安防-动态人脸识别V20产品方案20161017.doc

《安防-动态人脸识别V20产品方案20161017.doc》由会员分享，可在线阅读，更多相关《安防-动态人脸识别V20产品方案20161017.doc（103页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、-_2019 年 04 月云从人脸识别应用公安行业云从人脸识别应用公安行业解决方案建议书解决方案建议书文档编号: BJ-xxx-xxx文档日期: 2016-10-17-_文档说明本文档为云从人脸识别公安行业解决方案 V2.0 动态人脸识别模版，文档主要提供公司内部相关人员作为参考依据。各项目需根据实际需求情况，有针对性的对文档进行修订后，用于各项目呈报提交各项目需求对象。-_专有信息声明本建议书属于商业机密文件，书中的所有信息均为云从科技机密信息，仅供 XX 客户使用。务必妥善保管并且仅在与项目有关人员范围内使用，未经云从科技公司明确做出的书面许可，不得为任何目的、以任何形式或手段（包括电子或

2、机械复印、录音或其他形式）对本文档的任何部分进行复制、存储、引入检索系统或者传播。本建议书内容，包括价格和配置，只适用于 XX 客户。尽管云从科技已经尽力使本文档内容完整和有效，但仍可能有技术方面不够准确的地方或印刷错误。如果需求有所变化，云从科技将对有关内容进行相对应的调整，并在本投标未来版本中体现。云从科技是重庆中科云丛信息科技有限公司的注册商标。本文档提及的其他公司、产品和服务的名称，可能是其他公司的商标或服务的标志。本建议书的有效期为自建议书递交之日起 XX 个月。-_文档控制说明文档信息当前修订日期2016.10.17版本号修订日期修订人变更内容备注V2.02016.10.17张昌文

3、新建文档批准本文档被批准后将作为正式存档文件：姓名单位签署日期签字曹锋产品二部文档核发本文档被核发给以下人员和机构：姓名单位-_ 目 录第一章第一章 云从简介云从简介.1 11.1 发展历程 .11.2 国家认定 .11.3 研发实力 .21.4 专利著作 .21.5 算法创新 .31.6 标准制定 .4第二章第二章 项目概述项目概述.5 52.1 项目背景 .52.2 总体需求 .72.3 建设目标 .102.4 设计原则 .112.5 设计依据 .12第三章第三章 需求分析需求分析.13133.1 项目需求描述 .133.2 系统布点需求 .143.3 系统组网需求 .153.4 系统功能

4、需求 .163.5 系统对接需求 .173.6 动态功能需求 .19第四章第四章 系统设计系统设计.20204.1 系统结构 .204.2 系统拓扑 .224.2.1 布控流程设计.234.2.2 抓拍报警设计.244.2.3 检索流程设计.254.3 前端设计 .264.3.1 设计概述.264.3.2 布点场景.264.3.3 安装要求.274.3.4 部署架构.284.3.5 配套设计.294.3.6 像机选型.314.3.7 网络设计.37-_4.3.8 存储设计.384.4 系统功能 .384.4.1 系统管理.414.4.1.1 单位管理 .414.4.1.2 部门管理 .424.

5、4.1.3 资源管理 .424.4.1.4 权限管理 .434.4.1.5 用户组管理 .434.4.1.6 角色管理 .444.4.1.7 用户管理 .444.4.2 配置管理.454.4.2.相机区域管理.454.4.2.2 相机设备管理 .464.4.2.3 抓拍服务器管理 .464.4.2.4 特征服务器管理 .474.4.2.5 识别服务器管理 .474.4.2.6 邮件服务器管理 .484.4.2.7 分析服务器管理 .484.4.2.8 流媒体服务器管理 .494.4.3 底库管理.494.4.3.1 人脸库管理 .494.4.3.2 底库照片管理 .504.4.4 布控管理.5

6、04.4.4.1 布控设置 .514.4.4.2 处警联系人 .514.4.4.3 布控记录查询 .524.4.5 人脸监控.524.4.6 业务分析.534.4.6.1 抓拍人脸查询 .534.4.6.2 多时段分析 .534.4.6.3 多地点分析 .544.4.6.4 碰撞分析 .554.4.6.5 同行分析 .554.4.6.6 频次分析 .564.4.7 报表统计.574.4.7.1 抓拍统计 .57-_4.4.7.2 报警统计 .574.4.8 日志管理.58第五章第五章 业务战法业务战法.59595.1 人脸卡口 .595.2 人脸轨迹 .605.3 人脸布控 .615.4 踩点

