人脸识别摄像机_百度百科
清除历史记录关闭
声明：百科词条人人可编辑，词条创建和修改均免费，绝不存在官方及代理商付费代编，请勿上当受骗。
人脸识别摄像机
人脸识别摄像机，是采用AVS03A+Sony方案设计，提供人脸识别、强光抑制、动态白平衡、隐蔽遮挡、背光补偿、画面调整等多种功能。人脸识别摄像机是一款开创智能时代，特点是可以对人脸进行追踪，识别；智能放大的监控摄像机；
人脸识别摄像机功能
人脸识别效果
图像处理器：AVS03A
-PCB板尺寸：38*38(单板)
-多功能OSD菜单
- 电源：DC12V±1V 2000ma
人脸识别摄像机特点
人脸识别摄像机
支持的图像传感器
CD :索尼,夏普CCD 影像传感器
CMOS :索尼,松下,豪威,Aptina CMOS影像传感器
智能化影像调整
高反差场景侦测,自动调整宽动态补偿
低照度场景侦测,自动调整3D/2D 降噪(HDNR)及数字慢快门
人脸明暗侦测,自动调整动态曝光补偿
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
视讯处理功能
高清晰图像还原
光学倍频宽动态
3D/2D 降噪(HDNR)
数字慢快门
人脸测光补偿
数字透雾处理
人脸动态放大
多层次半透明菜单
RS485远程调控
多层自动(自动曝光,自动增益,自动白平衡,自动光圈控制,自动对焦侦测)
画质设定(亮度,对比,饱和度,锐度,色相)
动背光补偿
智能红外曝光
色滚动抑制
256倍数字放大
动/静态除坏点(4096)
人脸识别摄像机适用范围
公园、工厂、超市、小区广场、会议中心、体育场馆、学校、医院、住宅区、商业街、大型农贸市场等公众活动和聚集场所的重要部位，酒店（宾馆）、餐饮、娱乐场所、办公楼的大堂出入口、电梯和其他主要通道等室内外范围的监控录像用途。
人脸识别摄像机产品介绍
人脸识别摄像机
型号：S701
主要特点：
采用引以为傲的AVS03A+Sony方案设计。保持性能和价格的完美结合。
优点：性能和价格的完美比例。Sony方案色彩更艳丽，对光线明暗交界处还原更好。
自带OSD控制，提供人脸识别、强光抑制、动态白平衡、隐蔽遮挡、背光补偿、画面调整等多种功能。
提供人脸识别、智能放大功能。【更适合入口处、需要特定放大之地点】
采用大功率台湾鼎元超远阵列红外灯设计，提供室内外：50-70米的夜视距离。【夜视距离受安装位置、画面中景物远近、电源电压等多种因素共同决定。】
独家提供终身保固。
提供3.6mm，6mm【推荐】，8mm，12mm，多种镜头可选。【各镜头适合范围，请询小二，或向下翻页可见。非推荐镜头可能需要额外单独订做，具体请联系销售客服】
严格遵守IP66级防水标准，保证在室外恶劣环境下可以使用。
超过48db的信噪比。【信噪比越高，抗干扰能力就越强】
人脸识别摄像机优势
人脸识别的优势在于其自然性和不被被测个体察觉的特点。
所谓自然性，是指该识别方式同人类（甚至其他生物）进行个体识别时所利用的生物特征相同。例如人脸识别，人类也是通过观察比较人脸区分和确认身份的，另外具有自然性的识别还有语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。
不被察觉的特点对于一种识别方法也很重要，这会使该识别方法不令人反感，并且因为不容易引起人的注意而不容易被欺骗。人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而更有可能被伪装欺骗。
清除历史记录关闭免费发布咨询，坐等律师在线服务
需求发布后
10分钟内收到律师在线回复
平均有多个律师参与回复
得到了圆满解决
您的位置： &
就是通过手机摄像头或电脑摄像头进行人脸识别的这个技术，在我国
