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。

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.重视稳定度:随着产品算法与业者的技术提升，整合早就不是重要的话题，现阶段最需要注意的重点反而是"稳定度"。稳定度的定义是:在一个既定的车速范围内，不会让必须达到的准确度，因外在环境影响而产生过大的误差。例如一个车牌系统在白天有90%以上的准确度，到了傍晚就降到80%，夜间又降到70%，这种不稳定的系统，比起全天候平均拥有70%准确度的车牌辨识系统更难于整合。因为使用者会认为，既然白天的辨识率有90%，那全天候的准确率都要达到90%才合理，这样的规格还不包括奇怪的环境干扰(暴雨袭击、冰雹、浓雾区段等)，与架设环境限制(高度限制、风大摇晃限制、不容易遭受人为破坏等)。2.确实实测:几乎每家都宣称拥有高辨识率，但为了避免事后因为双方对产品认知有差异，而将运作不良的责任互相推托，用户在采购车牌辨识系统时，不妨要求实地测试，而且测试时间好超过两个礼拜，比较能判断辨识结果是否"言过其实"。因为台湾是一个多变的环境，两个礼拜应该可以对于场域可能影响辨识率的情形，大约掌握了八成，如果只是测一天、甚至几个小时，是无法了解的。

车辆检测可以采用埋地线圈检测、红外检测、雷达检测技术、视频检测等多种方式。采用视频检测可以避免破坏路面、不必附加外部检测设备、不需矫正触发位置、节省开支，而且更适合移动式、便携式应用的要求。系统进行视频车辆检测，需要具备很高的处理速度并采用优的算法，在基本不丢帧的情况下实现图像采集、处理。若处理速度慢，则导致丢帧，使系统无法检测到行驶速度较快的车辆，同时也难以保证在有利于识别的位置开始识别处理，影响系统识别率。因此，将视频车辆检测与牌照自动识别相结合具备一定的技术难度。

在众多车辆中，总不会缺少“黑名单”车辆，例如：被通缉或挂失的车辆、欠交费车辆、未年检车辆、闯祸逃逸及违章车辆等，一个一个去查太麻烦了，有什么设备可以自动监测呢？车牌识别系统便能如此。只要将违规车辆的号码牌输入到后台系统中，一旦这种非法车辆出来活动，在车牌识别系统监测的路口监测到之后，后台系统便会发出警报，正确率高达99%。车牌识别系统的功能远远不止于此，真地智能车牌识别系统更是在无限的可能中继续探索，不断追求更大的发展。

车牌自动识别系统 收费管理系统一进一出管理系统方案：一、车牌识别系统车牌识别模块属于纯软件识别方式，可根据客户需求抓拍车辆全景图片及特写图片，沈阳实名制系统完成车辆特征的判断，结合触发机制，系统提供车辆行驶方向、经过时间、地点、车辆类型、实名制系统价格车牌号码等基本信息。车牌识别模块技术参数：①、收费站车别识别系统可大大提高识别准确率：白天车辆号牌识别准确率大于97.7%；夜间车牌识别准确率92%以上。②、车辆捕获率采用地感触发方式，监控区域内对5km/h～160km/h行驶的车辆图像捕获率达99.9%以上（建议采用这种触发方式）。采用视频触发方式，监控区域内对5km/h～160km/h行驶的车辆图像捕获率达90%左右。