4.3 “深眸”倾斜双目（行为分析）智能摄像机

安防智能化一直是安防行业重要的发展方向，深度学习算法和GPU芯片的大量使用是本次行业智能升级的重要推手。深度学习是机器学习研究的一个重要领域，动机在于建立和模拟人脑进行分析学习的神经网络，模仿人脑的机制来解释数据。相比较传统智能算法需要根据算法人员的经验对图像进行总结和设计规则，深度学习是自己通过大量样本学习来总结规则，远远强于人的主管经验。同时，各类智能算法竞赛也让智能算法不断进行优化和迭代。

而让深度学习的算法充分发挥优势的是随着GPU硬件的更新。GPU是专门从事图像运算工作的微处理器，是CPU性能的十倍来至上百倍，更适合大规模的并发计算，其并行计算能力让深度学习算法充分发挥其优势。

当智能技术与设备升级换代后，安防智能化已经不再局限于视频监控、门禁或一卡通等普通的单点智能应用，而是让系统可像人一样做出认知判断和推理预测。要实现这一宏伟目标，绝不是仅仅在个别技术或性能进行优化，应该需要一套完整、严密的AI理念。云边融合理念综合边缘感知智能和中心计算智能的优势，能较好的满足安防场景的智能需求，已经在逐步落地。

在边缘智能中，主要指将更多的感知计算能力赋予边缘节点，使得边缘节点可以采集传递场景内容并产生结构化数据。例如，边缘节点可对高危人群布控提供敏捷的、及时的预警；又如，在光线变化较大的复杂场景中，边缘节点可自主调整曝光、补光等条件精确检测目标，以保留更多特征细节来进行前端无损建模等。边缘智能除了可敏捷、精确采集多样化数据外，还可大大降低网络带宽压力、时延，为大规模的联网智能预留了网络带宽。

在中心智能，通过池化的计算资源分配，中心基本满足大数据的接入、存储、挖掘和应用，在注入AI智能后，将计算中心升级为AI云计算中心，也就是中心智能。如一方面，汇聚整合多域AI数据信息，形成全局大数据池；另一方面，通过深度学习算法或自学习算法不断优化数据挖掘能力，提供满足安防领域的数据智能预测、可视化分析、关系分析、态势分析等能力。

综上所述，将边缘智能和中心智能进行融合，将能解决更多安防领域中的痛点、难题，实现安防智能化跨越升级。

由于安防行业由于场景较为集中，容易实现技术优化与突破，目前的图像识别算法已达到安防应用要求；而在需求方面，视频监控效率提升的诉求不断增强、安防应用智能化需求强烈，安防行业将是智能技术最先落地的行业，是“AI+”时代变革的主要行业。

如在边缘智能方面，依靠深度学习算法优化和GPU性能提升为技术支撑，配合各类安防智能化应用的不断落地，边缘智能中各类人脸识别、比对、车辆特征识别，为市场提供了一种性价比更高、部署更加灵活、场景适应性更强的智能方案，充分拓展和满足众多低预算、中小型项目的智能需求，让安防智能化走向所有用户。

中心智能通过更优秀的算法、更强大的计算性能、更大量的学习数据，解决传统安防中难以解决的痛点、难点，如开放区域内人群运动态势分析、城市级的高危人员布控和分析，也极大提升了市场对安防智能化的认可度。

随着用户对安全防范需求的与日俱增，视频监控在生产生活各方面有非常广泛的应用。如在异常事件发生时，视频监控可提供实时的、智能的分析、监测和告警，为用户及时决策、正确行动提供支持。如何有效利用各种技术手段实现“减员、增效”，实现视频监控的“智能化”显得尤为迫切。

1）视频监控人工“监”、“控”效率低

常规视频监控系统完全靠人力来实现‘监’与‘控’，存在着人员注意力和视力易疲劳、视频检索困难等问题；而人力有限且成本却在不断提升，如何通过智能分析技术，不断提升视频监控的效率，解决以往应用效率低下的问题，一直都是视频监控领域的强烈需求。

2）视频监控的事前预警能力弱

常规视频监控更多体现视频实时预览和事后检索的能力，难以做到事前预警或少部分可实现事前预警但准确性低，难以降低危险带来的损失。如以入侵检测和运动物体检测为例，需要操作人员时时关注每一个画面以及时捕捉意外事件的发生，这在实际应用中很难做到。而带有智能视频分析的系统则可以根据事先设定的规则，对图像进行背景提取、运动检测与跟踪，通过分析比对和特征识别，自动判断事件的发生，在本地或者通过网络发出远程预警信号。