就是通过手机摄像头或电脑摄像头进行人脸识别的这个技术，在我国可以申请专利吗？
律师回答地区：北京-朝阳区咨询电话：帮助网友：111258 次点赞人数：<span class="s-c666" id="r_57 人请咨询专利局 20:51地区：北京-东城区咨询电话：帮助网友：153271 次点赞人数：<span class="s-c666" id="r_8 人建议咨询相关部门 20:59地区：北京-朝阳区咨询电话：帮助网友：28674 次点赞人数：<span class="s-c666" id="r_7 人市场上已经有同类成熟的技术了。 21:33地区：北京-朝阳区咨询电话：帮助网友：220700 次点赞人数：<span class="s-c666" id="r_24 人你好，可以向当地工商部门咨询处理 22:06地区：北京-海淀区咨询电话：帮助网友：107739 次点赞人数：<span class="s-c666" id="r_5 人可以。 06:49地区：北京-朝阳区咨询电话：帮助网友：48003 次点赞人数：<span class="s-c666" id="r_1 人咨询专利局 10:11地区：北京-朝阳区咨询电话：帮助网友：198945 次点赞人数：<span class="s-c666" id="r_5 人建议咨询相关部门 23:33地区：北京-海淀区咨询电话：帮助网友：45377 次点赞人数：<span class="s-c666" id="r_9 人您好，请咨询专利局 15:19地区：北京-东城区咨询电话：13031***帮助网友：421118 次点赞人数：<span class="s-c666" id="r_26 人咨询专利局 22:53
无锡推荐律师后使用快捷导航没有帐号？
人脸识别通过公共场所的摄像头能抓住逃犯嚒？
查看: 22926|
评论: 0|原作者: 邝冬晨 |来自: 果壳网
摘要: 如今人脸识别系统已经广泛应用于我们的生活中，如数码相机、门禁系统、机场的安全设施 、桌面软件、互联网应用（如Facebook）等等。然而今日的一则关于“高铁人脸识别抓逃犯”的新闻一出，在评论中又引发了一阵阵怀 ...
如今人脸识别系统已经广泛应用于我们的生活中，如数码相机、门禁系统、机场的安全设施 、桌面软件、互联网应用（如Facebook）等等[1]。然而今日的一则关于“高铁人脸识别抓逃犯”的新闻一出[2]，在评论中又引发了一阵阵怀疑。怀疑的中心问题在于，人脸识别系统真的能准确无误地在数以亿计的面孔中找出匹配的嫌疑人吗？降维：减少冗余信息完整的人脸识别系统一般由多个模块组成，在进行人脸识别之前首先要进行人脸检测（即在一张完整的图片中探测到人脸区域），以及图片的预处理、归一化等步骤（例如自动把倾斜的照片摆正）。本文就来介绍一下人脸识别的过程。（至于人脸检测的问题留待以后再议，就看评论中群众的呼声了。）我们知道数码图片的基本表示方式是位图（bitmap）。一张大小 360x480 的黑白照片，每个像素点的取值范围是 0-255 之间的整数，通过简单的乘法原理可以算出，它可能产生 256 172800 种不同的照片。然而在这个天文数字的可能性中，不可能每一张照片都是人脸。事实上，符合正常人类脸部特征的照片只占这些可能性中极小的一部分。也就是说，如果以这样的方式表示图片，并且每张图片都是人脸的话，那么信息就是极其冗余的：位图用了 172800 个像素——也可以称为 172800 个特征——来表示一张人脸图片。由于人脸的规律性，我们其实可以用很少量的特征来表示，比如20个、50个、或100个。当然，如果我们只用20、50、100个特征表示人脸，这里的每个特征的意义就不再是一个像素点了。上一段其实解释了数据挖掘中一个很重要的概念——降维（dimension reduction）。