人脸识别大数据分析平台解决方案

0 引言人脸识别技术是基于人的脸部特征信息进行身份识别的一种生物识别技术。

用摄像机或摄像头采集含人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行识别。

自动售检票系统（AFC）以计算机及信息传输网络为基础，采用非接触式IC卡作为车票信息载体，车站配备自动售票机、自动充值机、自动检票设备，实现售票、充值、检票、计费、收费、统计、结算全过程的自动化管理。

在自动售检票系统中引入人脸识别系统，将乘客购票、检票动作从被动（乘客刷卡动作验证通行信息）变为主动（直接读取识别乘客面部信息进行比对产生验证通行信息），不仅提高乘客乘车效率与系统运营维护水平，还加强乘客对轨道交通技术服务水平的认知度，提高居民整体乘车出行体验。

1 人脸识别技术应用基于计算机视觉人脸识别技术的应用系统由应用层、人脸识别系统及硬件层3部分组成（见图1）。

硬件层主自动售检票系统中人脸识别技术的解决方案■　郭锐摘 要：在城市轨道交通自动售检票系统中，传统模式下自动售检机存在运维工作量大、机械故障率高、用户体验较差、乘客出行时间成本较高等缺点，同时让公共安全存在一定隐患。

人脸识别技术应用到售检票系统能解决以上问题，也为今后的大数据分析和互联网运营提供基本数据。

探讨利用人脸识别技术在云售票机、云闸机上的应用及未来人脸识别技术在轨道交通系统的应用方向。

关键词：轨道交通；人脸识别；售检票系统；云售票机；云闸机中图分类号：U291；TP39 文献标识码：A 文章编号：1672-061X（2018）02-0010-04DOI：10.19550/j.issn.1672-061x.2018.02.010图1 人脸识别系统组成应用层轨道交通其他人脸识别系统人脸识别服务人脸识别引擎人脸识别模型硬件层CPU GPU AI ASIC要包括CPU、GPU、现场可编程门阵列（FPGA）和AI专用芯片。

深度神经网络算法如CNN、RNN需要大量的计算，之前人工智能发展缓慢，局限于没有强大的计算资源。

一、项目背景随着经济的发展，社会开放程度的提高，社会上的一些违法犯罪事件也日渐影响到学校校园.如何建立一个安全的校园环境，保障师生的学习、校园生活安全一直是教育部门、公安部门和社会各界关注的焦点。

特别是学校的校园安全建设尤其重要，学校师生均属于安全防卫能力较弱的群体，大部分学生尚未成年，防范意识和自我保护能力比较弱。

学校园安全问题，维系着社会的稳定，牵动着家庭的幸福,已成为全社会密切关注的话题，直接影响到和谐社会的建设。

据社会调查显示，造成学校安全事故发生的原因,分为校外社会人员的侵害、校园内外舍学生入侵、学生外出活动伤害等等。

近年来,随着人脸识别技术、大数据技术的迅猛发展，并在实际应用中逐步成熟,在校园打击预防违法犯罪、校园园内人员管理、校园出入人员管控、智慧一脸通等方面起到了良好的作用。

且通过人脸识别可以校园多场景中应用。

重庆中科云丛科技有限公司是中国科学院旗下专注于人脸识别等计算机视觉技术的人工智能企业,目前拥有技术人员近1000人，核心技术人员主要来自于中科院各大研究院全球顶级学府和研究机构.云从科技作为中国科学院战略性先导科技专项的唯一人脸识别团队参与了国内首个人脸识别国家标准起草与制定.二、项目需求1.校园安防人脸识别需求分析通过校园安防人脸识别系统管理门禁，针对流窜作案、多次作案人员，在校园出入门、周界、路口、重要区域增加人脸识别拍抓摄像机,对嫌疑人员、多次作案人员、兄弟院校嫌疑人员、公安部门通辑人员等建立嫌疑人数据库，对经过完人脸抓拍机人会实时抓拍与嫌疑人、在校师生、学校服务人员等数据库中的人像比对，发现黑名单或非本校师生等人的时候,校园安防人脸识别系统将自动报警。