3）安防系统的数据价值未有效挖掘

当前，安防行业视频监控产生的数据量非常庞大，而且增长迅猛。但其价值密度较低，只有对其进行深度的挖掘，才能使其发挥出数据本身所应具有的应用价值。例如在海量数据库中寻找到所需的人员面部信息，并结合智能分析、人脸识别、数据挖掘等技术，才能够真正实现大安防监控的作用，充分挖掘安防系统的潜在价值。

1）传统智能成本高

传统智能限制于各种成本因素，中小型项目和预算较低项目的智能需求未被满足。如传统智能分析的模式比较单一，智能产品的形态基本为后置式，产品形态差异性小、市场竞争趋于变大；其次，后置式智能分析产品虽然能解决并发处理多路识别分析，但是对网络存在一定的压力。随着中小型项目的智能需求逐渐增长，现有后端模式未能有效应对，市场需要一种性价比更高的产品形态，需要系统部署更加灵活，应用场景更加广泛、易落地的小型智能场景，让智能走向“大众项目”。

2）预警准确度和场景适应性不强

各行业的视频监控业务复杂度越来越高，更多的图像细节信息的识别和业务功能的扩展成为客户的迫切需求。同时，现有系统经常部署海量的监控，才能够满足复杂业务的需求，要采集更多的视频图像、获取更多的目标信息、进行更加精确的智能分析，都是行业提升视频监控能力和效率的关键点。传统的智能算法难以适应复杂监控场景，急需要场景适应能力更强、误报率更低、能提取更多目标特征的视频智能化方案和产品。

方案提供从端到端的智能视频分析系统解决方案，包括智能前端、网络传输、视频存储、控制显示、智能分析、管理平台。

为满足综合安防领域内对人车物的智能需求，结合当前的智能技术，有重点的解决综合安防当前智能需求中的最痛点，本系统重点实现人员智能管控、车辆智能管控。其中，人员智能管控主要包括人脸抓拍、人脸比对、人脸身份核验、人脸布控、人脸陌生人报警、人脸以图搜图、人脸轨迹，人员异常行为分析、周界防范去误报，客流监控和统计、开放区域人员密度预警；车辆智能管控主要为园区车辆占道检测和卡口智能应用。

第1章

系统架构可设计如下：

图1. 智能视频分析系统架构示意图

1）  前端部分

系统支持普通前端摄像机和智能摄像机的接入。前端网络摄像机进行图像、视频等网络数字信号的采集，通过网络进行视频图像的传输。前端接入摄像机可从功能上分为周界防范、人员流控及预警、高危布控个、可疑人员监控个、内部人员异常报警、车辆异常报警和管控几个部分，为智能应用提供各类数据和视频的采集。

2）  后端部分

支持多种类型的后端存储设备接入，主要用于对前端采集的视频、图片进行存储和分析比对功能。包括具备人脸比对功能的“超脑”NVR和具备后端周界防范去误报的“超脑”NVR。

3）中心管理平台部分

在中心管理平台，可进行人脸识别、比对、布控、检索、以及各类联动等应用，例如人脸和车牌智能检索，并将检索结果在地图上展示轨迹。

人脸应用场景广泛、价值巨大。如人脸身份核验应用，可应用于园区、工地大门识别企业员工、厂区人员、工地工人，楼宇小区的大门、建筑出入口识别业主人员，以及对进出小区或别墅的水电工、保洁员、绿化工、维修工，别墅亲友等人员检测和识别，通过对抓拍的人脸进行实时比对，比对成功后联动闸机进行开门，实现内部人员或相关人员进出大门出入口的管控。

除此之外，人脸身份核验还可以应用于其他重要区域，如公安（嫌疑犯确认、零口供、枪械库管理）、金融（金库、押钞车、ATM机、加钞室）、医院重地（特殊药房、麻醉室、手术室）、楼宇（企业财务、档案、库房）等人员比对、航客运（安检）、交通运输（特殊车辆司机）、幼教（接送家长）、大学（实验室、教师考勤）等；酒店/商超/连锁惯偷识别、建筑工地（特殊工种人员比对）等场景。

