2、 派出所的终端，能够用数码相机和扫描仪，来上传图片和上网，通过公安内部网，在公安局中心机房进行比对，判定犯罪嫌疑人的身份；
3、 机场、码头、汽车站、火车站的前端机房能够自己处理报警信息；
4、 业务的承载网络都是公安内部网；
5、 并且可以与人脸识别布控监控数据库共享互连。
4、 九鼎人脸识别技术简介
人脸识别技术是生物特征识别技术的一种，而生物特征识别技术，是依据人体本身所固有的生理特征（人脸、指纹、掌纹、视网膜、虹膜、签名、语音等）或行为特征，利用图像处理技术或其他数位信号处理技术）和模式识别的方法来达到身份鉴别或验证目的的一门科学。主要有人脸识别、指纹识别、掌纹识别、虹膜识别、话音识别、签名识别和视网膜识别等。其中，目前最受重视并最为有效的，就要算是人脸识别技术。
JD-Face人脸识别技术是依靠脸部器官特征及其相对位置等来进行人的身份验证的一种高科技识别技术，是基于人的脸部特征，对输入的人脸照片或视频流数据，首先判断是否存在人脸，如有，则计算出每个人脸的位置、大小和各脸部器官的位置信息。并依据这些信息，进一步提取每个人脸中所蕴含的身份特征，并将其与已知人脸库中的人脸进行对比，从而识别每个人脸的身份。JD-Face人脸识别技术是当前世界上最为准确和快速的人脸识别技术之一。
4.1九鼎人脸识别技术工作原理
JD-Face人脸识别技术主要采用“局部特征分析”（Local Feature Analysis, LFA）算法，是一种基于特征表示的人脸识别技术，源于类似搭建积木的局部统计的原理。 LFA 基于所有的人脸(包括各种复杂的式样)都可以从由很多不能再简化的结构单元子集综合而成。这些单元使用复杂的统计技术而形成，它们代表了整个人脸，通常跨越多个像素（在局部区域内）并代表了普遍的面部形状，但并不是通常意义上的面部特征。实际上，面部结构单元比人脸的部位要多得多。 然而，要综合形成一张精确逼真的人脸，只需要整个可用集合中很少的单元子集(13～50特征单元)。要确定身份不仅仅取决于特性单元，还决定于它们的几何结构(比如它们的相关位置)。通过这种方式，LFA将个人的特性对应成一种复杂的数字表达方式，可以进行对比和识别。 “面纹”编码方式是根据脸部的本质特征和形状来工作的，它可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化，具有强大的可靠性，使它可以从百万人中精确地辨认出一个人。
JD-Face人脸识别技术主要采用“局部特征分析”（Local Feature Analysis, LFA）算法，是一种基于特征表示的人脸识别技术，源于类似搭建积木的局部统计的原理。 LFA 基于所有的人脸(包括各种复杂的式样)都可以从由很多不能再简化的结构单元子集综合而成。这些单元使用复杂的统计技术而形成，它们代表了整个人脸，通常跨越多个像素（在局部区域内）并代表了普遍的面部形状，但并不是通常意义上的面部特征。实际上，面部结构单元比人脸的部位要多得多。 然而，要综合形成一张精确逼真的人脸，只需要整个可用集合中很少的单元子集(13～50特征单元)。要确定身份不仅仅取决于特性单元，还决定于它们的几何结构(比如它们的相关位置)。通过这种方式，LFA将个人的特性对应成一种复杂的数字表达方式，可以进行对比和识别。 “面纹”编码方式是根据脸部的本质特征和形状来工作的，它可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化，具有强大的可靠性，使它可以从百万人中精确地辨认出一个人。
（1）人脸检测
对于给定的静态图像输入或者动态视频流输入，识别系统在图像和视频流中持续寻找和检测有可能是人脸的形状。一旦发现有形似于人脸的物体出现，系统会调用对应的匹配算法进行分析，以鉴定其是否真的为人脸。识别系统可以在一幅图片或者一个视频流中同时检测到多个人脸，并确定各自的精确位置。
同时，系统还可以对出现的人脸进行活性判别处理，通过分析面部诸如眨眼等细微变化来判断检测到的人脸形状是真人人脸，还是照片、素描画像等假冒替代品。
一旦捕捉到真实人脸后，系统将对应的面像部分从背景中提取出来，并进行一系列的预处理，对面像照片的尺寸、光线、角度、表情等进行补偿和优化处理，以达到最佳的识别效果。
（2）特征分析
九鼎人脸识别技术的原理是人脸局部几何特征分析和人脸皮肤纹理特征信息的有机结合。
所谓人脸局部几何特征分析，就是认为一张人脸由多个局部的构成元素组成，通过这些构成元素的不同组合方式构成不同的人脸。这些局部构成元素一般也称为特征点，那么通过定位特征点和分析特征点之间的组合关系就可以得出每张人脸内在的，与众不同的，具有唯一性的特征信息。在由人脸检测部分提取得到的人脸图片中，每个特征点都对应了图像中的多个像素点 。系统在定位特征点的时候对整幅人脸图像的像素进行分析，将每个像素点的明暗度与其周围相邻的点进行比较，查找那些明暗度向周围呈放射状突变的区域，这些区域即为特征点。在眉骨、眼睛、或者其他突起的特征，比如颧骨和鼻子等处，都会出现这种突变。系统在定位出每个特征点的位置之后 ，在各点之间连线，形成一个由三角形构成的网络。
随后系统测量特征点之间连线的长度以及每个三角形的角度， 据此生成的几百个由1和0组成的数值根据特定的格式所组成的集合就包含和代表了一张面孔所独有的面像骨骼特征信息。
另外本算法用来表示人脸的局部特征区域与我们日常所熟悉的人脸部位如眼睛、眼角、鼻子、嘴角等有所不同。通常特征点的数量会大于常见的人脸部位的数目（本算法一般会根据具体的图像质量选取12～40个特征点），而且系统是根据骨络结构造成的明暗效果来定义特征点的，因此很多诸如胡须、头发等人们通常会考虑的部位并没有被系统当作特征点处理，从而也减少了人脸须发的变化对识别效果的影响。
通过局部特征识别算法对面部骨骼架构特征进行分析提取之后，再对人脸图片中含有的人脸皮肤纹理特征信息进行分析和提取，进一步增强生物特征信息的唯一性和精确度。
最后，将以上两步得到的骨骼特征信息和肤纹特征信息进行融合，得到对每一张人脸具有高度唯一性的人脸生物特征信息，以一组数据的形式表示 。这样的一组数据就是我们称之为特征模板。系统所记录保存的人脸信息是每个注册用户的人脸特征模板。