管线敷设相对比较简单，在管线敷设之前，对照停车场系统原理图及管线图理清各信号属性、信号流程及各设备供电情况；信号线和电源要分别穿管，对电源线而言，无人值守人脸识别一体机不同电压等级、不同电流等级的线也不可穿同一条管。地感线圈的埋设：地感线圈的埋设一般跟管线敷设同时进行，人脸识别一体机价格具体方法参阅相关图纸。停车场系统所有线材型号：（1）.通讯线（管理电脑至出入口机）：RVVP4*0.5mm2，（2）.控制线（出入口机至道闸）：RVVP4*0.5mm2，（3）.视频线（出入口摄橡机至管理电脑）：CAT5网线，（4）.地感线：耐高温抗腐蚀单股多芯1.5mm2导线绕制6圈，埋放深度3cm—5cm;（5）.电源线：（供电至读卡机、道闸、摄像机）RVV3*1.5 mm2；7.3设备安装、接线。

人脸识别设备的优势在于其自然性和不被被测个体察觉的特点。所谓自然性，是指该识别方式同人类（甚至其他生物）进行个体识别时所利用的生物特征相同。例如人脸识别，人类也是通过观察比较人脸区分和确认身份的，另外具有自然性的识别还有虹膜识别语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。不被察觉的特点对于一种识别方法也很重要，这会使该人脸设备设备识别方法不令人反感，并且因为不容易引起人的注意而不容易被欺骗。人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。

固定车、月租车实现脱机进出：固定车、月租车不受脱机的影响，正常进出，语音显示屏人性化友好提示，进出记录保存至摄像机。计算机恢复工作后，自动上传，彻底颠覆目前市场上月租车只能开闸，没有进出记录和友好提示的囧境，同时改变了软识别在脱机状态下，系统瘫痪的局面。无牌车可自动进出：无牌车采用车主微信扫码或远程值守人员协助系统控制道闸开闸放行。缴费方式灵活多样：支持临时车自助缴费，月租车自助延期等，微信、支付宝多种电子支付、现金缴费以及现金找零并存、自助提供定额发票等功能，避免了无现金运营风险。不用担心找零，提高车辆通行速度，同时降低停车场人工管理成本，从而提高车场车位运转能力和收入。

车牌识别收费系统是车牌识系统和称重两种系统相结合，实现工厂、矿业等运输辆进出称重的防作弊管理。在无人干预的情况下迅速、准确、安全、稳定、可靠地完成称重流称，实现计量过程中信息采集的全自动化管理。工厂内部车辆和外部车辆智能化管理，清析显示车辆称重情况，是进货还是出货，防止车辆出货时带走工厂货物或进厂时少货情况的产生，充分保障工厂的利益和国家的财产不会受到损失。车牌识别相机与称重计量软件结合，实现车辆的自动识别、避免出现物资种类的混装。通过开发相应软件模块将车牌识别相机接入称重系统，然后分别安装车辆在地磅、仓库等需要称重的位置，当车辆称重时车牌识别相机自动识别车牌号码，将对应的计量信息上传到称重计量软件中，从而有效掌控厂区内各车辆动态，并保证车辆在装卸物资时不会因进错仓库，造成混装情况。

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、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。

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。