人脸（黑名单）布控报警应用，可应用于大楼园区的出入口、大厅等场景，满足用户对于闹访、黄牛、医闹、惯偷、闹事者、地痞流氓、社会无业青年等可疑人员的检测和识别，以及重要其他人员的检测和识别，并对抓拍的人脸进行实时比对，比对成功后进行报警。

人脸检索应用，可用于园区/街道搜索嫌疑人脸，实现快速检索、提高效率，事后追溯、证据查询等。通过下发人脸，在人脸抓拍库中进行人脸比对、搜索，比对成功后返回搜索结果，满足用户对于人脸搜索的需要。

系统支持具有深度学习算法的人脸抓拍。前端人脸抓拍机通过智能人脸检测算法和人脸区域曝光功能，以及从YUV获取图像而无损提取图片，为用户提供质量更高的人脸抓拍图像。

方案推荐使用具有深度学习能力的人脸抓拍机。深度学习的人脸抓拍机相比传统的智能产品，具有更高的精确度，场景适应能力也更强，如在小目标场景和大角度场景中，检出率较传统的智能产品显著提高。内部测试如下：

表1 深度学习产品与传统智能产品对比

系统支持深度学习算法的人脸比对功能，为用户提供人脸身份核验、人脸（黑名单）布控报警和人脸检索等应用。用户可根据需要设置不同的人脸比对阈值，一般人脸比对阈值为80%~90%，若阈值过高，导致漏报率高，遗漏重要信息；阈值过低，导致误报率高，人工二次确认造成效率低下。

人脸比对功能是人脸应用中的基础功能，下面详细介绍人脸身份核验、人脸布控报警、人脸陌生人报警、人脸检索（以脸搜脸）和人脸轨迹几类应用。

管理员将的人脸照片添加到人脸分组中，将该分组下发到人脸比对设备（具备比对功能的前端摄像机/后端比对设备/服务器比对，下同）中，并关联。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。

人脸比对设备可将名单库照片进行建模处理，并与抓拍照片进行比对，将相似度最高的人脸图片作为识别结果，推送到平台，用户可在平台中查询比对结果。

根据比对结果设置联动，可通过IO信号与设备进行硬联动开门；或在平台上将比对结果配置软联动。

图2. 人脸身份核验刷脸开门

管理员将布控人脸照片下发到名单库，并与比对设备进行关联布控。布控后，将对实时抓拍的人脸照片进行比对识别和报警。平台接收到人脸实时比对报警，将对应的人脸图片及信息显示出来，警示值班人员关注和处理，并可进行相关联动。

图3. 人脸布控报警

在园区内部的核心区域，将授权人员的照片下发到名单库并关联布控。关联后，进行人脸比对识别和报警，若比对成功，不报警；若比对失败，则认为是非名单库的人员，属于“陌生人”，上报陌生人报警事件。

平台接收到人脸陌生人报警后，将对应的人脸抓拍图片及信息显示出来，以及抓拍图片中的人员性别、年龄段和是否带眼镜信息，警示值班人员关注和处理，并可进行相关联动。

图4. 人脸陌生人报警事宜图

2.2.6 人脸检索

人脸检索包括通过人脸以图搜图和通过人脸属性进行人脸检索两个功能。

1）人脸以图搜图

在平台上导入人脸图片后，通过人脸以图搜图功能进行人脸检索。可直接输入人脸图片、人脸相似度阀值、检索数量、其它检索条件，选择抓拍的摄像机和时间段，在抓拍库中进行人脸图片中查找是否有匹配的人脸图片，按照抓拍时间/相似度进行分页排序。

图5. 人脸以图搜图

2）人脸属性检索

系统接收前端人脸抓拍机上报的人脸抓拍事件，其中包含人脸的性别、年龄段和是否戴眼镜三个属性。可通过按照性别、年龄段和是否戴眼镜三个属性进行人脸属性检索，搜索相同属性的人脸图片。

在人脸以图搜图的结果中，将符合阈值的人脸图片以列表展示，并按照时间顺序以此在地图上展示出人员的轨迹，便于用户整体上把握某个目标人员的全部活动轨迹，并在地图上生成人脸轨迹。

在人脸比对结果中，用户可输入人员姓名或选择人脸图片，选择时间范围和多个监控点，通过姓名搜索，显示符合条件的人脸比对结果，并且人脸比对结果可在提前添加的地图上显示人脸轨迹，或根据结果查看实时抓拍画面。如下图：