用数学的语言来说，人脸识别中最主要的工作就是把这些 172800 维空间中的向量转换为 20、50、100 维空间中的一组向量。这样转换的好处是什么呢？下面我们用一个具体例子来说明。主成分分析：提取有代表性的脸型轮廓现在有 40 个人的人脸图片，每人 10 张，一共 400 张图片（ORL Database [3]）。为简单起见，我们把这组图片降到5维，也就是只用 5 个特征来表示一张人脸图片。上面提到，如果只用5个特征，那每个特征本身就不能是一个像素点这么简单。那么这5个特征是什么呢？如下所示：我们可以看到，这5个特征中的每一个都是一张酷似人脸轮廓的图片。OK，那么怎么用这 5 个特征表示一开始那400张人脸图片呢？我们用（线性）叠加的方式。假设（仅仅是假设）某张图片有这般组成：原始图片 ≈ Eigenface1 ×0.1 ＋Eigenface2 ×0.3 ＋Eigenface3 ×（-0.7）＋Eigenface4 ×0 ＋Eigenface5 ×2那么这张图片就可以用（0.1，0.3，-0.7，0，2）这个向量（5维向量）表示。（这个公式中似乎有些奇怪的东西？看不懂没关系，我们后面再解释。）到此为止我们用到的降维方法叫做主成分分析（PCA：Principle Component Analysis）[4]，如果你用过任何数学软件或统计软件（如 Matlab、SPSS），里面肯定有这个功能。从字面意思上讲，通过把图片的表示从很高维的空间降到5维，我们提取出了这组人脸图片的“主要成分”（说白了就是人脸）。第一个特征（Eigenface1）刻画出了人脸最主要的构架，后面的几个特征（Eigenface2-5）再慢慢的细化。像素点可以称为低级（low-level）特征，相应地，“主要成分”可以成为高级（high-level）特征。同一个人的照片可以千变万化，为了实现人脸识别，我们当然不能一个一个像素点地去比对，而应该通过这些“主要成分”考察人脸图片是怎么构造/叠加出来的。不同的面孔有不同的构造方式，比如有的用 Eigenface2 的权重大一些，有的用 Eigenface3 的权重大一些，这样就实现了不同人面孔之间的区分。关于上面的公式，我们还注意到以下两点：1.左边和右边是约等号，也就是说，当我们用这 5 个特征以不同权重叠加起来，得到的是原始图片的一张近似图片。其实这就是生成这5个特征时采用的标准：用叠加的方式试图复原所有原始图片时产生的误差总和最小。虽然这里面有信息损失，但这5个特征反映出来的的确是400张图片里最关键的部分。如果需要，我们可以近似地把原始图片复原出来，比如这400张图片里的第一张：2.每个特征有个奇怪的名字：Eigenface + 序号。如果你在大学学过线性代数并且到今天还没忘的话，或许你会联想到线性代数里的一个概念：特征向量和特征值（Eigenvector and Eigenvalue）。没错，这些 Eigenface（或许可以译作特征脸或本征脸）实际上就是原始图片协方差矩阵的特征向量（更多数学免去）。很奇妙吧？通过求特征向量就能做基本的人脸识别或文本分析，你是否也感到了数学之美？堪比铁路网上订票系统？当然，主成分分析用于实际中的人脸识别系统还是远远不够的。上世纪90年代的计算机科学家们又利用统计理论开发出了更好的方法，如线性判别分析（Linear/Fisher Discriminant Analysis）[6]。这是另一种降维方法，与主成分分析相比，同一个人的照片在转换后的低维空间中会更加紧凑，从而提高识别精度。跟 Eigenface 类似， 线性判别分析生成的特征也有一个名字，叫做费舍脸（Fisherface），以伟大的统计学家罗纳德&#8226;费舍（Ronald Fisher）命名。