第 一 章 方案概述

1.1 背景與趨勢

1.1.1 智能技術設備的升級換代

安防智能化一直是安防行業重要的發展方向，深度學習算法和GPU芯片的大量使用是本次行業智能升級的重要推手。深度學習是機器學習研究的一個重要領域，動機在于建立和模擬人腦進行分析學習的神經網絡，模仿人腦的機制來解釋數據。相比較傳統智能算法需要根據算法人員的經驗對圖像進行總結和設計規則，深度學習是自己通過大量樣本學習來總結規則，遠遠強于人的主管經驗。同時，各類智能算法競賽也讓智能算法不斷進行優化和迭代。

而讓深度學習的算法充分發揮優勢的是隨著GPU硬件的更新。GPU是專門從事圖像運算工作的微處理器，是CPU性能的十倍來至上百倍，更適合大規模的并發計算，其并行計算能力讓深度學習算法充分發揮其優勢。

1.1.2 云邊融合新理念的逐步落地

當智能技術與設備升級換代后，安防智能化已經不再局限于視頻監控、門禁或一卡通等普通的單點智能應用，而是讓系統可像人一樣做出認知判斷和推理預測。要實現這一宏偉目標，絕不是僅僅在個別技術或性能進行優化，應該需要一套完整、嚴密的AI理念。云邊融合理念綜合邊緣感知智能和中心計算智能的優勢，能較好的滿足安防場景的智能需求，已經在逐步落地。

在邊緣智能中，主要指將更多的感知計算能力賦予邊緣節點，使得邊緣節點可以采集傳遞場景內容并產生結構化數據。例如，邊緣節點可對高危人群布控提供敏捷的、及時的預警；又如，在光線變化較大的復雜場景中，邊緣節點可自主調整曝光、補光等條件精確檢測目標，以保留更多特征細節來進行前端無損建模等。邊緣智能除了可敏捷、精確采集多樣化數據外，還可大大降低網絡帶寬壓力、時延，為大規模的聯網智能預留了網絡帶寬。

在中心智能，通過池化的計算資源分配，中心基本滿足大數據的接入、存儲、挖掘和應用，在注入AI智能后，將計算中心升級為AI云計算中心，也就是中心智能。如一方面，匯聚整合多域AI數據信息，形成全局大數據池；另一方面，通過深度學習算法或自學習算法不斷優化數據挖掘能力，提供滿足安防領域的數據智能預測、可視化分析、關系分析、態勢分析等能力。

綜上所述，將邊緣智能和中心智能進行融合，將能解決更多安防領域中的痛點、難題，實現安防智能化跨越升級。

1.1.3 安防智能化的需求再次爆發

由于安防行業由于場景較為集中，容易實現技術優化與突破，目前的圖像識別算法已達到安防應用要求；而在需求方面，視頻監控效率提升的訴求不斷增強、安防應用智能化需求強烈，安防行業將是智能技術最先落地的行業，是“AI+”時代變革的主要行業。

如在邊緣智能方面，依靠深度學習算法優化和GPU性能提升為技術支撐，配合各類安防智能化應用的不斷落地，邊緣智能中各類人臉識別、比對、車輛特征識別，為市場提供了一種性價比更高、部署更加靈活、場景適應性更強的智能方案，充分拓展和滿足眾多低預算、中小型項目的智能需求，讓安防智能化走向所有用戶。

中心智能通過更優秀的算法、更強大的計算性能、更大量的學習數據，解決傳統安防中難以解決的痛點、難點，如開放區域內人群運動態勢分析、城市級的高危人員布控和分析，也極大提升了市場對安防智能化的認可度。

1.2 需求分析

隨著用戶對安全防范需求的與日俱增，視頻監控在生產生活各方面有非常廣泛的應用。如在異常事件發生時，視頻監控可提供實時的、智能的分析、監測和告警，為用戶及時決策、正確行動提供支持。如何有效利用各種技術手段實現“減員、增效”，實現視頻監控的“智能化”顯得尤為迫切。

1.2.1 智能視頻分析需求

1）視頻監控人工“監”、“控”效率低

常規視頻監控系統完全靠人力來實現‘監’與‘控’，存在著人員注意力和視力易疲勞、視頻檢索困難等問題；而人力有限且成本卻在不斷提升，如何通過智能分析技術，不斷提升視頻監控的效率，解決以往應用效率低下的問題，一直都是視頻監控領域的強烈需求。

2）視頻監控的事前預警能力弱

常規視頻監控更多體現視頻實時預覽和事后檢索的能力，難以做到事前預警或少部分可實現事前預警但準確性低，難以降低危險帶來的損失。如以入侵檢測和運動物體檢測為例，需要操作人員時時關注每一個畫面以及時捕捉意外事件的發生，這在實際應用中很難做到。而帶有智能視頻分析的系統則可以根據事先設定的規則，對圖像進行背景提取、運動檢測與跟蹤，通過分析比對和特征識別，自動判斷事件的發生，在本地或者通過網絡發出遠程預警信號。