7、分析 .625.5 视频人脸分析 .635.6 人流量分析 .635.7 视频身份认证 .645.8 陌生人报警 .645.9 人脸库管理 .655.10 报表统计 .66第六章第六章 产品选型产品选型.67676.1 产品性能 .676.2 产品配置 .686.2.1 抓拍服务器.686.2.2 特征记录的新增、编辑、启用、停用、批量启用、批量停用。-_4.4.4.2 处警联系人处警联系人提供对报警记录处理人员的管理和维护，包括新增、删除和编辑功能。系统支持姓名、证件号码、警员编号、处警分组，所属单位和所属部门的检索。4.4.4.3 布控记录查询对布控过程中，抓拍且满足条件的记录提供查询和鉴

8、定操作。点击详情将了解到抓拍记录详细信息，比如：地点、时间、现场图等。系统提供按图片检索方案，直接将图片与报警记录当时的图片进行比对，其它检索条件还包括：是否虚警、布控地点、报警时间区间、性别、人脸库、报警次数限制，姓名和证件号等。-_4.4.5 人脸监控人脸监控目前包括实时监控一个模块。实时监控可以根据区域和组织机构查看所属像机的实时监控画面。抓拍人脸块展示当前摄像机抓拍到的人脸图片。报警列表块展示当前摄像机的报警信息。4.4.6 业务分析4.4.6.1 抓拍人脸查询系统提供了人脸抓拍查询功能。当查询条件不包含人脸图片时，直接通过筛选数-_据库记录的方式实现查询；当查询条件中包含人脸图片时，

9、系统需要通过人脸比对，符合条件的抓拍记录进行筛选，将满足阈值大于给定值的前 TopN 条数据作为结果展示。人脸查询通过创建任务的方式实现，可通过时间区间和任务状态对任务进行查找。4.4.6.2 多时段分析多时段分析，即将不同时间段的抓拍记录做聚类分析。点击“新增分析任务”按钮，创建多时间分析任务，这时系统将符合条件的抓拍记录通过分析服务器进行分析，并返回分析结果。-_4.4.6.3 多地点分析多地点分析，指将不同摄像头抓拍到的记录，经过聚类分析。点击“新增分析任务”按钮，在弹出的表单中，录入本次分析筛选条件，点击“保存”按钮，即完成分析任务的创建。-_4.4.6.4 碰撞分析系统提供了碰撞分析

10、。点击“新增分析任务”按钮，在弹出的表单中，录入本次分析任务涉及抓拍机记录，以及返回结果的满足条件。4.4.6.5 同行分析系统提供对人脸进行同行分析的功能。点击“新增分析任务”按钮，在弹出的表单中，录入本次任务需要查找的人脸，抓拍记录的时间和地点等信息。-_4.4.6.6 频次分析系统提供了频次分析，点击“新增分析任务”按钮，在弹出的表单中，录入本次分析符合的抓拍记录条件，点击“提交”按钮，即创建频次分析任务成功。-_4.4.7 报表统计报表统计包括抓拍统计和报警统计两个模块。4.4.7.1 抓拍统计抓拍统计根据统计类型（年、半年、季度、月、周、日）查询展示列表和统计表。可以进行列表和统计表

11、的 excel 导出。4.4.7.2 报警统计抓拍统计根据统计类型（年、半年、季度、月、周、日）查询展示列表和统计表。可以进行列表和统计表的 excel 导出。-_4.4.8 日志管理用户可查询登录、操作等日志，提供根据用户工号、姓名、日志类型、操作时间、所属模块等多条件筛选，并支持记录的导出。-_第五章 业务战法本系统建设目标是为公安提供高可靠、高效率、可扩展性的人脸识别系统。主要针对公安“视频人像采集”、“侦查视频人像分析”、 “人流量分析”、 “黑名单布控”等业务需求， 设计包括系统管理、人像库管理、人像检索、布控管理等主要功能。5.1 人脸卡口人脸卡口在一个界面上呈现监控、抓拍、预警信