实际场合中的人脸图片极为复杂，可能有各种姿势、表情，照相时的光线明暗和角度变换更加大了识别的难度。继 Eigenface 和 Fisherface 之后，人脸识别的研究成为计算机领域的热点之一，识别逐渐可以适应各种光线、角度或脸部本身的变化。例如下图是卡内基梅隆大学约10年前发布的人脸识别研究数据[7]，可以看到同一个人照片呈现出的巨大差异。在这样复杂的环境中现有算法已经能达到大约95%的识别精度[8]。万一哪个逃犯换了发型、戴了墨镜怎么办呢？比如有人说“我今年入关的时候，为了迷惑他们的识别系统，特意换上了黑框眼镜”，这样行得通吗？根据近年的研究[9]，即使脸部有大面积遮挡（如下图），也能实现高精度的识别。但是这有个前提，就是说虽然每张图片都可以有所遮挡，但是人脸的每个部位必须在已有的数据中无遮挡的出现过至少一次。关于高铁新建人脸识别系统的新闻中还提到，“作案后的犯罪分子，即使整容，也能够被识别”。很多人的第一反应是“这也太不可思议了吧？整容之后肉眼都未必认得出来”，这话只说对了一半。的确，整容之后的人脸与整容之前有了很大区别，但是从另外一个角度上讲，相比于整容前后的区别，不同个体的脸部区别或许还要更大，而识别系统说到底是要找出相似度较大的人。依据脸部的骨架特点，整容是有限度的调整，而不是把一个人完全变成另一个人，只要不是真的把李小璐整成范冰冰的样子，算法还是有可能识别出来的。如果上面的内容你都理解了，那么恭喜你已经对当今较先进的人脸识别技术或许有了大致的认识。人脸识别系统是否能准确无误地识别出逃犯，现在还不好说，特别是对于我们这样有着十几亿人口的国家，因为目前任何识别系统应该都没有处理/索引过如此大量的不同个体。高铁新安装的逃犯识别系统效果如何，就像铁路网上订票系统一样，还得通过实践的检验。
上一篇：下一篇：
dataguru.cn All Right Reserved.谁将拥有我们的“脸”？人脸识别可能并未经过授权|识别技术|手机摄像头_凤凰科技
谁将拥有我们的“脸”？人脸识别可能并未经过授权
用微信扫描二维码分享至好友和朋友圈
最令公众产生警觉的，是用来探测未知用户身份的脸部识别功能——也就是将数据库中的人脸数据和身份数据匹配。
原文来自The Atlantic，作者Robinson Meyer，本文由虎嗅编译。 在谈论&人脸识别&的时候，我们指的是什么？ 当下，绝大多数互联网用户的数据正在被搜集，但基本上是识别型编码，比如浏览器cookies 或者电邮地址。代表我们在线身份的一切最终都可以转化为一堆数字和字母，这里面几乎所有的信息都可以被改变，就好像你随时可以申请一个新的社保号码一样。而脸部数据则完全不同，脸部识别数据和公众用户的其他生物数据一样，改变成本非常高，有时候甚至是不可能的。从某种意义上说，脸部数据是一种我们所有人无法逃脱的&数据链路&。 脸部识别技术有许多种。第一种是最初级的，也被称之为脸部探测，通产用在手机摄像头上，在拍照时对脸部自动对焦。第二种是脸部分类(facial characterization)，分辨脸部肌理，但是能够判断的信息也很有限。其他的脸部识别技术则有着更复杂的使用场景。比如一些软件使用脸部识别技术进行用户身份核实，在摄像头捕捉到确认画面时激活电脑或是手机。最令公众产生警觉的，是用来探测未知用户身份的脸部识别功能&&也就是将数据库中的人脸数据和身份数据匹配。 这并非危言耸听：去年夏天，Facebook 的人工智能团队宣布，其人脸识别软件产品达到了近人类等级的精确度标准。就在上周，Facebook 展示了一项更先进的成果：通过使用另一套不同的算法，通过分析目标的发型、身姿和体态，在没有出现脸部图像的情况下，也能达到83% 的识别准确率。 这种脸部识别的应用场景才是人们最担心的，这一点我们在下文讨论。 