3）安防系統的數據價值未有效挖掘

當前，安防行業視頻監控產生的數據量非常龐大，而且增長迅猛。但其價值密度較低，只有對其進行深度的挖掘，才能使其發揮出數據本身所應具有的應用價值。例如在海量數據庫中尋找到所需的人員面部信息，并結合智能分析、人臉識別、數據挖掘等技術，才能夠真正實現大安防監控的作用，充分挖掘安防系統的潛在價值。

1.2.2 智能視頻分析痛點

1）傳統智能成本高

傳統智能限制于各種成本因素，中小型項目和預算較低項目的智能需求未被滿足。如傳統智能分析的模式比較單一，智能產品的形態基本為后置式，產品形態差異性小、市場競爭趨于變大；其次，后置式智能分析產品雖然能解決并發處理多路識別分析，但是對網絡存在一定的壓力。隨著中小型項目的智能需求逐漸增長，現有后端模式未能有效應對，市場需要一種性價比更高的產品形態，需要系統部署更加靈活，應用場景更加廣泛、易落地的小型智能場景，讓智能走向“大眾項目”。

2）預警準確度和場景適應性不強

各行業的視頻監控業務復雜度越來越高，更多的圖像細節信息的識別和業務功能的擴展成為客戶的迫切需求。同時，現有系統經常部署海量的監控，才能夠滿足復雜業務的需求，要采集更多的視頻圖像、獲取更多的目標信息、進行更加精確的智能分析，都是行業提升視頻監控能力和效率的關鍵點。傳統的智能算法難以適應復雜監控場景，急需要場景適應能力更強、誤報率更低、能提取更多目標特征的視頻智能化方案和產品。

1.3 建設內容

方案提供從端到端的智能視頻分析系統解決方案，包括智能前端、網絡傳輸、視頻存儲、控制顯示、智能分析、管理平臺。

為滿足綜合安防領域內對人車物的智能需求，結合當前的智能技術，有重點的解決綜合安防當前智能需求中的最痛點，本系統重點實現人員智能管控、車輛智能管控。其中，人員智能管控主要包括人臉抓拍、人臉比對、人臉身份核驗、人臉布控、人臉陌生人報警、人臉以圖搜圖、人臉軌跡，人員異常行為分析、周界防范去誤報，客流監控和統計、開放區域人員密度預警；車輛智能管控主要為園區車輛占道檢測和卡口智能應用。

1.4 名詞解釋

第 二 章 系統架構與功能

第1章

2.1 系統架構

系統架構可設計如下：

圖1. 智能視頻分析系統架構示意圖

1）  前端部分

系統支持普通前端攝像機和智能攝像機的接入。前端網絡攝像機進行圖像、視頻等網絡數字信號的采集，通過網絡進行視頻圖像的傳輸。前端接入攝像機可從功能上分為周界防范、人員流控及預警、高危布控個、可疑人員監控個、內部人員異常報警、車輛異常報警和管控幾個部分，為智能應用提供各類數據和視頻的采集。

2）  后端部分

支持多種類型的后端存儲設備接入，主要用于對前端采集的視頻、圖片進行存儲和分析比對功能。包括具備人臉比對功能的“超腦”NVR和具備后端周界防范去誤報的“超腦”NVR。

3）中心管理平臺部分

在中心管理平臺，可進行人臉識別、比對、布控、檢索、以及各類聯動等應用，例如人臉和車牌智能檢索，并將檢索結果在地圖上展示軌跡。

2.2 系統功能

人臉應用場景廣泛、價值巨大。如人臉身份核驗應用，可應用于園區、工地大門識別企業員工、廠區人員、工地工人，樓宇小區的大門、建筑出入口識別業主人員，以及對進出小區或別墅的水電工、保潔員、綠化工、維修工，別墅親友等人員檢測和識別，通過對抓拍的人臉進行實時比對，比對成功后聯動閘機進行開門，實現內部人員或相關人員進出大門出入口的管控。

除此之外，人臉身份核驗還可以應用于其他重要區域，如公安（嫌疑犯確認、零口供、槍械庫管理）、金融（金庫、押鈔車、ATM機、加鈔室）、醫院重地（特殊藥房、麻醉室、手術室）、樓宇（企業財務、檔案、庫房）等人員比對、航客運（安檢）、交通運輸（特殊車輛司機）、幼教（接送家長）、大學（實驗室、教師考勤）等；酒店/商超/連鎖慣偷識別、建筑工地（特殊工種人員比對）等場景。

人臉（黑名單）布控報警應用，可應用于大樓園區的出入口、大廳等場景，滿足用戶對于鬧訪、黃牛、醫鬧、慣偷、鬧事者、地痞流氓、社會無業青年等可疑人員的檢測和識別，以及重要其他人員的檢測和識別，并對抓拍的人臉進行實時比對，比對成功后進行報警。

