应用场景：人脸与身份证匹配查验，确保人证合一除了采用真实身份证办理业务外，人工核对相片往往因为身份证相片相对早期、当事人带墨镜、化妆、发型等根本无法有效核实。如果查问过多会让持证人员感到厌烦，容易产生一些不必要的摩擦。故在查验身份证的基础上，通过摄像机无接触自动捕获人脸影像，并自动与身份证里存储的影像信息比对，或者与后台更多的真实身份人脸比对，并以多种方式提醒窗口业务人员比对结果，确保持证人是本人持真实身份证办理业务。应用场景：人脸证据保留，增强事后取证能力由于身份证信息中的照片相对陈旧，除了将摄像机捕获的当时人脸与身份证存储的相片比对外，系统不断积累办理业务时的人脸捕获数据，在人脸匹配查验过程中，不仅能跟身份证中存储的照片信息比对，还能对历史人脸信息比对，确保在身份证中的照片相对陈旧时，有更加接近当前时间的人脸数据，提高比对精确度。同时每次办理业务留下的人脸数据，可作为出现业务异常时追溯的重要证据。应用场景：支持未来刷脸办理业务随着人脸识别技术的不断成熟，对于公共服务部门来讲，对客户的贴身服务至关重要，系统要支持未来直接刷脸办理业务。即对于部分业务，要支持未来在 无需身份证信息的情况下，依然可以直接通过人脸识别身份信息，减少身份证 查验、复印存档等环节，提高客户办理业务的便捷性，提高窗口办理业务的效 率。

北京市交通委24日发布系列措施，提高道路车牌识别收费系统识别准确率。对车牌识别，优化了车牌颜色识别算法，改进了夜间因反光造成的识别问题，对遮挡摄像头的树木进行了修剪。对计费误差，通过电子收费系统与前端设备数据交换校验，降低了错误订单量；同时规范人工服务流程，防止出现不完整订单。对“审核时间长”的问题，增加了本地车牌信息自动匹配校验功能，效率显著提升。目前，本地车牌审核只需几小时，一次性审核通过率达90%以上。对停车费“过高”的问题，明确停车费执行标准是2011年4月1日由北京市发展改革委制定的，没有调整

随着技术的发展，停车场系统不断地在升级，其功能也变得越来越多，目前，市面上的停车场系统主要有以下几种：IC、ID刷卡、蓝牙远距离读卡、车牌识别停车场系统等。近两年来，从人们的一个体验上来说，车牌识别停车场系统是车主最受欢迎的一套智能停车场管理系统之一。车牌识别停车场系统如此的受欢迎，原因之一就是加快了人们进出停车场的通行速度，由于它具有这一特殊功能，目前，在各大小停车场中都被人们所利用。那么在选购车牌识别停车场系统时,车牌识别停车场系统和普通的停车场系统在组成上大致相同，但是，车牌识别停车场系统对设备的要求会更高。首先，车牌识别停车场系统最重要的一个因素，就是识别率的问题，有的人从识别率的高低来判断设备的好与坏，其实这是一个很不科学的方法。识别率不仅和设备本身的问题有关，还和停车场的环境有关，环境对识别率影响有时可能会超过设备本身的因素，所以要想解决这个问题，车牌识别停车场不仅要配高清的车牌识别相机，还要根据现场状况安装一些补光设备来增加其识别效果。

在高速通行与停车场缴费时，车主们都要停下车辆去现金支付或扫码支付，这样的付费方式不仅会造成交通拥堵，还或多或少给车主们增添了一丝烦恼，停车场车牌识别收费系统在一定程度上可以解决这些问题。车牌识别系统通过技能结合电子不泊车收费体系(ETC)辨认车辆，过往车辆经过道口时无须泊车，即能够完结车辆身份主动辨认、主动收费。大大节省了时间，增加了工作效率。车牌识别系统可以帮你寻找车位：在进入停车场车库时，你会不会像一只无头的苍蝇在哪里飞来窜去，毫无目的地在寻找空车位，运气好时很快就能找到，运气不好时怎么也找不到，面对这样的窘况，你会怎么办呢？车牌识别系统连接LED显示屏，可实时播放车位情况，车主们只需对号入座即可，大大节省了时间成本。

人脸识别设备主要用于身份识别。由于视频监控正在快速普及，众多的视频监控应用迫切需要一种远距离、用户非配合状态下的快速身份识别技术，优质工地管理系统以求远距离快速确认人员身份，实现智能预警。人脸识别技术无疑人脸识别主要用于身份识别，人脸识别设备的选择，采用快速人脸检测技术可以从监控视频图象中实时查找人脸，并与人脸数据库进行实时比对，工地管理系统价格从而实现快速身份识别。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

(1)人脸检测：面貌检测是指在动态的场景与复杂的背景中判断是否存在面像，并分离出这种面像。一般有下列几种方法：①参考模板法:首先设计一个或数个标准人脸的模板，然后计算测试采集的样品与标准模板之间的匹配程度，并通过阈值来判断是否存在人脸；②人脸规则法：由于人脸具有一定的结构分布特征，所谓人脸规则的方法即提取这些特征生成相应的规则以判断测试样品是否包含人脸；③样品学习法：这种方法即采用模式识别中人工神经网络的方法，即通过对面像样品集和非面像样品集的学习产生分类器；④肤色模型法：这种方法是依据面貌肤色在色彩空间中分布相对集中的规律来进行检测。⑤特征子脸法：这种方法是将所有面像集合视为一个面像子空间，并基于检测样品与其在子孔间的投影之间的距离判断是否存在面像。值得提出的是，上述5种方法在实际检测系统中也可综合采用。(2)人脸跟踪:面貌跟踪是指对被检测到的面貌进行动态目标跟踪。具体采用基于模型的方法或基于运动与模型相结合的方法。此外，利用肤色模型跟踪也不失为一种简单而有效的手段。(3)人脸比对：面貌比对是对被检测到的面貌像进行身份确认或在面像库中进行目标搜索。这实际上就是说，将采样到的面像与库存的面像依次进行比对，并找出最佳的匹配对象。所以，面像的描述决定了面像识别的具体方法与性能。目前主要采用特征向量与面纹模板两种描述方法：