12、息，下面详细进行描述。 （1）视频监控 可以对所有接入摄像机的实时画面进行显示，提供1、4、8、9、16等多宫格的方式显示多路监控画面。 （2） 人脸抓拍 人脸抓拍主要采用人脸检测算法、人脸跟踪算法、人脸质量评分算法。实现对进出人员的人脸进行自动捕获、跟踪、抓拍、建模存储的功能，以供人脸后检索等功能。抓拍功能模块包含人脸图像数量设置以及人脸质量精度设置。可以显示特定一路或者-_所有的摄像机抓拍采集到的人脸照片与时间，可以对每一张照片点击放大查看。 （3）实时预警 可以显示特定一路或者所有的摄像机的人脸识别到布控人员成功后的预警记录，记录中包含抓拍的人脸、注册的照片、比对的分数、时间、地点、设备

13、信息。可以对抓拍的人脸放大查看，可以对抓拍人脸前后的视频进行回放，帮助民警确认人员特征。5.2 人脸轨迹人脸轨迹检索以布控人员库、抓拍人脸和以后的视频库为基础之上的三种搜索方式，整体直观的展示人员的状态情况。 （1）以图搜图 可以通过提供的一张或者多张人脸图片选择在布控人员库、公安内部身份证库、抓拍人脸和已有的视频库中进行搜索，得出人脸比对最高前 10 的结果列表。列表中主要包含对比的图片、对比分数、结果来源等信息。 （2）特征搜人 可以通过对人员的性别、年龄、是否佩戴眼睛等多种脸部特征的组合在布控人员库、抓拍人脸和已有的视频库中进行搜索，得出人脸符合条件的所有人脸的列表。每-_页显示 10

14、条多余的分页显示，列表中主要包含对比的图片、对比分数、结果来源等信息。 （3）人脸轨迹 可以通过提供的一张或者多张人脸的图片在已抓拍的人脸中进行搜索，结合抓拍人脸的摄像机位置信息将得到的结果绘制成一个人员的移动轨迹的地图。5.3 人脸布控对在逃库（户籍、居住地在本市的在逃人员），本地重点管控人员（涉恐、涉稳、吸毒人员、前科人员等），进行提前布控和实时预警，即使是在茫茫人海中，只要“布控名单人员“出现在监控摄像画面中，系统通过比对的方式可在瞬间找到这个嫌疑犯人并发出警报，为公安找人、抓逃、追捕、布控等提供了智能化利器，减少凭记忆、凭经验、凭感觉“人海战术“的低效率，在追逃、破案等应用中发挥巨大作

15、用。布控库注册照片要求：可用手机或其他高清摄像机拍摄的头像图片（分辨率385x441），二代证原始照片（分辨率 385x441）、搜痕仪照片（分辨率 480x600 左右）。-_5.4 踩点分析通过频繁出现分析功能，查找出设定时间段、位置出现的相似人脸，从而分析活动异常的人员，以及时发现嫌疑人案前踩点会频繁出现等特征行为。-_5.5 视频人脸分析刑侦中往往能够获取相关的视频片段，办案中希望能够判断视频中人员是否为系统布控的人员。办案人员从视频侦查平台，视频下载器等多渠道来源的视频信息上传系统，系统自动分析采集视频内相关人像信息，并汇总比对形成结构化人员信息文件，提供办案支持。5.6 人流量分析

16、通过视频进行客流数据的统计，具有很高的实时性和准确性；对客流人脸识别数据中的性别、年龄等进行深度挖掘和分析，提供各种分析数据和报表：如哪个时间段出现哪个年龄阶段的男性人数较多？可以给管理和决策者提供强有力的决策依据。-_5.7 视频身份认证人证合一，在某些重要的安检通道（例如深圳机场）进行智能的判断，以便发现证件冒刷和冒领的事件。5.8 陌生人报警一些重点场所对出入人员有严格的资格限制，对出入人员身份进行准确识别是确保重点场所安全的关键。比如在银行金库、博物馆、机要室、武器库、重要会议等重点场所设置人脸识别系统，可以对出入的陌生人员进行身份识别，保障重点场所的安全。-_5.9 人脸库管理 人脸