人臉檢索應用，可用于園區/街道搜索嫌疑人臉，實現快速檢索、提高效率，事后追溯、證據查詢等。通過下發人臉，在人臉抓拍庫中進行人臉比對、搜索，比對成功后返回搜索結果，滿足用戶對于人臉搜索的需要。

2.2.1 人臉抓拍

系統支持具有深度學習算法的人臉抓拍。前端人臉抓拍機通過智能人臉檢測算法和人臉區域曝光功能，以及從YUV獲取圖像而無損提取圖片，為用戶提供質量更高的人臉抓拍圖像。

方案推薦使用具有深度學習能力的人臉抓拍機。深度學習的人臉抓拍機相比傳統的智能產品，具有更高的精確度，場景適應能力也更強，如在小目標場景和大角度場景中，檢出率較傳統的智能產品顯著提高。內部測試如下：

表1 深度學習產品與傳統智能產品對比

2.2.2 人臉比對

系統支持深度學習算法的人臉比對功能，為用戶提供人臉身份核驗、人臉（黑名單）布控報警和人臉檢索等應用。用戶可根據需要設置不同的人臉比對閾值，一般人臉比對閾值為80%~90%，若閾值過高，導致漏報率高，遺漏重要信息；閾值過低，導致誤報率高，人工二次確認造成效率低下。

人臉比對功能是人臉應用中的基礎功能，下面詳細介紹人臉身份核驗、人臉布控報警、人臉陌生人報警、人臉檢索（以臉搜臉）和人臉軌跡幾類應用。

2.2.3 人臉身份核驗

管理員將的人臉照片添加到人臉分組中，將該分組下發到人臉比對設備（具備比對功能的前端攝像機/后端比對設備/服務器比對，下同）中，并關聯。關聯后，攝像機抓拍的人臉只與其關聯的名單庫內人臉進行比對識別和聯動。

人臉比對設備可將名單庫照片進行建模處理，并與抓拍照片進行比對，將相似度最高的人臉圖片作為識別結果，推送到平臺，用戶可在平臺中查詢比對結果。

根據比對結果設置聯動，可通過IO信號與設備進行硬聯動開門；或在平臺上將比對結果配置軟聯動。

圖2. 人臉身份核驗刷臉開門

2.2.4 人臉布控報警

管理員將布控人臉照片下發到名單庫，并與比對設備進行關聯布控。布控后，將對實時抓拍的人臉照片進行比對識別和報警。平臺接收到人臉實時比對報警，將對應的人臉圖片及信息顯示出來，警示值班人員關注和處理，并可進行相關聯動。

圖3. 人臉布控報警

2.2.5 人臉陌生人報警

在園區內部的核心區域，將授權人員的照片下發到名單庫并關聯布控。關聯后，進行人臉比對識別和報警，若比對成功，不報警；若比對失敗，則認為是非名單庫的人員，屬于“陌生人”，上報陌生人報警事件。

平臺接收到人臉陌生人報警后，將對應的人臉抓拍圖片及信息顯示出來，以及抓拍圖片中的人員性別、年齡段和是否帶眼鏡信息，警示值班人員關注和處理，并可進行相關聯動。

圖4. 人臉陌生人報警事宜圖

2.2.6 人臉檢索

人臉檢索包括通過人臉以圖搜圖和通過人臉屬性進行人臉檢索兩個功能。

1）人臉以圖搜圖

在平臺上導入人臉圖片后，通過人臉以圖搜圖功能進行人臉檢索�？芍苯虞斎肴四槇D片、人臉相似度閥值、檢索數量、其它檢索條件，選擇抓拍的攝像機和時間段，在抓拍庫中進行人臉圖片中查找是否有匹配的人臉圖片，按照抓拍時間/相似度進行分頁排序。

圖5. 人臉以圖搜圖

2）人臉屬性檢索

系統接收前端人臉抓拍機上報的人臉抓拍事件，其中包含人臉的性別、年齡段和是否戴眼鏡三個屬性�？赏ㄟ^按照性別、年齡段和是否戴眼鏡三個屬性進行人臉屬性檢索，搜索相同屬性的人臉圖片。

2.2.7 人臉軌跡

在人臉以圖搜圖的結果中，將符合閾值的人臉圖片以列表展示，并按照時間順序以此在地圖上展示出人員的軌跡，便于用戶整體上把握某個目標人員的全部活動軌跡，并在地圖上生成人臉軌跡。

在人臉比對結果中，用戶可輸入人員姓名或選擇人臉圖片，選擇時間范圍和多個監控點，通過姓名搜索，顯示符合條件的人臉比對結果，并且人臉比對結果可在提前添加的地圖上顯示人臉軌跡，或根據結果查看實時抓拍畫面。如下圖：

圖6. 人臉軌跡示意圖

點擊查看實時抓拍畫面顯示如下：

圖7. 人臉軌跡點擊抓拍圖

用戶若未知搜索人員姓名，或不確定該人員是否存在比對結果，可在人臉抓拍庫中搜索。選擇特定人臉比對設備（臉譜、超腦）、時間范圍，將需要搜索的人臉照片下發或在瀏覽抓拍庫時選擇某張人臉照片進行人臉以圖搜圖，搜出該人臉的所有抓拍記錄，形成按照時間排序的人臉列表和人臉軌跡。人臉抓拍庫搜索人臉軌跡的展示效果和上圖一致。

