基于人臉識別的軌跡檢測跟蹤技術采用區域特征分析算法，融合了計算機圖像處理技術與生物統計學原理于一體，利用計算機圖像處理技術從視頻中提取人像特征點，利用生物統計學的原理進行分析建立數學模型，具有廣闊的發展前景。 　　基于人臉識別的軌跡檢測跟蹤系統通過各人臉識別攝像機與服務器協同合作進行人員的實時跟蹤，為管理人員提供了人員的實時位置信息，同時為查閱人員行走軌跡和視頻提供了支持，便于管理人員管理監管區域。

給定一張照片，對比人臉庫中N張人臉，進行1：N、M：N檢索，找出最相似的一張或多張人臉，并返回相似度分數。支持百萬級人臉庫管理，毫秒級識別響應，可滿足身份核驗、人臉考勤、刷臉通行等應用場景。1：N 搜索：將一張人臉圖片在人臉庫的中進行搜索，返回最相似的一張或多張人臉及對應相似度。M：N 搜索：如果一張圖片中存在 M 張人臉，支持一次性在人臉庫中搜索全部人臉，并返回每個人臉對應的用戶和相似度。1：N 對比：支持用一張人臉圖片，與某一指定用戶在人臉庫中的多張照片進行對比，返回與該用戶的相似度分值。 　　結合人臉識別技術，可以在工廠、學校、商場、餐廳等人流密集的場所進行監控，對人流進行自動統計、識別和追蹤，同時標記存在安全隱患的行為及區域，并發出告警提醒，加強信息化安全管理，降低人工監督成本。

視線跟蹤技術有助于確定人在數字屏幕上的注視位置，反饋眨眼頻率以及瞳孔對不同刺激的反應。因此，它有助于確定一個人的視線方向，是否困倦，判斷他的焦點等。該技術在智能手機、AR/VR游戲、智能汽車等領域的人機交互有著廣泛的應用前景。

NB-IOT是窄帶物聯網的關鍵技術，顯著特征如下：強鏈接：同一基站，NB-IoT比現有無線技術提供50-100倍的接入數。一個扇區能夠支持10萬個連接；高覆蓋：NB-IoT室內覆蓋能力強，比LTE提升20dB增益，相當于提升了100倍覆蓋區域能力；低功耗：低功耗特性是物聯網應用的重要指標，NB-IoT聚焦小數據量、小速率應用，設備功耗非常小?；贜B-IOT通信模組和物聯平臺，已經形成NB證密鎖、NB證密人臉鎖、NB煙感探測儀、NB煤氣泄漏探測儀等物聯終端產品。

算法通過SoC中的卷積神經網絡進行加速處理

在ISP處理器中運行的圖像信號處理算法，大幅度提升圖像對場景環境的適應能力

運用深度學習技術，構建多層機器學習模型和超過一億的海量人臉照片樣本，進行數據訓練。?樣本數據包含證件大照片和小照片和各種場景照片，所以算法可以適用于各種照片模板；?算法識別率高：萬分之一錯誤率情況下，識別率超過99%；十萬分之一錯誤率情況下，識別率超過97%。

運用深度學習技術，構建多層機器學習模型進行人臉屬性的人臉照片樣本進行數據訓練，準確判斷照片中人物的各項人臉屬性，包括年齡、性別、種族、表情（微笑/顏值）、胡子、遮擋、帶眼鏡和帶墨鏡等屬性。

通過各種器具讀取/掃描的證件照片（居民身份證、港澳臺居住證、護照、駕照等）與攝像機抓取的實時圖像中抓取的人臉照片進行實時比對，確認證件持有人為本人。算法可以支持windows、android、Linux、中科麒麟等各種不同的系統主機操作系統。

基于彩色和紅外雙目攝像機的兩幀圖像，基于活體和非活體的成像差異，運用深度學習海量樣本庫訓練而成的活體檢測算法，實時檢測各種照片、視頻和玩偶等非活體攻擊對象，完美實現人臉活體的精確識別，檢測準確率超過99.5%。