图6. 人脸轨迹示意图

点击查看实时抓拍画面显示如下：

图7. 人脸轨迹点击抓拍图

用户若未知搜索人员姓名，或不确定该人员是否存在比对结果，可在人脸抓拍库中搜索。选择特定人脸比对设备（脸谱、超脑）、时间范围，将需要搜索的人脸照片下发或在浏览抓拍库时选择某张人脸照片进行人脸以图搜图，搜出该人脸的所有抓拍记录，形成按照时间排序的人脸列表和人脸轨迹。人脸抓拍库搜索人脸轨迹的展示效果和上图一致。

以人脸轨迹为基础，可满足用户多方面的需要：

Ø  地图轨迹联动视频回放

用户在地图轨迹上点击抓拍照片，可链接到该抓拍的视频回放，便于用户更加详细地查看当时的现场环境，为嫌疑目标分析提供更多信息。

Ø  目标人员频率分析

用户可对怀疑的目标人员设定时间范围和区域范围，分析人员在特定条件下出现的频率和次数，以辅助人工决策，判断该目标可能的身份。如医院黄牛识别时，可通过人脸轨迹，发现某人一周内出现在大厅次数超过常人，配合人工判断，可认为该人为黄牛，将其照片添加到黑名单库中进行布控，下次出现时可及时通知保安人员。

Ø  巡更人员路线复核

通过在巡更点添加人脸抓拍机，可在事后通过人脸轨迹功能分析巡更人员的巡更情况，规范巡更人员的行为，增强园区内的安防水平。

Ø  安防漏洞分析

基于对多个确定的可疑人员进行人脸轨迹分析，可根据相同行动路径，分析安防系统中该共同区域可能存在漏洞，提前封堵未知风险。

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，如名单库可设置高度危险人员名单库、一般等级危险人员名单库等。

图8. 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，一个人员可对应多张人脸图片。

图9. 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。

图10. 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，“深眸”前端比对功能的抓拍照片存储在前端摄像机中，“超脑”NVR的抓拍库图片存储在“超脑”NVR中，脸谱的抓拍库图片存储在云存储中。

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。

平台支持人员异常行为事件报警，检测事件包括人数异常、间距异常、徘徊检测、剧烈运动、在离岗检测、倒地检测、滞留检测、跨线检测和奔跑事件，进行人员异常行为的分析、报警和联动。不同的异常行为检测功能可用于不同的监控场景，防范安全事件的发生，向安保人员报警及时处理，尽量将安全事件的损害降低。

如徘徊和滞留检测，可应用于园区或大楼外围道路、墙角监控，采集人员徘徊的信息，提前预警可疑人员，为事后取证提供依据。

图11. 人员徘徊检测

人数异常和间距异常检测事件，可用于在监控ATM中是否进入的人数异常、人员间距异常等场景，预防ATM尾行或抢劫事件，并为事后取证提供证据；

图12. 人数异常和间距异常检测

倒地检测事件，可用于在重症监护室、办事大厅、ATM中进行人员倒地监控，及时处理倒地事件，将安全事件的损害降低。

图13. 人员倒地检测

离岗检测事件，可应用对安保人员的离岗检测报警，防止安保人员擅自离岗。

图14. 安保人员离岗检测

周界防范在综合安防领域中具有广泛的使用场景，可防止非法的入侵和各种破坏活动，发出入侵报警等功能，消除建筑物的安全隐患，阻止人民生命财产损失的事件发生。

视频周界防范是建立在传统周界防范概念基础上，通过智能视频分析技术实现对入侵、越界等行为进行实时报警，并联动前端的视频监控摄像机实时了解监控区域的情况，一旦发生入侵行为，第一时间发出警示，并及时告知安保人员进行处理。

系统具备周界防范事件侦测功能，可在平台上对其进行配置、接收报警等操作，在事件中心模块对该报警配置联动动作。

图15. 周界报警示意图

然而，由于树叶摇晃、灯光照射、动物穿越等因素产生的大量误报大大影响了用户的使用积极性。由于误报频繁的原因，将会严重增强安保人员对系统的不满意度，同时也会因为事件过多容易导致报警事件的遗漏。