2.校园宿舍人脸识别需求分析针对学生宿舍安全管理，以及在校学生夜不归寝，导致学生人身安全.学业.得不到妥善保障的解决方案及建议。

在当今充满诱惑物欲横流的社会，充满好奇、缺乏分辨能力、自主意识薄弱的学生最容易学会夜不归寝并且无法自拔，还有甚者引以为荣,逐渐的人数越来越多。

大数据分析师如何进行人脸识别和像处理大数据分析师如何进行人脸识别和图像处理在当今信息时代，大数据分析扮演着至关重要的角色。

人脸识别和图像处理作为大数据分析的两大重要组成部分，对于提高安全性、改善用户体验和优化业务流程至关重要。

本文将探讨大数据分析师如何进行人脸识别和图像处理的相关技术和方法。

一、人脸识别技术概述人脸识别指的是通过采集和分析人脸图像的生物特征进行身份辨识的技术。

大数据分析师在进行人脸识别时，通常需要掌握以下几个关键步骤：1. 数据采集：大数据分析师需要从各种渠道获取人脸图像数据，例如监控视频、社交媒体照片等。

数据的质量和数量对于人脸识别的准确性至关重要。

2. 图像预处理：在进行人脸识别之前，需要对人脸图像进行预处理。

这包括人脸检测、角度矫正、亮度调整等。

预处理可以提高后续特征提取和匹配的准确性。

3. 特征提取：大数据分析师需要使用特定的算法从人脸图像中提取出关键的特征信息。

这些特征可以是人脸的轮廓、眼睛位置、嘴巴形状等等。

4. 特征匹配：在特征提取之后，大数据分析师需要将提取到的特征与已知的人脸特征进行匹配，以确定身份信息。

这通常采用机器学习和模式识别算法。

二、图像处理技术概述图像处理是指通过对图像进行数字化处理，改变图像的外观或提取有用的信息。

大数据分析师在进行图像处理时，可以采用以下方法：1. 图像增强：通过调整图像的亮度、对比度、锐化等参数，改善图像的清晰度和可视化效果。

2. 图像滤波：利用滤波器对图像进行降噪处理，去除图像中的噪声，提高图像质量。

3. 图像分割：将图像分成若干个具有相似特征的区域，以便进行更精确的分析和处理。

4. 特征提取：通过使用特定的算法和技术，从图像中提取出与分析目的相关的特征信息，例如边缘检测、纹理提取等。

5. 图像识别：基于机器学习和深度学习技术，对图像进行分类、识别和目标检测。

这可以应用于许多领域，如医学图像识别、自动驾驶等。

三、大数据分析师在人脸识别和图像处理中的挑战尽管人脸识别和图像处理技术在各个领域有广泛的应用，但在实际应用过程中，大数据分析师面临着一些挑战：1. 大规模数据处理：处理大量的人脸图像和图像数据需要大数据分析师具备高效的数据处理能力。

