交叉场景外，可以满足绝大部分场景下人脸的跟踪需求。
3.5.2 身份证识别器
本项目使用RFID识别技术可提取身份证中姓名、性别、民族、出生年月、居住地、照片等多种信息。二代身份证融入了ic卡技术，采用智能卡技术，内含rfid芯片，芯片无法复制，高防伪性能、办件时间缩短、储存信息增多。并且芯片使用特定的逻辑加密算法，有利于证件执法、使用中的安全管理，增强防伪功能，芯片和电路线圈在卡内封装，能够保证证件在各种环境中正常使用，寿命增长，并且融入的rfid技术，读写速度增快、使用方便，易于保管，方便各用证部门使用计算机核查，存储容量大，写入的信息可以划分安全等级，分区储存。
3.5.3 车牌识别
|
|
我们选用的车牌识别系统 |
市面上大部分车牌识别系统 |
|
识别方式 |
视频宽动态车牌检测
（在检测到完整车牌后，再保存照片识别） |
连续拍照检测
（定点连续拍照，有可能会由于跟车阻挡了车牌而导致所拍照片没有完整车牌号） |
|
识别算法 |
与国内国外几十家车牌识别算法现场测试验证和比较，最终筛选出最优势的算法，该算法识别别率高（识别率99.7%），角度大（35度），识别范围广（大陆民军警车牌，港澳台车牌等），识别速度快（小于50ms） |
大多是采用车牌识别算法厂家的自荐产品，未作大量的实验比较和现场验证，很多实验性、仅仅能用的算法在作为产品在使用。稳定性、识别率上特别是在恶劣使用环境下无法保证。 |
|
抗干扰能力 |
对灯光、气候等环境条件依赖性低
（随车辆移动变化，光照的变化，在视频中总会选择到较清晰的拍摄效果，大大提高了车牌号识别成功率） |
对灯光、气候等环境条件依赖性高
（连续拍照时曝光过多或不足会影响到拍照的效果，导致识别车牌号失败） |
|
无牌或污秽牌 |
系统软件及时报警，按设置的方式自动处理或人工处理，保证不会堵塞通道 |
在未识别到车牌的情况下系统不能进行任何提示，需要人工时时盯着，往往因为无法及时处理而堵塞通道 |
|
无人值守连续跟车处理 |
逐帧实时处理技术，解决连续跟车时后跟车辆时不时关住不能通过的问题，保证连续跟车顺利通行 |
暂无好的解决办法 |
|
安装方式 |
软件设置虚拟线圈感应范围调试方便，摄像机显示屏一体式安装快捷 |
采用地感触发方式，如尺寸出现偏差，调整麻烦；
摄像机与显示屏分离式安装，需要另外立桩，增加施工工时。 |
3.6 软件方案
3.6.1 人脸识别平台
平台向比对设备下发需要进行人脸比对的人员信息到名单库中，比对设备接收人员信息后与绑定的前端IPC抓拍的人脸进行比对，将相似度阈值（平台下发）之上的比对结果和信息发送给平台，完成比对。其中：
相似度阈值范围：由平台下发，可根据用户需要进行设置不同的阈值，一般人脸比对阈值为80%~90%，阈值太高可能导致比对无结果，遗漏重要信息；阈值太低导致比对结果过多，需要人工去二次确认、造成效率低下。
1、 人脸身份核验
由具备人脸身份核验管理权限的用户进行人脸身份核验设置，将需要核验的人脸下发到名单库，并将名单库与指定的比对设备（具备比对功能的前端摄像机/后端比对设备/服务器比对）进行关联核验。关联后，摄像机抓拍的人脸只与其关联的名单库内人脸进行比对识别和联动。
人脸比对设备将推送过来的人脸照片进行建模，并和关联的人脸库内的人脸图片进行比对，如果比对结果中有1个或多个相似度达到或超过预设报警阈值，选取相似度最高的人脸图片作为识别结果（不同的模式上报的不同张数），并将识别的人脸图片和比对结果推送到平台，在平台中人脸比对事件进行查询报警信息和比对结果。
2、 人脸库管理
1）名单库添加
平台支持创建、编辑、删除名单库，可根据不同的需要，系统可创建多个不同的名单库，可便于用户根据自身需求将不同的名单库用作不同的比对功能，如名单库可设置白名单库、黑名单库等。
人员名单库分组管理
2）名单库人员添加。
平台可向各名单库添加、编辑、删除人员信息和人脸图片，进行人员信息和人脸图片的信息注册，系统自动完成人脸特征提取及建模，一个人员可对应多张人脸图片。
名单库人员添加
3）名单库人员添加的方式
平台支持手动添加人脸库和批量人脸添加、删除处理，如平台可以单个图片进行注册，手动输入人员的身份信息；平台支持批量导入人员，其中的人员姓名直接使用其照片名称，便于当名单库人员较多时的快速导入。
名单库人员快速导入
4）抓拍库独立管理
平台对不同人脸识别设备的抓拍库不做统一管理。其中，前端比对功能的抓拍照片存储在前端摄像机中，NVR接入的抓拍库图片存储在NVR中，脸谱接入的抓拍库图片存储在云存储中。
为避免漏报过多，对抓拍的人脸照片质量有一定要求，需要按照摄像机最佳效果进行安装，避免抓拍机架设太高，镜头未拉近，覆盖范围太广，人脸像素过小等抓拍质量问题。
5）比对事件统一管理
平台对不同人脸识别设备的比对事件、比对详情进行统一存储和管理。用户可对事件进行查看以及操作各类联动，以便用户查询及生成报表。
3.6.2 App申请功能
本项目提供H5页面申请功能，支持第三方App嵌入，支持多种移动端系统及版本包含安卓和IOS。