采用基于深度学习智能算法的去误报设备，可以对触发报警的区域进行人体目标二次识别，从而最大限度的降低周界防范误报现象，切实提高监控区域的安全防范能力。

具体功能包括：

1）越界侦测和区域入侵去误报

开启人体去误报后，当目标越过用户设置的警戒面或在设定的检测区域范围内停留（包括静止或移动）超过设定时间时，高端SMART摄像机产生越界侦测事件和区域入侵事件,设备将对摄像机推送的报警图片结合越界规则进行目标二次识别，如果由人体触发，系统自动产生报警。

普通经济型摄像机不产生周界报警，由设备对视频流进行分析，产生越界侦测事件和区域入侵报警并完成去误报功能。

针对历史报警信息，系统支持通过点位、时间段等进行报警信息的查看，以及前后数秒录像的关联、回放。

2）报警联动

平台可通过报警弹窗、蜂鸣器报警、IO等多种方式进行周界防范报警联动。

系统支持对经过入口的人员数量进行实时统计和阈值报警功能，有效预防拥挤、踩踏等恶性安防事件产生。

如在大型超市、商场和连锁店铺需要显示当前客流状态和变化趋势，对流量较大的区域采取预防突发事件的措施，并可实时观察商场当前的停留人数，从而对电力、维护人员及安防人员等进行合理调整，并可控制商场运营本；

地铁站、车站和机场通过客流统计，自动统计进出乘客的数量，分析乘客的人流量分析，对于国家、政府规划建设车站、机场等大型工程项目和特殊时段疏导、分流乘客流量的策略提供依据。

展览馆、博物馆通过自动统计进出的参展人员，分析不同区域进出人员数量，了解大众需求，可对安防力量进行有效布控和实时调整，并对后续展览馆、博物馆等建设和开发提供依据。

但是，传统客流统计由于设备识别能力的限制，以及客流智能算法的差异，导致传统客流统计由于推车、小孩以及店员徘徊造成较大误报，降低客流统计的精确度，无法满足用户精确统计的需要。

针对上述问题，系统提供具有更高精度的客流实时监控和统计报表功能，满足用户精确统计需要，为拥挤、踩踏事件的防范提供更加精准的参考数据。

除实时客流人数统计外，系统还提供实时客流监控和历史客流统计报表功能，满足用户客流统计分析的需要。

1）实时客流统计监控。用户可在界面看到实时客流画面，并在视频上看到进入、离开的客流数，满足实时监控客流的需要。

图16. 平台客流实时监控界面

2）丰富的历史客流统计报表。可生成包括即时报表，日报表，月报表，年报表，自定义报表，汇总报表在内的多种报表类型，包括日、周、季、年报表，汇总报表和自定义报表功能，满足用户进行各类客流分析的需要。

图17. 平台客流统计报表示意图

系统支持对开放区域进行人员数量实时统计和密度预警功能。

通过人员密度预警功能，可直观的了解监控区域中的人员数量情况，还可以对人员数据进行预警，满足用户对人员密度监控的需要，有助于进行有效的安防工作计划，防止拥挤、踩踏等恶性安防事件的发生，并及时的安排警力进行疏散和引导。密度预警功能有如下特点：

1）满足开放场景需要

在拥有多个出入口或出入口较为宽敞的开放区域，如园区大门口、广场、车站，该区域人流密度大，安全事件易发且一旦发生造成的危害和影响较大，用户需要对该区域进行实时监控和预警。传统的客流相机对于标准出入口有较好的客流统计功能，但针对开放区域还难以满足用户需求。

2）所见即所得

在特殊场景中，如出入口与目标监控区域较远、或中间分支路线较多，传统客流相机安装在出入口，对目标监控区域的人流数据或不够精确。密度预警功能直接安装在监控现场的摄像机，不用安装在出入口，用户可通过视频预览直接监测现场情况，监控效果和用户感知更佳。

同时，在同一个监控画面中，若用户仅需要关注某个小区域，可通过划线设置监控范围，对出入该范围内的人数进行监控和预警，监控场景更加灵活。

图21. 监控区域配置

3）定时监控与报警监控相结合

用户可提前设置区域的密度阈值，当达到设定阈值时产生告警；同时具备定时上报（每分钟）监控区域的人数密度和密度档位功能。定时监控与报警监控相结合，既能满足高危区域用户实时监控的需要；也能通过告警功能，普通监控区域的用户可在离阈值密度较远时不用实时关注屏幕，仅需要产生告警后再进行查看、启动预案和消警。

