(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：

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，无人值守实名制系统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，实名制系统价格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

系统具备“一张图”管理功能，在集团页面可通过一张图，实时了解集团下辖各分公司信息，并可进入二级图层了解“分公司一张表”、“工地一览表”、“项目排名表”、“设备一张表”、“报警一张表”、“违规一张表”等具体信息。系统支持用户分级管理，集团平台负责管理集团用户，分公司用户负责管理分公司用户及所属工地用户。创建用户时明确用户所属分公司/区域公司、所属劳务公司、对应的上级管理者、以及账户所对应的角色（管理员、分公司用户、劳务公司用户、工地监管员等）

随着技术的发展，停车场系统不断地在升级，其功能也变得越来越多，目前，市面上的停车场系统主要有以下几种：IC、ID刷卡、蓝牙远距离读卡、车牌识别停车场系统等。近两年来，从人们的一个体验上来说，车牌识别停车场系统是车主最受欢迎的一套智能停车场管理系统之一。车牌识别停车场系统如此的受欢迎，原因之一就是加快了人们进出停车场的通行速度，由于它具有这一特殊功能，目前，在各大小停车场中都被人们所利用。那么在选购车牌识别停车场系统时,车牌识别停车场系统和普通的停车场系统在组成上大致相同，但是，车牌识别停车场系统对设备的要求会更高。首先，车牌识别停车场系统最重要的一个因素，就是识别率的问题，有的人从识别率的高低来判断设备的好与坏，其实这是一个很不科学的方法。识别率不仅和设备本身的问题有关，还和停车场的环境有关，环境对识别率影响有时可能会超过设备本身的因素，所以要想解决这个问题，车牌识别停车场不仅要配高清的车牌识别相机，还要根据现场状况安装一些补光设备来增加其识别效果。

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。