以人臉軌跡為基礎，可滿足用戶多方面的需要：

Ø  地圖軌跡聯動視頻回放

用戶在地圖軌跡上點擊抓拍照片，可鏈接到該抓拍的視頻回放，便于用戶更加詳細地查看當時的現場環境，為嫌疑目標分析提供更多信息。

Ø  目標人員頻率分析

用戶可對懷疑的目標人員設定時間范圍和區域范圍，分析人員在特定條件下出現的頻率和次數，以輔助人工決策，判斷該目標可能的身份。如醫院黃牛識別時，可通過人臉軌跡，發現某人一周內出現在大廳次數超過常人，配合人工判斷，可認為該人為黃牛，將其照片添加到黑名單庫中進行布控，下次出現時可及時通知保安人員。

Ø  巡更人員路線復核

通過在巡更點添加人臉抓拍機，可在事后通過人臉軌跡功能分析巡更人員的巡更情況，規范巡更人員的行為，增強園區內的安防水平。

Ø  安防漏洞分析

基于對多個確定的可疑人員進行人臉軌跡分析，可根據相同行動路徑，分析安防系統中該共同區域可能存在漏洞，提前封堵未知風險。

2.2.8 人臉庫管理

1）名單庫添加

平臺支持創建、編輯、刪除名單庫，可根據不同的需要，系統可創建多個不同的名單庫，可便于用戶根據自身需求將不同的名單庫用作不同的比對功能，如名單庫可設置高度危險人員名單庫、一般等級危險人員名單庫等。

圖8. 人員名單庫分組管理

2）名單庫人員添加。

平臺可向各名單庫添加、編輯、刪除人員信息和人臉圖片，進行人員信息和人臉圖片的信息注冊，一個人員可對應多張人臉圖片。

圖9. 名單庫人員添加

3）名單庫人員添加的方式

平臺支持手動添加人臉庫和批量人臉添加、刪除處理，如平臺可以單個圖片進行注冊，手動輸入人員的身份信息；平臺支持批量導入人員，其中的人員姓名直接使用其照片名稱，便于當名單庫人員較多時的快速導入。

圖10. 名單庫人員快速導入

4）抓拍庫獨立管理

平臺對不同人臉識別設備的抓拍庫不做統一管理。其中，“深眸”前端比對功能的抓拍照片存儲在前端攝像機中，“超腦”NVR的抓拍庫圖片存儲在“超腦”NVR中，臉譜的抓拍庫圖片存儲在云存儲中。

5）比對事件統一管理

平臺對不同人臉識別設備的比對事件、比對詳情進行統一存儲和管理。用戶可對事件進行查看以及操作各類聯動，以便用戶查詢及生成報表。

2.2.9 異常行為分析

平臺支持人員異常行為事件報警，檢測事件包括人數異常、間距異常、徘徊檢測、劇烈運動、在離崗檢測、倒地檢測、滯留檢測、跨線檢測和奔跑事件，進行人員異常行為的分析、報警和聯動。不同的異常行為檢測功能可用于不同的監控場景，防范安全事件的發生，向安保人員報警及時處理，盡量將安全事件的損害降低。

如徘徊和滯留檢測，可應用于園區或大樓外圍道路、墻角監控，采集人員徘徊的信息，提前預警可疑人員，為事后取證提供依據。

圖11. 人員徘徊檢測

人數異常和間距異常檢測事件，可用于在監控ATM中是否進入的人數異常、人員間距異常等場景，預防ATM尾行或搶劫事件，并為事后取證提供證據；

圖12. 人數異常和間距異常檢測

倒地檢測事件，可用于在重癥監護室、辦事大廳、ATM中進行人員倒地監控，及時處理倒地事件，將安全事件的損害降低。

圖13. 人員倒地檢測

離崗檢測事件，可應用對安保人員的離崗檢測報警，防止安保人員擅自離崗。

圖14. 安保人員離崗檢測

2.2.10 周界防范及去誤報

周界防范在綜合安防領域中具有廣泛的使用場景，可防止非法的入侵和各種破壞活動，發出入侵報警等功能，消除建筑物的安全隱患，阻止人民生命財產損失的事件發生。

視頻周界防范是建立在傳統周界防范概念基礎上，通過智能視頻分析技術實現對入侵、越界等行為進行實時報警，并聯動前端的視頻監控攝像機實時了解監控區域的情況，一旦發生入侵行為，第一時間發出警示，并及時告知安保人員進行處理。

系統具備周界防范事件偵測功能，可在平臺上對其進行配置、接收報警等操作，在事件中心模塊對該報警配置聯動動作。

圖15. 周界報警示意圖

然而，由于樹葉搖晃、燈光照射、動物穿越等因素產生的大量誤報大大影響了用戶的使用積極性。由于誤報頻繁的原因，將會嚴重增強安保人員對系統的不滿意度，同時也會因為事件過多容易導致報警事件的遺漏。