对室内固定区域进行空间热度分析，为用户提供区域内人流热度数据，有助于用户进行室内的热度分析，调整安防力量布防及为用户业务分析提供支撑数据。

图22. 热度分析

针对住宅小区内人行通道、企事业单位园区内部道路、地下停车场的入口通道等区域，采用内置占道检测、车牌识别智能算法的占道球进行检测，可自动对违规占道车辆进行识别和取证，解决开放园区社区带来外来车辆违停，智能识别车牌，上报城管，威慑力强，实现园区占道行为智能化管理。

其次，还可对静止或运动车辆进行手动取证功能，让违章无所遁形，并利用独创的智能聚焦算法，实现对运动物体的快速聚焦捕获，有效检测距离达150米，即使有车辆想快速逃离也能抓取到该车辆信息。

单个占道球 可支持8个场景的占道轮巡检测，并对检测到的占道事件进行图片抓拍，上传至NVR或者综合管理平台，后台管理人员可以获取到大量信息，对现场以及违章情况进行全面了解，提醒采取相关措施，对违规占道现象进行快速记录和处理响应。

图23. 社区内部占道检测

在园区卡口或内部道路中，为了加强进入园区车辆的管控，需要对过车进行抓拍和查看，为事后查找嫌疑车辆提供线索和证据；同时，车辆超速行驶会增加园区安全隐患，特别是在休息期间，园区内部有大量人员走动，此时园区内部如有车辆（特别是大型货车）超速行驶则很有可能发生严重安全事故。

Ø  车辆捕获功能

系统通过视频检测方式实现车辆捕获功能，能对所有经过车辆进行捕获，除了能够捕获在车道上正常行驶的车辆外。

Ø  车辆图像识别功能

系统能够准确捕获、记录通行车辆信息。记录的车辆信息除包含图像信息外，还包括文本信息，如日期、时间（精确到毫秒）、地点、方向、号牌号码、车型、车速等。

图24. 300万抓拍机现场真实拍摄效果图

系统支持具有深度学习算法的卡口相机/单元，夜间视频亮度大幅提升，提高了车辆特征识别的准确率，为园区车辆管理、事故侦破、证据查找提供更多、更准确的线索，满足用户7*24小时的卡口监控需要。海康“神捕”系列和传统卡口相机的性能比较如下表：

表2 深度学习卡口与传统卡口设备的对比

图26. 深度学习算法卡口夜间效果图

在需要快速查看录像的场景中，如保安人员需要对一段时期内的录像进行快速浏览以寻找证据，将是否有人出现定义为关键视频，可对非关键时段视频进行快速播放，关键时段正常播放，实现长时间视频的浓缩播放、快速查找和定位目标，减少查找时间，提高视频查看效率。

图27. 视频浓缩播放

第2章

方案借鉴成熟的“圈线面点”安防布建模型，构建多角度、多层次的立体化综合安防体系，场景覆盖更完善，以典型园区为例，从外至内形成协同作战的、有机的、不可割裂的整体防控体系，有助于全面提升以空间为轴的人、车、物全方位防控水平，提升综合安防整体防控能力。

同时，方案针对细分场景也提供完整的解决方案，解决用户在该场景的痛点需求，便于在独立的智能系统中使用。

首先，在边缘节点部分，系统推荐具有深度学习的前端智能产品，实现精度更高、场景适应能力更强的前端智能分析。

其次，系统支持智能“云边结合”模式，包括中心智能分析服务器和前端智能摄像机的结合，能够适应不同的场景需要，满足用户多样性需求。特别是方案既可满足大型项目的智能需求，针对中小型项目的智能需求，方案也有较强的适应能力和项目应对能力。

系统提供事前-事中-事后完整的智能应用。

通过人脸布控报警、人流密度预警，可有效提前防止如惯偷、闹访、黄牛、社会流氓，以及人流超限带来的各类安全事故；

其次，针对实时发生的人员异常行为如摔倒、人数间距异常、离岗等事件，系统可实时的报警事件，便于用户及时处理，将已发生的事故损害尽可能降低；

最后，在事后可进行人脸以图搜图、人脸时间轴列表、视频浓缩播放、客流统计等功能，满足用户事后风险查找、证据寻找等事后功能。

通过完整的事前-事中和事后的智能应用，形成完整的安全防范体系。

系统提供包括人脸抓拍、人脸比对（包括身份核验、人脸布控）、人脸以图搜图等基础功能，行业用户可在基础功能之上适当添加行业特性，形成丰富的智能应用，如幼教可实现接送儿童家长的人脸比对、交通行业中特殊车辆的人脸比对、银行金库或ATM加钞室的人脸核验、园区或内部道路的人脸轨迹应用等。