脸部识别的应用场景分两种：一个是在线上，虚拟世界，比如电脑通过你上传的用户图像识别你的身份；另一个是线下，真实世界，比如系统通过你在街上被监视器拍到照片来识别你的身份。隐私专家们之间达成的共识是，目前企业界在线上使用脸部识别技术的能力大大超越了在线下使用这项技术的水平。比如上文提到Facebook 的新技术，就专门用于在线图片的分析，能够在97.25% 的识别中准确判断不同照片中是否出现的是一个人，而人类在同样的测试中正确率也只有97.5％。线下方面，尽管科技公司们声称脸部识别技术也有成功案例，但实际情况却并非如此。 不过这种线上和线下的界限并不是很明显。2014 年来自卡耐基梅隆大学的一位教授通过试验发现，对校园内的行人进行拍照并且比对Facebook 用户头像，有三分之一的人能够被脸部识别技术探测出来。不仅如此，他还成功地使用算法对这部分人群的兴趣甚至社保号码进行了预测。换句话说，在线下，已经有人实现了33% 的脸部识别准确率。 分歧：用户是否需要事先对脸部识别进行授权？ 2014 年，美国商务部组织了一次会议，邀请各方代表探讨如何监管脸部识别技术，出席会议的有美国政府负责制定科技政策的部门，还有来自消费者隐私保护组织和科技产业的代表。虽然这个会议仍旧在举办，但需要指出的是，消费者保护组织已经不在了。美国消费者联盟和用户隐私保护团体EFF 今年六月宣布退出，他们表示，科技行业的公司和说客们，坚决不承认用户需要事先对脸部识别软件进行授权的权利，所以继续参加此次会议，已经毫无意义。 &假设现在有一个人在大街上走，与这个人没有关系的一个组织，如果想要识别他的身份，难道不应该首先获取他的同意吗？&乔治城大学隐私和科技中心(Georgetown Center on Privacy and Technology) 执行总监阿瓦罗(Alvaro Bedoya) 一针见血地指出。阿瓦罗是本次会议中消费者隐私保护一方的意见领袖，他提出的问题也是消费者保护团体退出会议的根本原因。他还表示，科技行业不愿意承认用户要对技术行为进行事先授权。 政府机构发言人对笔者表示，对于会议分崩离析&很失望&。代表科技行业参会的某科技公司高管则表示，他认为在许多情况下用户授权是不需要的。 就目前的实际情况来看，科技公司之间对于用户是否应该在被脸部识别之前对系统进行授权这一点，也存在分歧。Facebook 的新App 应用需要用户额外操作，才能避免被扫描进入脸部数据，这意味着其默认是允许的。而微软公司则向笔者表示，他们在对用户进行脸部扫描之前，会要求用户给出授权许可。而Google 表示在消费者照片产品上完全不使用脸部识别技术，而是做&脸部数据簇& (face clustering)，也就是在手机或电脑的本地将类似的脸部图像进行分组。用户也可以关掉这一功能。2013 年该公司迫于压力禁止在Google Glass 上发布脸部识别App 应用。 谁会拥有我们的&脸&？ 从公开报道来看，消费者隐私保护组织和科技行业代表的分歧，是用户授权。那么脸部识别软件的政府监管，将如何进行？在脸部识别技术准确率非常之高的情况下，究竟是谁在掌握着我们的脸部数据？ 那么政府又在其中扮演着怎样的角色？目前美国政府的脸部识别数据库已经有5200 万条数据，占全美人口的三分之一。尽管这个数字已经很庞大，但是仍旧落后于公司收集的用户脸部数据。 用户隐私保护团体EFF 在退出大会的声明中，提出了商业资源和政府资源的合作问题：&几年前，在一次信息自由法案(FOIA) 主张的调阅中，我们发现美国联邦机构对社交媒体公司(如Facebook) 发布的搜查令包括用户上传的所有图片，也包括用户被标签的其他人上传的图片。未来我们将会看到政府机构试图获取用户脸部识别数据的情况。&
[责任编辑：杨旭]
用微信扫描二维码分享至好友和朋友圈
