基于人脸特征点的识别算法、基于整幅 人脸图像的识别算法、基于模板的识别算法、利用神经网络进行识别的算法。

人脸识别算法要完成人脸特征的提取，并与库存的已知人脸进行比对，完成最终分析比对，准确率达到99%以上。

算法功能特点：

1. 采用深度学习方式，支持口罩识别+人脸识别组合识别。

2. 检测速度快，运算成本低

3. 支持黑白名单VIP人员设置

4. 支持设定持续N秒后触发抓拍事件 

5. 支持手工绘制排除区

6. 支持设定是否联动语音TTS播报(本地或网络语音模块)

7. 支持设定是否联动开关量输出

8. 支持设定多边形布控区，未设置布控区时，则全景布控

9. 支持设定布控时间

10. 支持设定是否联动录像(N秒）

本算法规则是在视频内绘制两条线，即A线和B线，当人员从A线再到B线时，触发一次人流计数抓拍事件，通常应用于具有方向性的人流计数统计场所

算法功能特点：

1. 支持识别对象

2. 对设定的对象类别评分未达到阈值的自动排除，去除误报

3. 支持设定持续N秒后触发抓拍事件

4. 支持手工绘制排除区

5. 支持设定是否联动语音TTS播报(本地或网络语音模块)

6. 支持设定是否联动开关量输出

7. 支持设定多边形布控区，未设置布控区时，则全景布控

8. 支持设定布控时间

9. 支持设定是否联动录像(N秒）

采用深度学习算法，针对各种厨房用手套进行机器训练，识别率可达99%以上

1. 支持上传中心管理平台选项

2. 支持时间段布控

3. 支持设定最小评分阈值设定，如果检测到正常的手且检测评分小于此阈值时被过滤掉。如果检测到手，且检测评分大于此阈值时触发抓拍和预警事件。

4. 支持手工绘制排除区

5. 支持设定是否联动语音TTS播报(本地或网络语音模块)

6. 支持设定是否联动开关量输出

7. 支持设定多边形布控区，未设置布控区时，则全景布控

8. 支持设定布控时间

9. 支持设定是否联动录像(N秒）

1. 采用深度学习算法，针对行人、人脸（正脸、侧脸）为进行机器训练，检测率可达99.9%以上

2. 采用深度学习算法，1亿组人脸进行人脸识别算法训练而成，识别率可达99.6%以上

3. 支持建立内部人脸库，外来人员检测人脸后对比内部人脸库，如果不存在内部人脸库则触发抓拍预警事件

4. 支持上传中心管理平台选项

5. 支持时间段布控

6. 支持设定最小评分阈值设定，人脸检测评分小于此阈值时被过滤掉。

7. 支持手工绘制排除区

8. 支持设定是否联动语音TTS播报(本地或网络语音模块)

9. 支持设定是否联动开关量输出

10. 支持设定多边形布控区，未设置布控区时，则全景布控

11. 支持设定布控时间

12. 支持设定是否联动录像(N秒）

系统能通过视频分析是否存在人员逆行行为，支持二次学习优化，此功能具有如下特点：

1. 采用深度学习+人体姿态估计算法，各种人员样本图片超过100W张各种姿态样本图片，对人员的识别准确率超过99.99%

2. 系统支持绘制方向箭头，系统自动跟踪所有视频画面内的人员，当有人向正面相反或侧面方向行走时产生抓拍报警事件

3. 对光线、极端天气等不同应用场景环境适应性强

4. 检测速度快，运算成本低

5. 自动非人体主动排除，人评分未达到阈值的自动排除，去除误报

6. 支持设定持续N秒后触发抓拍事件

7. 支持设定低于人体宽度或高度阈值的自动排徐

8. 支持手工绘制排除区

9. 支持设定是否联动语音TTS播报(本地或网络语音模块)