方案选择综合安防典型的园区场景进行分析，该场景适当添加行业的个性化智能应用，即可复制到多个行业的类似场景，如市政机构的政府大楼、机关园区，金融大楼、金库及监控中心，能源企业和能源机构园区，普高教校园园区、大楼，景区、文化博物馆园区，连锁、商业综合体、企业园区、住宅小区等场景，具有较高的可复制性。

系统提供统一的名单库管理，进行统一的人脸抓拍事件查询，接收统一的人脸比对事件，使用统一的人脸布控和人脸以图搜图功能，减少用户因为不同比对模式带来的复杂性，提升用户的智能应用体验。

园区占道球（DS-LG21Q421IW-A），也称为200万像素红外园区占道检测智能球机，是海康威视为住宅小区内人行通道、地下停车场的入口通道、企业园区内安全通道等各类通道场景中专门研制的一款占道检测球机。

园区占道球可自动对违规占道车辆进行识别和取证，解决开放园区内外来车辆违停的检测、识别、取证等问题，可智能识别车牌，上报平台或城管，威慑力强，实现园区占道行为智能化管理。

园区占道球支持最多8个场景的占道轮巡检测，150米照射距离（红外）。

图28. 园区占道球产品图片（DS-LG21Q421IW-A）

“深眸”垂直双目客流统计摄像机（iDS-2CD6810F/C、iDS-2CD6810F-IV/C）是海康威视采用双目立体视觉技术、3D目标检测跟踪技术和高度过滤技术打造的一款智能客流统计摄像机。

该摄像机比传统客流相机具有更高的客流统计精度，能有效统计区域内进入、离开、经过人数，并产生各类客流统计报表，同时具备高度过滤、徘徊人员过滤等特色功能，能为用户提供更加精准的客流统计，为用户防止拥挤、踩踏等恶性安防事件提前预警。该产品可广泛应用于景区、体育馆、博物馆、医院等、营业厅、连锁门店、4S店、小型超市、大型超市商场、购物街、地铁站车站、机场等场景。根据使用场景的差别，产品分为室内和室外两种形态。

图29. “深眸”垂直双目客流统计摄像机（左边室内、右边室外）

“深眸”倾斜双目智能摄像机（DS-2CD8426F/B-I）是海康威视出品的一款行为分析的专业智能摄像机。摄像机采用GPU模块组成（GPU模块的并行处理能力是常规CPU的数十甚至数百倍），以获得更好的性能，并且内嵌专为视频监控场景设计、优化的深度学习算法，可实现人员剧烈运动、在离岗、人数异常、人员站立/倒地、人员间距、徘徊、穿越警戒线、人员滞留的实时监测功能。

图30. “深眸”倾斜双目（行为分析）智能摄像机图片

“深眸”筒型智能摄像机（DS-2CD7627FWD/F-LZ（-H/-S））是海康威视出品的一款人脸抓拍的专业智能摄像机。摄像机由白光变焦筒机与高性能GPU模块组成，并且内嵌专为视频监控场景设计、优化的深度学习算法。

摄像机支持人脸抓拍功能，可同时对30张人脸进行检测、跟踪及抓拍；同时支持对性别、年龄、是否戴眼镜等特征的识别。

图31. “深眸”筒型智能摄像机图片

“深眸”倾斜双目智能摄像机（DS-2CD8426FWD/F-I）是海康威视出品的一款集人脸抓拍、人脸比对为一体的专业智能摄像机。摄像机由白光变焦筒机与高性能GPU模块组成，并且内嵌专为视频监控场景设计、优化的深度学习算法。

摄像机支持人脸抓拍功能，可同时对30张人脸进行检测、跟踪及抓拍，并支持对抓拍人脸和名单库进行实时比对、输出结果，实现黑名单人员实时布控报警功能；同时支持对性别、年龄、是否戴眼镜等特征的识别。

