核心功能包括：
1.人臉注冊
將一個或多個人臉注冊到人臉數據庫（建模），支持通過照片（靜態圖片）或實時視頻（來自 USB 攝像頭、網絡攝像機等）進行人臉注冊。
同一人可以同時注冊多張人臉，支持多個人的批量人臉注冊。
系統支持從數據庫到數據庫的批量人臉注冊，該功能可以用于一次性從公安身份證數據庫導入所有人臉數據，形成完整的基礎人臉庫。
2.人臉搜索
在*人臉庫中通過快速比對搜索特定人臉（可能來自一張照片或某個視頻流中的截圖），可根據要求返回相似度高的 N 個結果并按相似度從高到低排序。
3.人臉比對
提供基于圖片的 1:N 人臉比對功能，圖片可能來自于照片或視頻截圖，比對結果為比對源與每一個比對宿的相似度值。
4.人臉查重
主要應用于身份證查重，可通過對身份證人臉庫進行兩兩的人臉比對，找到同一個人擁有多個身份證或同一個身份證號碼對應于不同人臉的異常情況。
5.人臉庫管理
支持人臉庫的查詢、刪除、修改、新建等管理功能。
可隨時查詢人臉庫中的人臉信息，或對特定的人臉信息進行修改、刪除等操作。

自動語音播報系統，在系統出現危險，電梯啟動運行時，電梯達到目標層時均會自動發出語音播報系統，提醒司機和乘客；

產品一經推出，以其出色穩定的性能、經濟實惠的價格受到新老客戶的一致**。

技術原理：
人臉識別內容
人臉識別技術包含三個部分：
(1)人臉檢測
面貌檢測是指在動態的場景與復雜的背景中判斷是否存在面像，并分離出這種面像。一般有下列幾種方法：
①參考模板法
首先設計一個或數個標準人臉的模板，然后計算測試采集的樣品與標準模板之間的匹配程度，并通過閾值來判斷是否存在人臉；
②人臉規則法
由于人臉具有一定的結構分布特征，所謂人臉規則的方法即提取這些特征生成相應的規則以判斷測試樣品是否包含人臉；
③樣品學習法
這種方法即采用模式識別中人工神經網絡的方法，即通過對面像樣品集和非面像樣品集的學習產生分類器；
④膚色模型法
這種方法是依據面貌膚色在色彩空間中分布相對集中的規律來進行檢測。
⑤特征子臉法
這種方法是將所有面像視為一個面像子空間，并基于檢測樣品與其在子孔間的投影之間的距離判斷是否存在面像。
值得提出的是，上述5種方法在實際檢測系統中也可綜合采用。
(2)人臉跟蹤
面貌跟蹤是指對被檢測到的面貌進行動態目標跟蹤。具體采用基于模型的方法或基于運動與模型相結合的方法。此外，利用膚色模型跟蹤也不失為一種簡單而有效的手段。
(3)人臉比對
面貌比對是對被檢測到的面貌像進行身份確認或在面像庫中進行目標搜索。這實際上就是說，將采樣到的面像與庫存的面像依次進行比對，并找出佳的匹配對象。所以，面像的描述決定了面像識別的具體方法與性能。目前主要采用特征向量與面紋模板兩種描述方法：
①特征向量法
該方法是先確定眼虹膜、鼻翼、嘴角等面像五官輪廓的大小、位置、距離等屬性，然后再計算出它們的幾何特征量，而這些特征量形成一描述該面像的特征向量。
②面紋模板法
該方法是在庫中存儲若干標準面像模板或面像器官模板，在進行比對時，將采樣面像所有象素與庫中所有模板采用歸一化相關量度量進行匹配。此外，還有采用模式識別的自相關網絡或特征與模板相結合的方法。
人臉識別技術的核心實際為“局部人體特征分析”和“圖形/神經識別算法。”這種算法是利用人體面部各器官及特征部位的方法。如對應幾何關系多數據形成識別參數與數據庫中所有的原始參數進行比較、判斷與確認。一般要求判斷時間低于1秒。

http://m.cmlib.cn