10. 支持设定是否联动开关量输出

11. 支持设定多边形布控区，未设置布控区时，则全景布控

12. 支持设定布控时间

13. 支持设定是否联动录像(N秒）
    

系统能通过视频分析是否存在人员爬高行为，支持二次学习优化，支持二次学习优化，此功能具有如下特点：

1. 采用深度学习+人体姿态估计算法，各种人员样本图片超过100W张各种姿态样本图片，对人员的识别准确率超过99.99%

2. 支持绘制虚拟多线爬高A(低)B(高)线，系统自动跟踪人员，当该人员先经过低线，再经过高线时产生抓拍报警事件

3. 对光线、极端天气等不同应用场景环境适应性强

4. 检测速度快，运算成本低

5. 自动非人体主动排除，人评分未达到阈值的自动排除，去除误报

6. 支持设定持续N秒后触发抓拍事件

7. 支持设定低于人体宽度或高度阈值的自动排徐

8. 支持手工绘制排除区

9. 支持设定是否联动语音TTS播报(本地或网络语音模块)

10. 支持设定是否联动开关量输出

11. 支持设定多边形布控区，未设置布控区时，则全景布控

12. 支持设定布控时间

13. 支持设定是否联动录像(N秒）

系统能通过视频分析是否存在人员越界行为，支持二次学习优化，支持二次学习优化，此功能具有如下特点：

1. 采用深度学习+人体姿态估计算法，人员样本图片超过100W张各种姿态样本图片，对人员的识别准确率超过99.99%

2. 支持绘制虚拟周界围栏线，当有人拌虚拟周界围栏线时产生抓拍报警事件

3. 对光线、极端天气等不同应用场景环境适应性强

4. 检测速度快，运算成本低

5. 自动非人体主动排除，人评分未达到阈值的自动排除，去除误报

6. 支持设定持续N秒后触发抓拍事件

7. 支持设定低于人体宽度或高度阈值的自动排徐

8. 支持手工绘制排除区

9. 支持设定是否联动语音TTS播报(本地或网络语音模块)

10. 支持设定是否联动开关量输出

11. 支持设定多边形布控区，未设置布控区时，则全景布控

12. 支持设定布控时间

13. 支持设定是否联动录像(N秒）

系统能通过视频分析是否存在人员倒地行为，支持二次学习优化，支持二次学习优化，此功能具有如下特点：

1. 采用深度学习+人体姿态估计算法，倒地人员样本图片超过10W张各种姿态样本图片，深度学习人员倒地的行为模式，能识别全方位的倒地姿态，高效识别准确率超99.6%

2. 对光线、极端天气等不同应用场景环境适应性强

3. 检测速度快，运算成本低

4. 自动排除人员蹲起、坐地等姿态，非人体主动排除，人评分未达到阈值的自动排除，去除误报

5. 支持设定持续N秒后触发抓拍事件

6. 支持设定低于人体宽度或高度阈值的自动排徐

7. 支持手工绘制排除区

8. 支持设定是否联动语音TTS播报(本地或网络语音模块)

9. 支持设定是否联动开关量输出

10. 支持设定多边形布控区，未设置布控区时，则全景布控

11. 支持设定布控时间

12. 支持设定是否联动录像(N秒）

系统能通过视频分析是否存在人员快速移动(奔跑）行为，支持二次学习优化，

此功能具有如下特点：

1. 采用深度学习+人体姿态估计算法，各种人员样本图片超过100W张各种姿态样本图片，对人员的识别准确率超过99.99%

2. 系统支持设定场景内N秒内移动多少个像素点作为触发抓拍报警的阈值，系统自动跟踪所有视频画面内的人员，当有人在设定的时间内移动的像素距离大于设定的阈值，则产生抓拍报警事件

3. 对光线、极端天气等不同应用场景环境适应性强

4. 检测速度快，运算成本低

5. 自动非人体主动排除，人评分未达到阈值的自动排除，去除误报

6. 支持设定持续N秒后触发抓拍事件

7. 支持设定低于人体宽度或高度阈值的自动排徐

8. 支持手工绘制排除区

9. 支持设定是否联动语音TTS播报(本地或网络语音模块)

10. 支持设定是否联动开关量输出

11. 支持设定多边形布控区，未设置布控区时，则全景布控

12. 支持设定布控时间

13. 支持设定是否联动录像(N秒）