17、库是对布控人员的人脸照片及相关信息的管理中心，可以对人员进行以下的管理。（1）分组管理 提供分组的增、删、查、改功能，提供分组人员合并、移动功能，删除分组时需要先将组内人员移动到其他分组。 （2）人脸库管理 可以通过分组、地区、布控类型对人员进行查询，列表中包含布控人员的 ID、照片、证件号、地址、年龄、性别、人员类型、布控单位、通知人员等信息。 （3）自建重点人员查询可以通过布控类型、人员名称等信息、在本机上的自建重点人员库进行查询。 -_5.10 报表统计 1、预警记录 可以根据日期、摄像机、位置、时间段、布控人员名、证件号查询预警记录，记录中包含实时的照片（小图）、注册的布控人员照片（小

18、图）、姓名、性别、证件信息、人员布控类型、摄像机名称等，可以将查询结果以 Excel 表格的形式导出。 2、布控情况查询 布控情况依据区域、摄像机、人脸库、处警联系人等信息查询。3、设备信息统计查询 可以按区域、单位、设备类型、名称、布控状态对地区的布控设备信息进行查询，包括设备名、布控单位名、类型、地点、运行状态等这些信息。-_第六章 产品选型6.1 产品性能 实时性高从现场图片的抓拍到最终的人脸对比报警，完成整个流程仅需 1s。易用性高系统各部分操作简单、易懂，对操作员的专业知识要求较少，提高了整个系统的易用性。可靠性高通过算法优化对非正面人脸、部分遮挡人脸等可以轻松识别，具备真实场景下的

19、可用性。系统采用分布式集群部署，各个子系统内部也做了负载均衡等策略，关键位置采用双机备份等，使得整个系统觉有高可靠性。 易扩展整个平台由各个子系统组成，每个子系统都可以作为独立的服务单元对外提供服务，且子系统内部采用集群，根据项目实际需求，可以灵活的添加服务。面向对象化适用于对流动人员，重点地区的实时监控，对公安在逃嫌犯的布控抓捕，失踪人口布控等，为公安人脸布控量身打造。Comment cw8: 按照项目实际 情况修改计算。-_6.2 产品配置下述配置参照 100 路视频进行人脸识别分析业务计算。6.2.1 抓拍服务器技术参数：名称性能描述CPU两颗第四代 Intel Core i7/i5/i

20、3 (LGA 1150)或两颗 Intel Xeon E3 V3 处理器 (LGA 1150) 芯片组Intel Q87/H81 芯片组内存(每节点)4 个 240 针 DIMM 插槽, DDR3-1600 最高支持 32GBBIOSAMI BIOS , 位于闪存中.支持 Intel PXE, 预启动，支持远程控制 台，支持 ACPI 1.0/2.0，UEFI显示Intel 高清显卡, VGA 位于后走线板(系统控制切换开关) 分辨率最高支持 1920x1440以太网4 个 10/100/1000BASE-T Base 接口通道 支持 Intel AMT, 远程控制开/关/重启存储设备内存存储

21、:2 个 mSATA 插槽, 支持 SSD 模块, 最高支持 512GB 外部存储:4x 2.5“ SATA 6Gb/s 热插拔驱动盘 3x 3.5“ SATA 6Gb/s 热插拔驱动盘USB2x USB 2.0 端口, 位于后面板(系统控制切换开关) 扩展插槽1x PCIe x16 扩展插槽 规格2U 机架式系统平台 电源模块2 个热插拔 1600W, 高效的冗余电源模块 尺寸438mm x 88mm x 733mm(宽 x 高 x 深) 风扇每节点 3 个风扇, 带速率控制器(PWM 工作温度0C 至 +55C存储温度-40C 至 +70C相对湿度5% 至 95%, 无凝露认证FCC, C

22、E, UL, NEBS Level 3(设计符合)RoHS兼容 RoHS软件支持Intel Media SDK: 基于 GPU 的视频处理, 支持 Linux 和 Windows OpenCL SDK: 有能力为客户提供部分自己出售的编解码器/GPU 视频滤波器实现第三方可兼容、软件Flexible 解码器基础设施 (FEI) 支持 Intel Media SDK: 满足客户对于微调或扩展 h264 编码过程设计需求 开放的 H.265 编解码, 来自 f265.org-_6.2.2 特征&识别服务器技术参数：名称性能描述外形规格2U 机架式主处理器1 个八核 E5-2640 v3 2.6GH