采用基于深度學習智能算法的去誤報設備，可以對觸發報警的區域進行人體目標二次識別，從而最大限度的降低周界防范誤報現象，切實提高監控區域的安全防范能力。

具體功能包括：

1）越界偵測和區域入侵去誤報

開啟人體去誤報后，當目標越過用戶設置的警戒面或在設定的檢測區域范圍內停留（包括靜止或移動）超過設定時間時，高端SMART攝像機產生越界偵測事件和區域入侵事件,設備將對攝像機推送的報警圖片結合越界規則進行目標二次識別，如果由人體觸發，系統自動產生報警。

普通經濟型攝像機不產生周界報警，由設備對視頻流進行分析，產生越界偵測事件和區域入侵報警并完成去誤報功能。

針對歷史報警信息，系統支持通過點位、時間段等進行報警信息的查看，以及前后數秒錄像的關聯、回放。

2）報警聯動

平臺可通過報警彈窗、蜂鳴器報警、IO等多種方式進行周界防范報警聯動。

2.2.11 客流統計

系統支持對經過入口的人員數量進行實時統計和閾值報警功能，有效預防擁擠、踩踏等惡性安防事件產生。

如在大型超市、商場和連鎖店鋪需要顯示當前客流狀態和變化趨勢，對流量較大的區域采取預防突發事件的措施，并可實時觀察商場當前的停留人數，從而對電力、維護人員及安防人員等進行合理調整，并可控制商場運營本；

地鐵站、車站和機場通過客流統計，自動統計進出乘客的數量，分析乘客的人流量分析，對于國家、政府規劃建設車站、機場等大型工程項目和特殊時段疏導、分流乘客流量的策略提供依據。

展覽館、博物館通過自動統計進出的參展人員，分析不同區域進出人員數量，了解大眾需求，可對安防力量進行有效布控和實時調整，并對后續展覽館、博物館等建設和開發提供依據。

但是，傳統客流統計由于設備識別能力的限制，以及客流智能算法的差異，導致傳統客流統計由于推車、小孩以及店員徘徊造成較大誤報，降低客流統計的精確度，無法滿足用戶精確統計的需要。

針對上述問題，系統提供具有更高精度的客流實時監控和統計報表功能，滿足用戶精確統計需要，為擁擠、踩踏事件的防范提供更加精準的參考數據。

除實時客流人數統計外，系統還提供實時客流監控和歷史客流統計報表功能，滿足用戶客流統計分析的需要。

1）實時客流統計監控。用戶可在界面看到實時客流畫面，并在視頻上看到進入、離開的客流數，滿足實時監控客流的需要。

圖16. 平臺客流實時監控界面

2）豐富的歷史客流統計報表�？缮�成包括即時報表，日報表，月報表，年報表，自定義報表，匯總報表在內的多種報表類型，包括日、周、季、年報表，匯總報表和自定義報表功能，滿足用戶進行各類客流分析的需要。

圖17. 平臺客流統計報表示意圖

2.2.12 人員密度預警

系統支持對開放區域進行人員數量實時統計和密度預警功能。

通過人員密度預警功能，可直觀的了解監控區域中的人員數量情況，還可以對人員數據進行預警，滿足用戶對人員密度監控的需要，有助于進行有效的安防工作計劃，防止擁擠、踩踏等惡性安防事件的發生，并及時的安排警力進行疏散和引導。密度預警功能有如下特點：

1）滿足開放場景需要

在擁有多個出入口或出入口較為寬敞的開放區域，如園區大門口、廣場、車站，該區域人流密度大，安全事件易發且一旦發生造成的危害和影響較大，用戶需要對該區域進行實時監控和預警。傳統的客流相機對于標準出入口有較好的客流統計功能，但針對開放區域還難以滿足用戶需求。

2）所見即所得

在特殊場景中，如出入口與目標監控區域較遠、或中間分支路線較多，傳統客流相機安裝在出入口，對目標監控區域的人流數據或不夠精確。密度預警功能直接安裝在監控現場的攝像機，不用安裝在出入口，用戶可通過視頻預覽直接監測現場情況，監控效果和用戶感知更佳。

同時，在同一個監控畫面中，若用戶僅需要關注某個小區域，可通過劃線設置監控范圍，對出入該范圍內的人數進行監控和預警，監控場景更加靈活。

圖21. 監控區域配置

3）定時監控與報警監控相結合

用戶可提前設置區域的密度閾值，當達到設定閾值時產生告警；同時具備定時上報（每分鐘）監控區域的人數密度和密度檔位功能。定時監控與報警監控相結合，既能滿足高危區域用戶實時監控的需要；也能通過告警功能，普通監控區域的用戶可在離閾值密度較遠時不用實時關注屏幕，僅需要產生告警后再進行查看、啟動預案和消警。