人脸识别解决方案一、引言人脸识别技术是一种基于人脸图象或者视频进行身份识别的技术，通过对人脸进行特征提取和比对，实现对个体身份的自动识别。

随着人工智能技术的发展，人脸识别技术在安防、金融、教育、医疗等领域得到了广泛应用。

本文将介绍一种人脸识别解决方案，包括其原理、应用场景、技术特点和实施步骤。

二、解决方案原理人脸识别解决方案基于深度学习算法和大数据分析技术，通过以下步骤实现人脸识别：1. 数据采集：在特定场景下，通过摄像头采集人脸图象或者视频数据。

2. 人脸检测与对齐：利用人脸检测算法，从采集的数据中提取人脸区域，并对齐人脸位置和角度。

3. 特征提取：采用深度学习算法，将对齐后的人脸图象转化为高维特征向量。

4. 特征比对：将提取的特征向量与已有的人脸特征数据库进行比对，计算相似度得分。

5. 识别结果输出：根据相似度得分判断是否匹配成功，并输出相应的识别结果。

三、应用场景人脸识别解决方案可应用于以下场景：1. 安防监控：通过与安防系统集成，实现对人员进出的自动识别，提高安全性和管理效率。

2. 门禁系统：替代传统的门禁卡或者密码，提供更加安全、便捷的进出门方式。

3. 身份验证：用于银行、支付等领域的身份验证，防止身份冒用和欺诈行为。

4. 教育领域：用于学生考勤、图书馆管理等场景，提高管理效率和准确性。

5. 医疗领域：用于患者身份识别、医生权限管理等，提高医疗服务的质量和安全性。

四、技术特点人脸识别解决方案具有以下技术特点：1. 高准确性：采用深度学习算法，能够对不同角度、光照条件下的人脸进行准确识别。

2. 实时性：通过优化算法和硬件设备，实现快速的人脸检测和比对，满足实时应用的需求。

3. 高安全性：采用活体检测技术，防止照片、视频等非真实人脸的欺骗行为。

4. 可扩展性：支持大规模人脸库的管理和快速搜索，适合于不同规模的应用场景。

5. 用户友好性：提供简洁、直观的用户界面，方便用户进行配置和管理。

五、实施步骤实施人脸识别解决方案的步骤如下：1. 系统设计：根据实际需求，设计人脸识别系统的功能模块和架构，确定所需硬件设备和软件平台。

（完整版）⼈脸识别技术⽅案-最全⾯第⼀章.⽅案概述1.1项⽬概况随着经济的发展，城镇建设速度加快，以及互联⽹的突飞猛进，导致城市中⼈⼝密集，流动⼈⼝增加，引发了城市建设中的交通、社会治安、重点区域防范、⽹络犯罪⽇益突出等城市管理问题，今后现代化城市的建设、⽹络信息必然将安全作为重中之重，与城市的经济建设处于同等重要的地位。

近年来，社会犯罪率呈逐年升⾼的趋势，特别是⽹络犯罪更加的严重，⽹络逃犯频频发⽣，罪犯的犯罪⼿法也更加隐蔽和先进，给⼴⼤公安⼈员侦破案件增加了难度。

同时，恶性事件时有发⽣，使⼈们对公共⽣活场所的安全感普遍降低。

同时公安⼈员在对通缉犯进⾏⼈⼯排查时如⼤海捞针，成功率极低，效果也不明显。

主要有如下实际问题：1.⾸先，由于罪犯群体不断扩⼤，要在数以百万计的⼈员照⽚库中找出犯罪嫌疑⼈，不仅费时费⼒，还有可能造成遗漏等情况，破案的效率⼤打折扣。

2.其次，⽬前公安机关侦察案件⼤多数仍然依靠事后追查和通缉，对已经发⽣的案件造成的损失很难有效弥补。

3.最后，如果在案发的同时即能防患于未然，就能第⼀时间将损失控制在最⼩范围内。

平安城市建设从最初的视频监控、卡⼝电警建设，系统已⼤量掌握了视频图像资源和卡⼝车辆数据和价值图⽚，但是针对⼈员侦查，⾝份确认还是需要通过技侦或⽹侦⼿段，⽆法充分利⽤视频图像资源快速定位⼈员⾝份。

即使出动⼤量警⼒，采⽤“⼈海战术”但受制于⾁眼识别劳动强度的极限，再加上⼈⼯排查效率不⾜，视频图像拍摄受光线、⾓度倾斜等不确定因素影响，⽆法保证查找的准确性和时效性，尤其出现突发紧急案件时，往往会贻误最佳破案时机。

如何提供更加丰富以及实⽤的“⼈像防控”应⽤，从“事后被动侦查”到“事前主动预警”将是平安城市下⼀建设阶段⾯临的主要需求。

1.2需求分析⼈像⼤数据系统采⽤⾼效的⼈脸检测定位及识别⽐对系统，可以第⼀时间帮助公安侦查⼈员快速识别辨别特定⼈员真实⾝份，把过去⼈⼯排查海量的视频图像资源⽐对需求变成现实，从⽽有效的为公安视频侦查、治安管理、刑侦⽴案等⼯作提供实战上的有效帮助和解决⽅法。

人脸识别闸机系统设计方案一、人脸识别技术需求分析随着社会经济的高速发展，居住环境的舒适性和安全性已经成为人们居住首选。

而门禁系统在安全的居住环境中起到的重要作用得到越来越多的重视。

目前国内的门禁系统以卡类设备、指纹设备或密码设置为主。

这些识别方式都要求人员近距离操作，当使用者双手被占用时则显得极不方便，同时也带来卡片或密码丢失、遗忘，复制以及被盗用的隐患和成本高的问题。

而指纹识别，被网上叫座的指纹套破解了“密码”，更加让人觉得恐慌不安。

如何使小区的门禁系统真正实现安全性、智能性、便捷性，成为所有公民最期待的事，而此时人脸识别门禁系统的问世，真正解决了住户进、出及来访客人的管理，同时也对小区、楼宇防盗形成有效的高安全管理。

二、人脸识别技术优势分析人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术，它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提。

