根据设计方案、现场情况确定设备摆放位置；（1）．确定道闸及读卡设备摆放位置，确定道闸及读卡设备摆放位置时首先要确保车道的宽度，以便车辆出入顺畅，车道宽度一般不小于3米，4.5米左右为最佳；读卡设备距道闸距离一般为2.5米，最近不小于2米，主要是防止读卡时车头可能触到栏杆；.对于地下停车场，读卡设备应尽量摆放在比较水平的地面，否则车辆在上下坡时停车读卡会比较麻烦；对于地下停车场，道闸上方若有阻挡物则需选用折杆式道闸，阻挡物高度-1.2米即为折杆点位置；道闸及读卡设备的摆放位置直接关系到用户使用是否方便的问题，一但位置确定管线到位后，再要更改位置则会给施工带来很大的麻烦，因此对于在这方面工程经验不是很多的工程人员来说，先将道闸及读卡设备安装到位，然后模拟使用者，会同甲方人员一起看定位是否合适，最后再敷设管线。（2）．确定自动出卡机安装位置，在有临时车辆出入的停车场，若选择了远距离读卡设备，同时又选择了自动出卡机，则自动出卡设备为一独立体，安装在读卡设备正前方距读卡设备约0.3米；若选择了普通读卡设备，同时又选择了自动出卡机，则自动出卡机同读卡机安装在同一设备内，现场施工不必考虑这一步骤；确定摄像机安装位置（若没有选择图像对比功能，则不需考虑此项），进出口摄像机的视角范围主要针对出入车辆在读卡时的车牌位置，一般选择自动光圈镜头，安装高度一般为2-2.5米；（3）．确定岗厅的位置，对于没有临时车辆的停车场岗厅的位置视场地而定，或者根本就不设岗厅；

车牌识别技术要求能够将运动中的汽车牌照从复杂背景中提取并识别出来，通过车牌提取、图像预处理、特征提取、车牌字符识别等技术，识别车辆牌号、颜色等信息。深度剖析移动端车牌识别与PC端车牌识别有何不同，车牌识别又分为PC端车牌识别与移动端车牌识别及服务器端车牌识别，移动端车牌识别扫描识别OCR技术是易泊开发的基于移动平台的车牌识别软件开发包，支持android、ios等多种主流移动操作系统。该产品采用手机、平板电脑摄像头拍摄汽车牌照图像，然后通过OCR软件对车牌颜色、车牌号进行识别。移动端车牌识别扫描录入技术：支持平台:Android、iOS系统支持二次开发:提供Android开发JAR包，iOS平台.a静态库应用车牌识别识别模式:首创视频预览模式

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。

(1)人脸检测：面貌检测是指在动态的场景与复杂的背景中判断是否存在面像，并分离出这种面像。一般有下列几种方法：①参考模板法:首先设计一个或数个标准人脸的模板，然后计算测试采集的样品与标准模板之间的匹配程度，并通过阈值来判断是否存在人脸；②人脸规则法：由于人脸具有一定的结构分布特征，所谓人脸规则的方法即提取这些特征生成相应的规则以判断测试样品是否包含人脸；③样品学习法：这种方法即采用模式识别中人工神经网络的方法，即通过对面像样品集和非面像样品集的学习产生分类器；④肤色模型法：这种方法是依据面貌肤色在色彩空间中分布相对集中的规律来进行检测。⑤特征子脸法：这种方法是将所有面像集合视为一个面像子空间，并基于检测样品与其在子孔间的投影之间的距离判断是否存在面像。值得提出的是，上述5种方法在实际检测系统中也可综合采用。(2)人脸跟踪:面貌跟踪是指对被检测到的面貌进行动态目标跟踪。具体采用基于模型的方法或基于运动与模型相结合的方法。此外，利用肤色模型跟踪也不失为一种简单而有效的手段。(3)人脸比对：面貌比对是对被检测到的面貌像进行身份确认或在面像库中进行目标搜索。这实际上就是说，将采样到的面像与库存的面像依次进行比对，并找出最佳的匹配对象。所以，面像的描述决定了面像识别的具体方法与性能。目前主要采用特征向量与面纹模板两种描述方法：

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：昆明人脸识别一体机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，人脸识别一体机价格不会伤害人的眼睛，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。

以智慧工地云平台为基础，利用物联网技术综合采集工地现场各类数据，通过建立各类监管业务子系统，并综合运用模糊评价、神经网络等多种数据分析模型，实现对施工现场的日常行为监管，达到规范施工现场作业行为、监测工程质量及施工安全状况等效果智慧工地管理系统是比较先进的系统，对建筑工人而言，被这种“时髦”的方式管理着，可以有效的解决许多问题，方式也比较新颖，执行效率比较高。而对于建筑管理方来说，用来提升工程项目的进度，既方便了管理，也提高了效率,总之，智慧工地为工程项目管理方面提供了便利，节约了成本及时间，可以高效的完成工程建设。“互联网+工地”还是对工程建设上有很大的帮助。