关闭人脸识别系统方法：1、找到“lenovo veriface”程序图标，右击选择“打开文件位置”项；2、在其安装目录中，找到“vfconfig.exe”程序，右击选择“以管理员身份运行”项；3、当然，也可以在任务栏右下角，右击“Veriface”程序图标，从弹出的右键菜单中选择“打开设置”项来运行配置界面；4、在打开的“veriface”程序界面中，将“启动Veriface”右侧的开关关闭掉；5、当然，如果不再需要该程序时，可以将其卸载掉,以上就是人脸识别设备的的关闭方法，更多详细可以询问深圳品壹智能科技有限公司。

可见光人脸识别设备：在可见光环境下（太阳光、日光灯等照明光源），采集的人脸图像，进行人脸识别，适合在光线好的条件下应用。主动近红外人脸识别：在主动红外光源环境下（太阳光、日光灯等照明光源），采集的人脸图像，进行人脸识别。采用主动红外光源是为减弱环境光对人脸成像造成不利的影响（逆光、侧光、强光、弱光），红外主动光源位于不可见波段，不会伤害人的眼睛，而中／远红外波段成像会损失物体表面大多数信息，所以近红外是好的选择。由于近红外无法在中、远距离采集人脸图像，并且要求底库的人脸图像也是近红外模式下采集的照片，因此其存在比较大的应用局限性，目前主要用于人脸考勤、门禁。在现阶段的实际应用中，可见光的人脸识别的应用更加广泛。

1) 牌照定位，定位图片中的牌照位置2) 牌照字符分割，把牌照中的字符分割出来;3) 牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。车牌识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与车牌识别互相配合、互相验证。1) 牌照定位:自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个较好的区域作为牌照区域，并将其从图像中分离出来。2) 牌照字符分割:完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别。字符分割一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的附近，并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其他条件。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。3) 牌照字符:识别方法主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法首先将分割后的字符二值化并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，选择好的匹配作为结果。基于人工神经网络的算法有两种:一种是先对字符进行特征提取，然后用所获得特征来训练神经网络分配器;另一种方法是直接把图像输入网络，由网络自动实现特征提取直至识别出结果。

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。

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

该系统在我县城区的重点路口全面启用，利用视频感知技术和人脸识别功能，对行人闯红灯、过马路不走斑马线，非机动车骑乘不戴头盔、不走非机动车道、逆向行驶等交通违法行为进行自动抓拍。系统抓拍后，人脸图片会自动和公安部人口信息系统进行比对，经人工核实或智能判断无误后，人脸特写和相关信息会在路边大显示屏滚动播放。交警部门将依据抓拍系统，对闯红灯的行人和非机动车进行身份核实，并依法予以处罚，还将在广播、电视、报纸、网络以及微博、微信上集中曝光。