技术集成化：本系统是汇合网络数字视频技术，报警技术、计算机网络软件技术，及无障碍通道技术等精心设计成的工地平安管理系统。2、 人员信息管理系统化：传统管理没有对劳务施工人员的信息材料停止有效整合，在管理上存在破绽，而采用施工劳务实名制管理系统，将每个劳务人员的宁波车牌识别一体机车牌识别系统根本信息录入到管理系统中，同时对每个劳务人员编辑输出劳动合同、进退场承诺书、平安教育书。另对每位劳务人员发放代表本人身份的IC卡，该卡将用于考勤车牌识别一体机车牌识别系统批发、会议签到、宿舍就寝签到、开闸入场作业等。3、 考勤管理信息化：经过考勤闸机搜集劳务人员的考勤信息，由管理软件对考勤信息停止剖析统计，管理人员可直观、快速的理解每个劳务人员或整个班组的缺勤状况，据此剖析劳务用工效率工种组合的合理性，进度能否满足工期节点等信息。考勤记载还能够作为处置劳务工资纠葛的根据。4、 操作便当、维护便利：操作界面为中文版，设备的衔接只需求简单的步骤，系统设备主要经过网线衔接，维护、排查便当。5、 扩容性强、平安性高：工地如增加新通道，只需装置新的控制器设备，并经过网线连入网络皆可完成与软件的互交。软件登陆可设置密码登陆，另可设置不同的登陆客户，每个客户可赋予不同的操作权限。

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；（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、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。

一个车牌识别系统是否实用，最重要的指标是识别率。国际交通技术作过专门的识别率指标论述，要求是24小时全天候全牌正确识别率85%~95%。为了测试一个车牌识别系统识别率，需要将该系统安装在一个实际应用环境中，全天候运行24小时以上，采集至少1000辆自然车流通行时的车牌照进行识别，并且需要将车辆牌照图像和识别结果存储下来，以便调取查看。然后，还需要得到实际通过的车辆图像以及正确的人工识别结果。之后便可以统计出以下识别率:1、自然交通流量的识别率=全牌正确识别总数/实际通过的车辆总数.2、可识别车牌照的百分率=人工正确读取的车牌照总数/实际通过的车辆总数3、可识别全牌正确识别率=全牌正确识别的车牌照总数/人工读取的车牌照总数这三个指标决定了车牌识别系统的识别率，诸如可信度、误识率等都是车牌识别过程中的中间结果。

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，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，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

人脸识别设备是人脸识别产品利用AVS03A图像处理器；可以对人脸明暗侦测,自动调整动态曝光补偿，人脸追踪侦测,自动调整影像放大。广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音（语音）、体形、个人习惯（例如敲击键盘的力度和频率、签字）等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别（用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术）、体形识别、键盘敲击识别、签字识别等。

人脸图像采集：不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。人脸检测：人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。主流的人脸检测方法基于以上特征采用Adaboost学习算法，Adaboost算法是一种用来分类的方法，它把一些比较弱的分类方法合在一起，组合出新的很强的分类方法。人脸检测过程中使用Adaboost算法挑选出一些最能代表人脸的矩形特征(弱分类器)，按照加权投票的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。