而人脸识别门禁系统就是把人脸识别技术和门禁系统相结合，通过对人脸的识别作为门禁开启的钥匙。

它不仅免去了忘带钥匙或卡的烦恼，同时因为人脸识别门禁系统无需任何介质开门，而节省了不少成本，如人员变动不需要更换门锁、钥匙、IC 卡等，只需要重新对人脸进行注册即可；在小区门禁通道闸机应用中，人脸识别门禁系统由于操作简单、安全、便捷、智能，且无论室内还是室外均可使用的特性，一直比“认卡不认人”的IC 卡更具优势。

近几年人脸识别技术已在公安、海关、金融、军队、机场、企业等领域得到了广泛的应用。

有专家进一步指出，人脸识别的全面应用时代已经到来，他将成为一种方便人们日常生活的重要技术。

将人脸识别技术广泛应用于门禁系统的身份识别系统中，将大大提高门禁系统运行的安全性和可靠性，最大程度上降低通过身份冒充而进入某种场所进行不法犯罪活动的可能性，极大减少了门禁安全系统中现存及潜在的技术漏洞、隐患和风险。

三、人脸识别主要特性1、唯一性每个人都有一张脸，且无法被复制，仿冒，因此安全性更高。

大数据技术在人脸识别中的应用在现代社会，人脸识别技术已经成为一项重要的技术应用。

随着大数据技术的发展和应用，人脸识别技术也在不断创新和改进。

本文将探讨大数据技术在人脸识别中的应用，并介绍其在安全领域、医疗领域和商业领域的具体应用案例。

一、大数据技术在人脸识别中的应用随着互联网的发展和智能设备的普及，我们的生活越来越依赖于人脸识别技术。

人脸识别技术是通过对比和分析人脸图像的特征，来进行身份验证或者身份识别的一种技术。

而大数据技术的应用，则可以对人脸识别技术进行更加准确和高效的处理和分析。

首先，大数据技术可以提供更多的样本数据，从而提高人脸识别的准确度。

在传统的人脸识别技术中，算法需要依赖于一定数量的人脸样本来进行学习和训练，然后才能进行准确的人脸识别。

而随着大数据技术的应用，我们可以获得更多的人脸图像数据，并对这些数据进行深度学习和分析，从而提高人脸识别的准确度和可靠性。

其次，大数据技术可以提供更强大的数据处理和算法优化能力。

人脸识别技术需要对大量的人脸图像数据进行处理和分析，然后找出其中的特征和规律，从而实现人脸的识别和身份验证。

而大数据技术可以提供更强大的计算和存储能力，从而能够更快速和高效地处理大规模的人脸图像数据，并且通过对算法进行优化和改进，提高人脸识别的速度和准确度。

最后，大数据技术可以提供更多的应用场景和功能扩展。

人脸识别技术在安全领域、医疗领域和商业领域都有广泛的应用。

而随着大数据技术的发展，我们可以将人脸识别技术与其他相关技术进行融合和整合，从而实现更多样化和个性化的应用需求。

二、大数据技术在人脸识别中的具体应用案例1. 安全领域：大数据技术在人脸识别中的应用在安全领域有着重要的地位。

我们可以利用大数据技术来构建庞大的人脸库，将人脸图像与已知的犯罪嫌疑人数据库进行比对，从而实现对犯罪分子的追踪和抓捕。

同时，大数据技术还可以将人脸识别与其他安全设备和系统进行融合，如视频监控、门禁系统等，提供全方位的安全保护。

大数据分析师如何进行人脸识别和像处理大数据分析师如何进行人脸识别和图像处理随着互联网技术的迅猛发展和大数据时代的到来，人脸识别和图像处理已经渗透到了各个领域。

作为一名大数据分析师，掌握人脸识别和图像处理的方法和技巧，将有助于提高数据分析的准确性和深度，进一步挖掘隐藏在庞大数据背后的信息和价值。

本文将从以下三个方面介绍大数据分析师如何进行人脸识别和图像处理。

一、数据采集和预处理在进行人脸识别和图像处理之前，首先需要进行数据采集和预处理。

数据采集可以通过网络爬虫技术获取大量的人脸图像数据，也可以通过合作伙伴、用户授权等方式获取数据。

而预处理则包括数据清洗、去噪、标准化等操作，以确保数据的质量和一致性。

对于人脸图像的预处理，通常需要进行图像的缩放、灰度化、去噪、直方图均衡化、ROI(Region of Interest)提取等操作，以提高图像质量和后续分析的准确性。

