中国电科针对当前视频计算面临的难题，提出的相应解决方案。其由边缘节点、边缘域和云计算中心三层组成。吴曼青介绍，边缘节点主要用于提升目标识别质量、进行无损建模分析、提取目标细节；边缘域主要实现汇聚边缘数据、实现安防业务敏捷响应；云中心用于大数据分析、全局认知及分时响应。这一架构实现了视觉感知、人工智能与大数据的有效融合，将人工智能注入边缘节点，建立边缘计算和云计算相互融合的智能安防新体系，使安防监控能精准感知数据、提升安防效率、提高决策能力。

根据可用性、经济性、先进性、成熟性、开放性、人性化、环保、可拓展性等原则建设大型公共建筑基础照明设施。将建筑室内外环境、草坪、步行道、车道等与楼宇各入口，电梯间、楼道、每层楼室内布局分布，关键位置点等做精细化可视场景处理，采用国内外先进的图像化立体建模引擎，基于室内定位LED照明灯具，通过软件开发，实现基于真实精准位置的人员管控、物资管控、便利服务等先进功能。

集成了身份证识别，和图像识别，拿来即用，非常方便，不用再去看文档，写代码最爽的就是梭哈，里面集成了fastdfs，如果有不懂的请自己百度

利用基于tensorflow2的keras框架，搭建CNN卷积神经网络模型，对手写数字识别数据集mnist进行分类，网络规模小，训练精度高。网络包括三个卷积层，两个池化层和全连接层，在测试集上实现了99%左右的识别率。

图像识别(需自行下载安装openCV包及Emgu.CV包)

基于卷积神经网络的图像识别，网络结构为lenet5，在训练集上的正确率可以达到90+，测试集正确率在60-70%。

社区出入口人脸门禁解决方案针对小区进出人员管理难、进出不方便等问题，结合人脸识别技术在闸机中的应用，通过人脸识别的方式来控制人员的进、出；系统提供人员的数据信息和人脸图片，通过批量导入的方式快速实现出入口门岗通行； 出入口人脸门禁解决方案可以实现以下业务目标： 1. 对小区内的人员进行身份录入、人脸图片录入、通行权限设置、变更。 2. 对小区内的人员进出时实时抓拍识别比对，代替岗亭管理人员以人工核实，进行自动放行和拦截。 3、系统自动记录人员的通行信息，包括通行人员信息，通行时间等。

1、实现全景分辨 人脸识别监控前端高清摄像机分辨率不低于200万像素，能够输出视频数据及人脸数据。 2、实现全时可用 新建人脸识别监控点完好率达到98%以上，确保系统全时可用。 3、实现全息感知 充分运用视频监控的图像清晰化处理、视频结构化描述、数据挖掘与数据融合等方面专业技术，实现视频数据、人脸数据与公安信息化数据的有效关联和综合深度智能化应用。 4、实现全程可控 建立人脸识别系统联网应用的分层安全体系和可疑人员轨迹分析体系，确保重要视频图像信息不失控，敏感视频图像信息不泄露，可疑人员逃跑轨迹不丢失。并可通过检索所有点位的人脸抓拍记录，查询和分析可疑人员的行动轨迹路线，为公安机关破案提供有效线索。 5、实现选择布控 系统可以同时管理多个布控人员名单库，支持目标库的增加、删除和修改；同时支持布控人脸照片的单张导入和批量导入功能，可以灵活选择目标库进行布控，可设置不同联动预案和处置方式。 6、实现配置管理 人脸实时报警系统使用Web客户端进行配置和管理，多台服务器统一客户端管理。实现前端抓拍设备的添加，人脸名单分组管理，黑名单报警设置，人脸存储管理，人脸抓拍实时预览，人脸抓拍图片查询，人脸黑名单报警查询等

火焰烟雾图片，已使用labelimg标注好，1000张左右，自行下载整理为VOC格式即可训练，适用于火灾烟雾检测算法训练，yolov3等。

压缩包里面是我的博客中涉及到的案例原图和halcon代码程序供大家参考！