2.2.13 熱度分析

對室內固定區域進行空間熱度分析，為用戶提供區域內人流熱度數據，有助于用戶進行室內的熱度分析，調整安防力量布防及為用戶業務分析提供支撐數據。

圖22. 熱度分析

2.2.14 占道檢測

針對住宅小區內人行通道、企事業單位園區內部道路、地下停車場的入口通道等區域，采用內置占道檢測、車牌識別智能算法的占道球進行檢測，可自動對違規占道車輛進行識別和取證，解決開放園區社區帶來外來車輛違停，智能識別車牌，上報城管，威懾力強，實現園區占道行為智能化管理。

其次，還可對靜止或運動車輛進行手動取證功能，讓違章無所遁形，并利用獨創的智能聚焦算法，實現對運動物體的快速聚焦捕獲，有效檢測距離達150米，即使有車輛想快速逃離也能抓取到該車輛信息。

單個占道球 可支持8個場景的占道輪巡檢測，并對檢測到的占道事件進行圖片抓拍，上傳至NVR或者綜合管理平臺，后臺管理人員可以獲取到大量信息，對現場以及違章情況進行全面了解，提醒采取相關措施，對違規占道現象進行快速記錄和處理響應。

圖23. 社區內部占道檢測

2.2.15 過車記錄管理

在園區卡口或內部道路中，為了加強進入園區車輛的管控，需要對過車進行抓拍和查看，為事后查找嫌疑車輛提供線索和證據；同時，車輛超速行駛會增加園區安全隱患，特別是在休息期間，園區內部有大量人員走動，此時園區內部如有車輛（特別是大型貨車）超速行駛則很有可能發生嚴重安全事故。

Ø  車輛捕獲功能

系統通過視頻檢測方式實現車輛捕獲功能，能對所有經過車輛進行捕獲，除了能夠捕獲在車道上正常行駛的車輛外。

Ø  車輛圖像識別功能

系統能夠準確捕獲、記錄通行車輛信息。記錄的車輛信息除包含圖像信息外，還包括文本信息，如日期、時間（精確到毫秒）、地點、方向、號牌號碼、車型、車速等。

圖24. 300萬抓拍機現場真實拍攝效果圖

系統支持具有深度學習算法的卡口相機/單元，夜間視頻亮度大幅提升，提高了車輛特征識別的準確率，為園區車輛管理、事故偵破、證據查找提供更多、更準確的線索，滿足用戶7*24小時的卡口監控需要。�？怠吧癫丁毕盗泻蛡鹘y卡口相機的性能比較如下表：

表2 深度學習卡口與傳統卡口設備的對比

圖26. 深度學習算法卡口夜間效果圖

2.2.16 濃縮播放

在需要快速查看錄像的場景中，如保安人員需要對一段時期內的錄像進行快速瀏覽以尋找證據，將是否有人出現定義為關鍵視頻，可對非關鍵時段視頻進行快速播放，關鍵時段正常播放，實現長時間視頻的濃縮播放、快速查找和定位目標，減少查找時間，提高視頻查看效率。

圖27. 視頻濃縮播放

第 三 章 系統優勢

第2章

3.1 多角度、多層次的立體化防控體系

方案借鑒成熟的“圈線面點”安防布建模型，構建多角度、多層次的立體化綜合安防體系，場景覆蓋更完善，以典型園區為例，從外至內形成協同作戰的、有機的、不可割裂的整體防控體系，有助于全面提升以空間為軸的人、車、物全方位防控水平，提升綜合安防整體防控能力。

同時，方案針對細分場景也提供完整的解決方案，解決用戶在該場景的痛點需求，便于在獨立的智能系統中使用。

3.2 智能分析“云邊結合”

首先，在邊緣節點部分，系統推薦具有深度學習的前端智能產品，實現精度更高、場景適應能力更強的前端智能分析。

其次，系統支持智能“云邊結合”模式，包括中心智能分析服務器和前端智能攝像機的結合，能夠適應不同的場景需要，滿足用戶多樣性需求。特別是方案既可滿足大型項目的智能需求，針對中小型項目的智能需求，方案也有較強的適應能力和項目應對能力。

3.3 事前-事中-事后完善的防范體系

系統提供事前-事中-事后完整的智能應用。

通過人臉布控報警、人流密度預警，可有效提前防止如慣偷、鬧訪、黃牛、社會流氓，以及人流超限帶來的各類安全事故；

其次，針對實時發生的人員異常行為如摔倒、人數間距異常、離崗等事件，系統可實時的報警事件，便于用戶及時處理，將已發生的事故損害盡可能降低；

最后，在事后可進行人臉以圖搜圖、人臉時間軸列表、視頻濃縮播放、客流統計等功能，滿足用戶事后風險查找、證據尋找等事后功能。

通過完整的事前-事中和事后的智能應用，形成完整的安全防范體系。

3.4 更豐富的智能應用

系統提供包括人臉抓拍、人臉比對（包括身份核驗、人臉布控）、人臉以圖搜圖等基礎功能，行業用戶可在基礎功能之上適當添加行業特性，形成豐富的智能應用，如幼教可實現接送兒童家長的人臉比對、交通行業中特殊車輛的人臉比對、銀行金庫或ATM加鈔室的人臉核驗、園區或內部道路的人臉軌跡應用等。