23、z/90 瓦内存64GB RD DR 2133MHz（4x16）扩展插槽3 个 PCI-E硬盘支持 8 个 2.5“硬盘阵列控制器P440ar/2GB 电源1 个 500W，效率 94% 风扇4 个单转子网卡4X1Gb 嵌入式服务器管理iLO4ME操作系统Linux RDHAT 6.5 64BIT-_6.2.3 分析服务器技术参数：名称性能描述外形规格2U 机架式主处理器1 个八核 E5-2640 v3 2.6GHz/90 瓦内存32GB RD DR 2133MHz（2x16）扩展插槽3 个 PCI-E硬盘支持 8 个 2.5“硬盘阵列控制器P440ar/2GB 电源1 个 500W，效率 9

24、4% 风扇4 个单转子网卡4X1Gb 嵌入式服务器管理iLO4ME操作系统Linux RDHAT 6.5 64BIT-_6.2.4 消息队列服务器技术参数：名称性能描述外形规格2U 机架式主处理器1 个八核 E5-2640 v3 2.6GHz/90 瓦内存64GB RD DR 2133MHz（4x16）扩展插槽3 个 PCI-E硬盘支持 8 个 2.5“硬盘阵列控制器P440ar/2GB 电源1 个 500W，效率 94% 风扇4 个单转子网卡4X1Gb 嵌入式服务器管理iLO4ME操作系统Linux RDHAT 6.5 64BIT-_6.2.5 分布式存储服务器技术参数：名称性能描述外形规格

25、2U 机架式主处理器1 个八核 E5-2640 v3 2.6GHz/90 瓦内存32GB RD DR 2133MHz（2x16）扩展插槽3 个 PCI-E硬盘支持 8 个 2.5“硬盘阵列控制器P440ar/2GB 电源1 个 500W，效率 94% 风扇4 个单转子网卡4X1Gb 嵌入式服务器管理iLO4ME操作系统Linux RDHAT 6.5 64BIT-_6.2.6 数据库服务器技术参数：名称性能描述外形规格2U 机架式主处理器1 个八核 E5-2640 v3 2.6GHz/90 瓦内存16GB RD DR 2133MHz（1x16）扩展插槽3 个 PCI-E硬盘支持 8 个 2.5“

26、硬盘阵列控制器P440ar/2GB 电源1 个 500W，效率 94% 风扇4 个单转子网卡4X1Gb 嵌入式服务器管理iLO4ME操作系统Linux RDHAT 6.5 64BITComment cw9: 根据项目实际情 况修改。-_6.2.7 流媒体服务器技术参数：名称性能描述外形规格2U 机架式主处理器1 个八核 E5-2640 v3 2.6GHz/90 瓦内存16GB RD DR 2133MHz（1x16）扩展插槽3 个 PCI-E硬盘支持 8 个 2.5“硬盘阵列控制器P440ar/2GB 电源1 个 500W，效率 94% 风扇4 个单转子网卡4X1Gb 嵌入式服务器管理iLO4M

27、E操作系统Linux RDHAT 6.5 64BIT6.2.8 硬盘容量计算客运站景区按最多的算，不会超过 6 万人；底库目前 1500 人，后期会增加，不会过十万。按照每路摄像机抓拍 10 张人脸照片计算，每次抓拍包含三张图片：全景图、人脸图片、纠正图，合计容量约为 0.5M 左右，参照 100000 人计算：一天存储容量：100000 人10 张0.5M0.5T；一个月存储容量：100000 人10 张0.5M3015T；三个月存储容量：100000 人10 张0.5M30345T；一年存储容量：100000 人10 张0.5M3012180T。Comment cw10: 根据项目实际情

28、况补充修改。-_6.2.9 设备清单汇总序号名称规格型号数量单位备注1抓拍服务器两颗 Intel Xeon E3 V3 处理器 内存：32GB17台支持 100 路视频，每台抓拍服务器最佳管理 6 路视频，考虑部分视频线路冗余。特征服务器 2 识别服务器E5-2640 v3 内存：64GB7台两类服务共用一台服务器。单台服务器最高处 理人像 100 张/秒，峰值按照 500 计算。3分析服务器E5-2640 v3 内存：32GB5台供 6 人同时并发在线分析。4消息队列服务器E5-2640 v3 内存：64GB3台提供整套系统消息队列缓存。5分布式存储服务器E5-2640 v3 内存：32GB