图32. “深眸”倾斜双目（人脸比对）智能摄像机图片

“深眸”人员密度筒机（DS-2CD8627FWD/D-LZ(S)）是海康威视基于深度学习智能在视频中的应用，而推出的智能分析前端摄像机。

人员密度筒机采用200W像素分辨率，自带白光补光。摄像机为IP67、IK10防护等级，可实现区域人数统计，即实时统计设定区域内的人员数量并以OSD方式叠加，也可进行拥堵等级报警，设置三档拥堵等级，实现监控区域人数超出阈值时可报警。建议安装高度6米以上。

人员密度筒机可适用于园区大门、广场、候车候机厅和体育馆等场景。

图33. “深眸”人员密度筒机

“海康神捕”系列卡口（iDS-TCV300-AE、iDS-TCV700-AE）是采用深度学习智能算法，专为实现治安防控、交通管理需要而设计的卡口单元。

“海康神捕”系列卡口支持250种车标、3000种子品牌、13种车型、11种车身颜色识别，相比传统卡口车辆特征识别种类增加，识别准确率提升；夜间视频亮度大幅提升，为案件刑侦、事故侦破提供更多线索；同时，设备可自动提取未系安全带、驾驶人接打电话等违章行为，支持远光灯检测，为规范驾驶人安全驾驶行为提供更丰富的科技手段，支持道路交通信息采集和检测功能，为道路交通管理提供基础信息。

图34. “海康神捕”系列卡口

“超脑”NVR系列后端产品，是海康威视基于深度学习智能在视频中的应用，推出的智能存储和分析产品。

“超脑”NVR（iDS-9632NX-I8/FA），小超脑FA作为业内首款支持人脸智能识别的NVR，不仅具有 NVR 的各项功能特性，更是承载了基于深度学习的人脸智能识别技术，具备人脸名单库比对功能，可用于重点人员布控、刷脸开门、VIP识别；人脸以图搜图功能，可用于目标人员查找，可实现精确的人脸分析和应用。产品适用于各类中小型人脸项目，使人脸智能识别普及化，可满足各行业人脸应用需求。

图35. “超脑”NVR（iDS-9632NX-I8/FA）

“超脑”NVR（iDS-96128NX-I24），大超脑作为业内首款支持人脸智能识别的NVR，不仅具有 NVR 的各项功能特性，更是承载了基于深度学习的人脸智能识别技术，具备人脸名单库比对功能，可用于重点人员布控、刷脸开门、VIP识别、陌生人报警；具备周界防范、人体智能识别，有效过滤绝大部分非人体引起的周界入侵误报警；具备人脸以图搜图功能，可用于目标人员查找，可实现精确的人脸分析和应用；具备视频结构化，可快速将各类人车视频进行结构化。产品适用于各类中型人脸项目，使人脸智能识别普及化，可满足各行业人脸应用需求。

图36. “超脑”NVR（iDS-96128NX-I24）

“超脑”NVR（iDS-9632NX-I8/S）是海康威视自主研发的新一代超脑NVR系列（Net Video Recorder）。它融合多项专利技术，不仅具有NVR的各项功能特性，更是承载了基于深度学习算法的视频图像结构化技术，实现精确的人体识别，集周界防范去误报、人体结构化分析、建模、比对、检索、存储于一体，提升监控视频价值，服务安防大数据时代。

主要功能可对前端的周界防范（越界侦测、区域入侵）报警进行人体目标二次识别，有效过滤绝大部分非人体引起的周界入侵误报警。

图37. “超脑”NVR（iDS-9632NX-I8/S）

脸谱（DS-IE6364-E/FA）人脸分析服务器，是海康威视在持续多年的人脸识别和比对技术的研发基础上，结合高密度 GPU 架构与深度学习的人脸智能算法而开发的优秀的人脸产品。服务器通过对人脸的识别、分析、建模，可实现黑名单布控报警、人脸比对、人脸照片查询等功能，可广泛应用于公安、交通、金融、教育、医疗、企业、工业园区等各类人脸识别场景。

人脸分析服务器采用19英寸1U标准机箱，具备1+1冗余电源，嵌入式Linux 操作系统。产品具有 高性能（80张/秒建模、64路人脸抓拍接入）、 专业化（专业的智能分析算法）、 智能化（智能功能丰富）、 易维护（稳定易用的硬件和软件）、低功耗（嵌入式设计架构，整体性能更稳定，总功耗更低，节能环保）等优点。

图38. 脸谱人脸分析服务器