技術標準要求
ga/t893-2010 安防生物特徵識別應用術語
規定了常見的安防生物特徵識別應用常見的術語，其中包括人臉識別技術常用術語。
gb/t 35678-2017 公共安全人臉識別應用影象技術要求
規定了公共安全領域人臉識別影象的技術要求。比如：
註冊影象時，兩眼間距應大於等於60畫素，推薦大於等於90畫素。 識別時， 兩眼間距應大於等於30畫素，推薦大於等於60畫素。
ga/t 922.2-2011 安防人臉識別應用系統第2部分：人臉影象資料
整個ga/t 922 安防人臉識別應用系統分為8個部分，除了上面的第2部分外，剩下的7個部分應該是沒有制定完成，均查詢不到。安防人臉識別應用系統完整的8個部分是：1. 人臉資料交換格式；2.人臉影象資料；3.人臉影象質量；4.人臉模板資料；5.裝置接**術要求；6.人臉識別演算法評測方法；7.人臉識別採集裝置；8.人臉識別通用技術要求。
ga/t 1326-2017 安全防範人臉識別應用程式介面規範
攝像機與水平線之間的俯仰角宜在0-10°之間，不大於18°。
攝像機的安裝高度2.2公尺-3.5公尺之間，不高於6公尺。出入口人臉門禁控制裝置安裝高度1.5-1.7公尺之間。
光照範圍200lux-3000lux之間。自動光圈鏡頭光圈不小於f1.4.
ga/t 1126-2013 近紅外人臉識別裝置技術要求
人臉識別平均響應時間不大於3s，和gb/t 31488-2015不大於5s稍微有點出入。
iso/iec 19795-1 2006 information technology — biometric performance testing and reporting — part 1: principles and framework
具體應用建議
環境要求
光照強度
用於人臉檢測，建議在70lux~900lux之間。
用於人臉識別，建議在100lux~900lux之間。
光線方向：均勻，無逆光/強光/陰陽臉。避免攝像機周圍有低色溫光源(如鈉燈)。
行人要求
正常步行速度，無騎行/人車混雜。行走有規律且方向可控。比如園區出入口，行人按約束的通道行走，便於抓拍。
安裝點位
原則，設在通道正前方，正對行人臉部，角度越正抓拍效果越好。
目標畫素要求：
用於人臉抓拍：
對於短焦款( 焦距為12mm及以下)：推薦人臉畫素寬度約80×80 畫素以上。對於中長焦款( 焦距為12mm以上)：推薦人臉畫素寬度約120×120 畫素以上。
用於人臉識別：
推薦人臉畫素寬度約110×110畫素及以上。
安裝高度：
架設高度h為2.5公尺~3.5公尺。2.8mm、3.6mm短焦款建議不高於3m。
安裝角度：
俯視角α建議保持15°以內，現場一般不好測量角度，可通過安裝高度和距離控制角度。
安裝距離和監控寬度：
安裝距離d：攝像機安裝位置與規劃抓拍位置的距離。
監控寬度w：攝像機規劃抓拍位置的覆蓋寬度。
建議縱向抓拍距離不要過小。過小時，成像可達到抓拍要求，但是行人出現時間短，抓拍頭頂較多，可能漏抓拍，影響抓拍效果。
對於中長焦款型，建議縱向抓拍距離最小不低於5m，最大不高於15m。大於15公尺時，距離過遠會導致補光燈補光不足，且傾斜角度也可能偏小，進而影響抓拍效果。
最遠縱向抓拍距離下，目標能夠被抓拍，但抓拍可能無法用於後端識別。
人臉抓拍檢測安裝場景推薦
大廳出入口，地鐵出入口，過街天橋，行人路，園區出入口，室內走廊。
人臉識別的流程
記錄一下目前對人臉識別流程及識別方法的理解，以後隨著認識的提公升不斷更新 在整個過程中所使用的都是灰度化之後的。為什麼要轉化為灰度？1.識別物體最關鍵的部分是，找到物體的邊緣，就是的梯度，的梯度計算用到的就是灰度化之後的。2.顏色容易受到光照影響，難以提供關鍵資訊，最重要的是灰度化之後可以加快計算速...
人臉識別的深度學習
深度學習只不過是機器學習的標準範例，更準確地說 是其演算法之一。在最大程度上，它基於人腦的概念和神經元的相互作用。如果你開始谷歌搜尋深度學習是什麼，你會發現今天這個超級熱門詞遠遠不是新的。為什麼這樣？該術語本身出現在20世紀80年代，但到2012年，沒有足夠的力量來實施這項技術，幾乎沒有人關注它。在...
人臉識別的深度學習
深度學習只不過是機器學習的標準範例，更準確地說 是其演算法之一。在最大程度上，它基於人腦的概念和神經元的相互作用。如果你開始谷歌搜尋深度學習是什麼，你會發現今天這個超級熱門詞遠遠不是新的。為什麼這樣？該術語本身出現在20世紀80年代，但到2012年，沒有足夠的力量來實施這項技術，幾乎沒有人關注它。在...