29、 硬盘：8*2TB 2.5“1台存储 1 个月容量约 15T，不做容灾备份，如需 则增加 1 台， 增加存储时间则需要增加相应的 存储服务器。6数据库服务器7平台E5-2640 v3 内存：16GB2台将平台部署在其中 1 台数据库服务器上。8APP 软件1套安装数目为 1。9流媒体服务器E5-2640 v3 内存：16GB1台提供最大 16 路视频在线播放。10硬盘2TB43块除存储服务器外，每台服务器 2TB 硬盘存储。-_第七章 产品优势算法先进性云从人脸识别系统中采用中科院战略性先导科技专项人脸识别核心技术，融合包括“双层异构深度神经网络”、“动态场景实时解析”、“自适应实时多目标跟踪

30、”、“分层矢量化信息表达”等诸多国际领先技术，在现有的警用图像处理系统中处于领先地位。设备性价比高云从单台设备最高可接入 8 路视频进行抓拍识别；性价比方面优于友商系统。黑名单布控准确率高在黑名单布控方面，我司专门针对监控视频进行了优化；布控准确率好于友商。前端支持动态扩展系统可以根据前端路数进行动态扩展，云从有 2、4、8 路接入服务器可供选择，只需要进行识别分析服务器的增加就可以解决前端接入视频路数不断增加的问题；友商没有可系统化的解决方案。自建结构化人像数据系统可以对人脸图像结构化出，年龄、性别等数据，方便后期客户对数据做统计分析，建立自己的模型。-_第八章 技术实力8.1 世界折桂20

31、07 年：CLEAR 世界音频事件检测大赛 冠军；2008 年：ASTAR 世界多媒体搜索大赛美国赛区 冠军；2009 年：PASCAL VOC 世界图像物体识别挑战赛 冠军；2009 年：PASCAL VOC 国际人体动作识别挑战赛 冠军；2010 年：IMAGENET 大规模视觉识别挑战赛 冠军；2011 年：FERA 国际表情识别分析挑战赛精确人群组 冠军；2016 年：微软 ACM Multimedia 2016 中人脸识别竞赛 MSR Image Recognition Challenge(IRC) ，一项冠军，一项季军。-_8.2 排名第一36 次国内银行各 POC 排名第一；中国

32、工商银行、中国农业银行、中国银行、建设银行、银联、西安银行、中移动、-_8.3 人脸 DNA为了解决深度神经网络需要大量数据的问题，我们提出了分层矢量化多媒体信息表达体系。分层矢量化实际上是一个多层的特征编码的过程。一个单层的特征编码由以下几个步骤组成：首先，对图片库里所有的人脸图像进行分块；其次对每块区域提取局部特征(如 LBP、SIFT)形成局部特征描述子；然后，对所有局部特征进行量化形成字典；最后，根据字典信息和人脸图像的映射，编码形成人脸图像的特征向量，我们定义该特征向量为人脸 DNA。人脸 DNA 特征能够很好的描述特定人脸的不变量，该特征对人脸光线、角度、表情以及各种图片噪声具有一

33、定的抗干扰性，再由双层异构深度神经网络进行优化与学习，人脸的区分性更强，识别效果更佳。举个例子：我们认一个人，最简单的从这个人的身高、体型出发、发型等来判断是谁（认知第一层）；更深一层从这个人的人脸、骨骼、虹膜、指纹来确认这个人的身份（认知第二层）；更深层次，我们可以通过这个人的 DNA 来确认这个人的真实身份（认知第三层）。所以认知一个人，随着逐层深入，一层比一层更加可靠。人脸 DNA 类似，在计算机人脸识别过程中，我们可以将人脸的最外在特征眼睛大小形状（丹凤眼、浓眉大眼等），鼻子形状（鹰钩鼻、平鼻），嘴的大小形状（樱桃小嘴）理解成第一层；可以将眼睛的距离，五官的位置，脸的轮廓等理解成第二层；将人脸信息更抽象，提炼出人脸不随光照、角度、年龄等影响的特征，就是更深的层，我们定义为人脸 DNA。-_8.4 算法卓越双层异构深度神经网络： 为了将两张照片映射到同一特征空间中进行比较，在异构深度神经网络基础上，我们提出了双层异构深度神经网络模型。此模型中每层都是一个深度网络（分别以两张照片为输入），在训练时采用二分类损失函数并对两个网络中对应权值的差异性进行正则化，可实现不同图像 空间到相同特征空间的映射。在特征空间中，相同身份人脸图像的类内差异变小，而不同身份人脸图像的类间差异变大，从而增强