静态人脸识别是指被识别的人，处于静止状态或配合状态下，采集其人脸图像，进行人脸识别。动态人脸识别是指被识别的人，处于移动状态或步行等非配合情况下，采集其人脸图像，进行人脸识别。静态人脸识别设备由于需要当事人配合、且采集人脸交互需要1－2秒时间，采集的人脸图像质量高，一般应用于当事人对时间不敏感或对采集人脸并不十分反感的场景。例如：金融开户、人脸门禁、身份识别、网吧身份证核查、访客登记、实名制验证等场合。动态人脸识别不需要当事人的配合，因此，一般应用于对当事人行为无干扰或当事人不感知的场景，例如：车站、机场、码头的案犯抓逃，VIP识别，重点人脸管控等。

1、自主硬件研发：针对智能车牌识别系统研发出的硬件产品，智能车牌识别摄相机，其识别率、识别速度主要技术指标位列行业前茅，并推出满足不同环境，不同性价比的智能车牌识别摄像机系列。2、拥“私人订制”的车牌识别系统：智能车牌识别系统在识别环境、识别角度、灯光环境、车辆行驶速度、计费系统等方面都要有卓越发展，并且支持岗亭收费、中央收费、移动支付收费，停车云平台数据上传等，以广泛的通用性、卓越的系统稳定性和良好的用户体验受到业内好评。同时不同物业停车场管理者对应用的个性化需求越发凸显，具备有研发实力和软件对接服务能力，给客户提供个性化的服务更显其重要。3、拥有“傻瓜式”安装调试方法，节省时间和人力成本：智能车牌识别系统摄像机高度集成，支持地感线圈触发、视频流触发、地感+视频触发工作模式，安装施工简便，节省大量安装和维护成本。加之远程云系统应用平台，为设备的安装调试和服务提供了实时的远程技术支持，使得客户使用设备更得心应手，简洁方便。

以智慧工地云平台为基础，利用物联网技术综合采集工地现场各类数据，通过建立各类监管业务子系统，并综合运用模糊评价、神经网络等多种数据分析模型，实现对施工现场的日常行为监管，达到规范施工现场作业行为、监测工程质量及施工安全状况等效果智慧工地管理系统是比较先进的系统，对建筑工人而言，被这种“时髦”的方式管理着，可以有效的解决许多问题，方式也比较新颖，执行效率比较高。而对于建筑管理方来说，用来提升工程项目的进度，既方便了管理，也提高了效率,总之，智慧工地为工程项目管理方面提供了便利，节约了成本及时间，可以高效的完成工程建设。“互联网+工地”还是对工程建设上有很大的帮助。

1、实现了和单机版本软件：一键安装。客户只需要下一步下一步，即可在三分钟内完成软件安装；2、实现了动态人脸识别仪和门禁控制器一套软件来管理；杭州实名制系统（门禁软件录入人员资料后在下发到控制器的同时，只需要把人员登记照片和工号同步下发到人脸识别仪上即可；目前识别仪容量3000-10000；识别仪和门禁控制器韦根通讯，同时和软件网络通讯用于下发人员照片到识别仪上）；3、应用场景：办公、小区、尤其是工地，实现快速人脸识别通过、语音播报、接LED、电视机大屏显示统计数据、软件最小化等等；4、WEB版本门禁软件免费；门禁控制器还是常规通道闸门禁控制器；人脸识别一体化终端使用世界领先的人脸检测、实名制系统价格识别算法，将其运行在高性能嵌入式平台中，配合200W像素宽动态摄像头，终端实现人脸检测、人脸跟踪、与人脸识别，并可在屏幕上呈现相应的反馈。本产品能够同时识别5个人，最远能识别3米远的人脸，人脸跟踪与检测耗时20ms左右，人脸特征提取耗时300ms左右，人脸比对耗时0.1ms左右，对光线、戴眼镜等具有较好的比对性。本产品可选配刷卡模块，同时实现刷卡与刷脸。本产品支持多种硬件功能接口（包含：HDMI高清输出，串口输入/出，网口，wifi接入）；具有完善的软件接口（包含：设备管理、人员/照片管理、记录查看等）。同时本产品可以对接公司开发出的多种应用，比如：考勤、门禁、访客、实名认证。适用于办公区域、闸机通道、酒店、写字楼、学校等需要用到人脸识别闸机的场所。

车牌识别技术要求能够将运动中的汽车牌照从复杂背景中提取并识别出来，通过车牌提取、图像预处理、特征提取、车牌字符识别等技术，识别车辆牌号、颜色等信息。深度剖析移动端车牌识别与PC端车牌识别有何不同，车牌识别又分为PC端车牌识别与移动端车牌识别及服务器端车牌识别，移动端车牌识别扫描识别OCR技术是易泊开发的基于移动平台的车牌识别软件开发包，支持android、ios等多种主流移动操作系统。该产品采用手机、平板电脑摄像头拍摄汽车牌照图像，然后通过OCR软件对车牌颜色、车牌号进行识别。移动端车牌识别扫描录入技术：支持平台:Android、iOS系统支持二次开发:提供Android开发JAR包，iOS平台.a静态库应用车牌识别识别模式:首创视频预览模式

(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：