3.5 場景化的智能應用設計

方案選擇綜合安防典型的園區場景進行分析，該場景適當添加行業的個性化智能應用，即可復制到多個行業的類似場景，如市政機構的政府大樓、機關園區，金融大樓、金庫及監控中心，能源企業和能源機構園區，普高教校園園區、大樓，景區、文化博物館園區，連鎖、商業綜合體、企業園區、住宅小區等場景，具有較高的可復制性。

3.6 更佳的智能應用體驗

系統提供統一的名單庫管理，進行統一的人臉抓拍事件查詢，接收統一的人臉比對事件，使用統一的人臉布控和人臉以圖搜圖功能，減少用戶因為不同比對模式帶來的復雜性，提升用戶的智能應用體驗。

第 四 章 核心產品介紹

4.1 園區占道球

園區占道球（DS-LG21Q421IW-A），也稱為200萬像素紅外園區占道檢測智能球機，是�？低�視為住宅小區內人行通道、地下停車場的入口通道、企業園區內安全通道等各類通道場景中專門研制的一款占道檢測球機。

園區占道球可自動對違規占道車輛進行識別和取證，解決開放園區內外來車輛違停的檢測、識別、取證等問題，可智能識別車牌，上報平臺或城管，威懾力強，實現園區占道行為智能化管理。

園區占道球支持最多8個場景的占道輪巡檢測，150米照射距離（紅外）。

圖28. 園區占道球產品圖片（DS-LG21Q421IW-A）

4.2 “深眸”雙目客流相機

“深眸”垂直雙目客流統計攝像機（iDS-2CD6810F/C、iDS-2CD6810F-IV/C）是�？低�視采用雙目立體視覺技術、3D目標檢測跟蹤技術和高度過濾技術打造的一款智能客流統計攝像機。

該攝像機比傳統客流相機具有更高的客流統計精度，能有效統計區域內進入、離開、經過人數，并產生各類客流統計報表，同時具備高度過濾、徘徊人員過濾等特色功能，能為用戶提供更加精準的客流統計，為用戶防止擁擠、踩踏等惡性安防事件提前預警。該產品可廣泛應用于景區、體育館、博物館、醫院等、營業廳、連鎖門店、4S店、小型超市、大型超市商場、購物街、地鐵站車站、機場等場景。根據使用場景的差別，產品分為室內和室外兩種形態。

圖29. “深眸”垂直雙目客流統計攝像機（左邊室內、右邊室外）

4.3 “深眸”傾斜雙目（行為分析）智能攝像機

“深眸”傾斜雙目智能攝像機（DS-2CD8426F/B-I）是�？低�視出品的一款行為分析的專業智能攝像機。攝像機采用GPU模塊組成（GPU模塊的并行處理能力是常規CPU的數十甚至數百倍），以獲得更好的性能，并且內嵌專為視頻監控場景設計、優化的深度學習算法，可實現人員劇烈運動、在離崗、人數異常、人員站立/倒地、人員間距、徘徊、穿越警戒線、人員滯留的實時監測功能。

圖30. “深眸”傾斜雙目（行為分析）智能攝像機圖片

4.4 “深眸”筒型（人臉抓拍）智能攝像機

“深眸”筒型智能攝像機（DS-2CD7627FWD/F-LZ（-H/-S））是�？低�視出品的一款人臉抓拍的專業智能攝像機。攝像機由白光變焦筒機與高性能GPU模塊組成，并且內嵌專為視頻監控場景設計、優化的深度學習算法。

攝像機支持人臉抓拍功能，可同時對30張人臉進行檢測、跟蹤及抓拍；同時支持對性別、年齡、是否戴眼鏡等特征的識別。

圖31. “深眸”筒型智能攝像機圖片

4.5 “深眸”傾斜雙目（人臉比對）智能攝像機

“深眸”傾斜雙目智能攝像機（DS-2CD8426FWD/F-I）是�？低�視出品的一款集人臉抓拍、人臉比對為一體的專業智能攝像機。攝像機由白光變焦筒機與高性能GPU模塊組成，并且內嵌專為視頻監控場景設計、優化的深度學習算法。

攝像機支持人臉抓拍功能，可同時對30張人臉進行檢測、跟蹤及抓拍，并支持對抓拍人臉和名單庫進行實時比對、輸出結果，實現黑名單人員實時布控報警功能；同時支持對性別、年齡、是否戴眼鏡等特征的識別。