凤凰科技官方微信
播放数：289570
播放数：129506
播放数：5808920
播放数：5808920
48小时点击排行震惊了！六亿个监控摄像头+人脸识别，想好往哪儿躲了吗
《华尔街日报》早前发表〈中国借助人脸识别技术建立全方位监控网络〉的文章，引述行业调查公司IHS Markit最新数据指，中国公共和私人领域共装有1.76亿个监控摄像头，到2020年，中国将新装约4.5亿个摄像头。而目前美国只安装了大约5000万个摄像头。
也许很多人都没有发觉，中国的监控摄像头正以惊人的速度逐年增加。在超市、学校等地，老百姓一举手、一投足，都被摄像头默默地拍了下来。摄像头固然可以拍下犯罪行为，保障民众安全，但这些“眼睛”在全球范围内都饱受争议。
中国摄像头数量增长惊人
英国《卫报》报道注意到，中国在安防监控方面的努力正逐步增加，北京警方要求超市、商场安装高清晰度的安全监控摄像头。过去5年，中国增设了数以百万计的安全监控摄像头，占去了国内安全开支的一部分。
今年5月，上海警方透露，上海实行24小时视频监控巡逻模式，由民警带领辅助人员轮流值守，共有4000余名专职人员参与到视频监控中。据悉，监控值守人员对图像监控探头进行“分级管理”，对街面重点区域重点监控，而一旦发现可疑情况，图像监控值守人员将指挥调度辖区街面执勤警力，以及派出所其他警力开展围捕违法犯罪分子、处置突发案事件等工作。
中国西南部直辖市重庆，则计划在2014年前增设20万个监控摄像头，因为现有的31万个摄像头“显然不够”。在长沙芙蓉区，据称有4万个摄像头，人均达10个。
在一些地区，摄像头装进了街道、商店以及大学课堂。今年3月，北京市的摄像头触角还伸到了文化生活中，市政府计划花费500多万元人民币，将摄像头放置在剧院、电影院等地。
个人隐私VS公共安全
中国对摄像头的态度有其独特之处，英国曾因摄影头问题饱受争议，但中国貌似对摄像头抱有热情。
以电子产品调查为主的调查公司IMS预计，从2010年至2014年，中国摄像头的数量将以每年20%的速度增加，而其他国家这一速度不超过10%。IMS高级分析师张博（音）相信，2010年，中国增设了超过1000万个摄像头，既覆盖私营场所也包含公共场所。全国性的“安全城市”计划旨在建立一个大网络，覆盖全国的城市地区。
部分人认为，设置监控摄像头没有坏处，上海警方就表示，监控摄像头去年帮助他们抓捕了6000名犯罪嫌疑人。当有消息称长沙增设2.6万个摄像头时，长沙警方表示，自4年前开始装设摄像头以来，摄像头已帮助警方侦破超过1200件案件。
现年24岁的寇菲（音）在一家教育机构任职，她表示，摄像头清晰度越高，商店内购物环境就会越安全。她说：“既然摄像头主要监控对象是一些不法分子，老百姓并没有受到太多影响，为什么不支持这项举措呢？”
但也有民众表示，在商场等公众场所安装摄像头会让人不安，有被窥探到私隐的感觉。尤其在婴儿室、宿舍等地方不应该出现摄像头，因为这会侵犯民众的个人隐私。
华东政法大学教授傅鼎生（音）表示：“监控摄像头的目的是保护社会公众，个人私隐应该为公众安全让位。”不过，他补充说，为保证监控系统不被滥用，需要更多的保障措施。
亚洲人权观察研究员尼古拉斯·柏克林说：“即使是在民主国家，监控摄像头都是一个饱受争议的话题，其中需要很重要的平衡力量，例如独立的法院，保护隐私的法规，关于监控数据保存期限的规定，如何查看监控数据的法律程序，监督监控数据的非政府组织等。
责任编辑：
声明：本文由入驻搜狐号的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
安防监控安装、门禁安装、防盗报警器材销售、海康威视监控摄像头安装
海康威视高清网络监控摄像机销售安装、门禁考勤巡更安装维修、防盗报警器安装
今日搜狐热点}