智能车牌识别系统是一种以高效，公正准确，科学经济的停车场管理工具，实现停车场对于车辆静态与动态的综合管理。如今，智能车牌识别系统为了提高了人们对停车场系统的掌控要求，使人们停车简单而变得更加多样化。智能车牌识别系统可以有效地解决人工收费中容易发生的争执、费用流失、车辆被盗、服务效率低、管理形象差等问题，也能让车友更快停车、取车，去一个地方还能通过一些平台预先定停车位，缴费也安全、便捷。系统通过感应卡为载体，通过感应卡记录车辆的进出信息，利用计算机的管理手段，由此来确定停车场的计费金额，结合工业自动化控制的技术控制机电一体化外围设备，由此来管理进出停车场的各种车辆，随着科技的不断更新，受到广大车友们的喜爱。

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

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，智慧校园批发进行人脸识别。静态昆明智慧校园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。

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

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。

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。