圖32. “深眸”傾斜雙目（人臉比對）智能攝像機圖片

4.6 “深眸”人員密度筒機

“深眸”人員密度筒機（DS-2CD8627FWD/D-LZ(S)）是�？低�視基于深度學習智能在視頻中的應用，而推出的智能分析前端攝像機。

人員密度筒機采用200W像素分辨率，自帶白光補光。攝像機為IP67、IK10防護等級，可實現區域人數統計，即實時統計設定區域內的人員數量并以OSD方式疊加，也可進行擁堵等級報警，設置三檔擁堵等級，實現監控區域人數超出閾值時可報警。建議安裝高度6米以上。

人員密度筒機可適用于園區大門、廣場、候車候機廳和體育館等場景。

圖33. “深眸”人員密度筒機

4.7 “�？瞪癫丁毕盗锌�口

“�？瞪癫丁毕盗锌�口（iDS-TCV300-AE、iDS-TCV700-AE）是采用深度學習智能算法，專為實現治安防控、交通管理需要而設計的卡口單元。

“�？瞪癫丁毕盗锌�口支持250種車標、3000種子品牌、13種車型、11種車身顏色識別，相比傳統卡口車輛特征識別種類增加，識別準確率提升；夜間視頻亮度大幅提升，為案件刑偵、事故偵破提供更多線索；同時，設備可自動提取未系安全帶、駕駛人接打電話等違章行為，支持遠光燈檢測，為規范駕駛人安全駕駛行為提供更豐富的科技手段，支持道路交通信息采集和檢測功能，為道路交通管理提供基礎信息。

圖34. “�？瞪癫丁毕盗锌�口

4.8 “超腦”NVR

“超腦”NVR系列后端產品，是�？低�視基于深度學習智能在視頻中的應用，推出的智能存儲和分析產品。

“超腦”NVR（iDS-9632NX-I8/FA），小超腦FA作為業內首款支持人臉智能識別的NVR，不僅具有 NVR 的各項功能特性，更是承載了基于深度學習的人臉智能識別技術，具備人臉名單庫比對功能，可用于重點人員布控、刷臉開門、VIP識別；人臉以圖搜圖功能，可用于目標人員查找，可實現精確的人臉分析和應用。產品適用于各類中小型人臉項目，使人臉智能識別普及化，可滿足各行業人臉應用需求。

Ø  超腦抓拍：支持4路普通高清IPC人臉抓拍

Ø  人臉比對：支持6路人臉實時比對報警

Ø  人臉名單庫：4個庫，總庫容50000張

Ø  百萬級人臉抓拍庫

圖35. “超腦”NVR（iDS-9632NX-I8/FA）

“超腦”NVR（iDS-96128NX-I24），大超腦作為業內首款支持人臉智能識別的NVR，不僅具有 NVR 的各項功能特性，更是承載了基于深度學習的人臉智能識別技術，具備人臉名單庫比對功能，可用于重點人員布控、刷臉開門、VIP識別、陌生人報警；具備周界防范、人體智能識別，有效過濾絕大部分非人體引起的周界入侵誤報警；具備人臉以圖搜圖功能，可用于目標人員查找，可實現精確的人臉分析和應用；具備視頻結構化，可快速將各類人車視頻進行結構化。產品適用于各類中型人臉項目，使人臉智能識別普及化，可滿足各行業人臉應用需求。

Ø  人臉比對：支持32路人臉實時比對報警

Ø  人臉名單庫：16個庫，總庫容10萬張

Ø  百萬級人臉抓拍庫

圖36. “超腦”NVR（iDS-96128NX-I24）

“超腦”NVR（iDS-9632NX-I8/S）是�？低�視自主研發的新一代超腦NVR系列（Net Video Recorder）。它融合多項專利技術，不僅具有NVR的各項功能特性，更是承載了基于深度學習算法的視頻圖像結構化技術，實現精確的人體識別，集周界防范去誤報、人體結構化分析、建模、比對、檢索、存儲于一體，提升監控視頻價值，服務安防大數據時代。

主要功能可對前端的周界防范（越界偵測、區域入侵）報警進行人體目標二次識別，有效過濾絕大部分非人體引起的周界入侵誤報警。

圖37. “超腦”NVR（iDS-9632NX-I8/S）

4.9 臉譜

臉譜（DS-IE6364-E/FA）人臉分析服務器，是�？低�視在持續多年的人臉識別和比對技術的研發基礎上，結合高密度 GPU 架構與深度學習的人臉智能算法而開發的優秀的人臉產品。服務器通過對人臉的識別、分析、建模，可實現黑名單布控報警、人臉比對、人臉照片查詢等功能，可廣泛應用于公安、交通、金融、教育、醫療、企業、工業園區等各類人臉識別場景。

人臉分析服務器采用19英寸1U標準機箱，具備1+1冗余電源，嵌入式Linux 操作系統。產品具有 高性能（80張/秒建模、64路人臉抓拍接入）、 專業化（專業的智能分析算法）、 智能化（智能功能豐富）、 易維護（穩定易用的硬件和軟件）、低功耗（嵌入式設計架構，整體性能更穩定，總功耗更低，節能環保）等優點。

圖38. 臉譜人臉分析服務器