二、人脸识别算法与模型人脸识别是利用计算机技术对人脸图像进行识别和比对的过程。

在大数据分析中，人脸识别可以应用于人群分析、安防监控、人机交互等领域。

在进行人脸识别之前，我们需要选择合适的人脸识别算法和模型。

常用的人脸识别算法包括PCA（Principal Component Analysis）主成分分析、LDA（Linear Discriminant Analysis）线性判别分析、LBP （Local Binary Patterns）局部二值模式等。

这些算法可以用于人脸的特征提取、维度降低和分类比对等操作。

此外，还可以使用深度学习的方法，如基于卷积神经网络（Convolutional Neural Network，CNN）的人脸识别模型，使用深度学习模型可以提高人脸识别的准确性和鲁棒性。

三、图像处理技术和应用大数据分析师在进行图像处理时，可以运用一系列的技术和工具。

其中，图像滤波、边缘检测、图像增强、图像分割、图像特征提取等是常用的图像处理方法。

利用人脸识别技术实现客流数据分析的方法人脸识别技术在现代社会中得到了广泛的应用，其中之一就是利用人脸识别技术实现客流数据分析。

这种方法可以帮助商家、企业、公共机构等精确地统计客流量，并从中获得有价值的信息。

本文将探讨利用人脸识别技术实现客流数据分析的方法。

首先，为了实现客流数据分析，我们需要部署一套完善的人脸识别系统。

该系统需要由专业的技术团队来设计和构建，以确保数据准确性和安全性。

其次，人脸识别技术通过摄像头捕捉到店内或公共场所的顾客面部图像，并对其进行分析和识别。

这个过程通常包括以下步骤：1. 图像采集：安装摄像头并调整其位置和角度，以确保能够准确捕捉到顾客的面部图像。

摄像头数量和位置的选择应根据具体应用场景来确定。

2. 人脸检测和定位：通过人脸检测算法，系统可以自动检测到摄像头捕捉到的图像中的人脸，并将其定位出来。

这一步骤的主要目的是准确地提取出人脸图像作为后续分析的基础。

3. 人脸特征提取：通过人脸识别算法，系统可以从人脸图像中提取出一系列特征参数，如人脸的轮廓、眼睛、鼻子和嘴巴等。

这些特征参数将被用于后续的人脸匹配和识别。

4. 人脸匹配和识别：将提取到的人脸特征与已有的人脸库进行匹配和识别。

人脸库中存储了已知身份的人脸特征，如员工、会员等。

系统会将人脸特征与人脸库中的特征进行比对，并输出相应的识别结果和可信度分数。

最后，通过对识别结果的统计和分析，可以获得客流数据及相关的信息。

根据自身需求，可以选择不同的指标进行分析，如客流量、客流趋势、客流区域等。

除了基本的客流数据，还可以利用人脸识别技术实现更深层次的分析。

例如，可以对不同店铺或不同时间段的客流数据进行比较，以了解消费者的行为模式；还可以根据客流数据进行人员调配和优化，提高服务质量和效率。

此外，为了保护用户的隐私，人脸识别系统应遵循相关的隐私保护法律法规，确保顾客的个人信息得到妥善处理和保护。

在实际应用中，人脸识别技术结合其他技术，如物联网、大数据等，可以进一步提升客流数据分析的效果和精度。

# 大数据在人脸识别技术中的应用## 引言人脸识别技术是一种基于大数据分析和机器学习算法的生物识别技术，它通过分析人脸的特征来进行身份验证、访问控制和安全监控等应用。

随着大数据技术的快速发展，人脸识别技术也迎来了新的突破和应用场景。

本文将探讨大数据在人脸识别技术中的应用，并阐述其在安全领域、公共服务和商业应用方面的影响。

## 1. 安全领域大数据在人脸识别技术中的一个重要应用是安全领域。

通过收集和分析大量的人脸数据和相关信息，如人脸图像、身份证件、视频监控记录等，可以建立庞大的人脸数据库和模型。

基于这些数据和模型，人脸识别技术可以快速准确地识别和验证人脸的身份信息。

在安全领域，人脸识别技术可以应用于边境检查、身份认证、入侵检测和犯罪调查等方面。

大数据的应用能够提高人脸识别的准确性和效率，加强安全防控能力。

## 2. 公共服务大数据在人脸识别技术中的另一个重要应用是公共服务。

通过收集和分析人脸数据和相关信息，如居民档案、医疗记录和教育信息等，可以实现对个体的全面监测和管理。

基于这些数据和分析结果，人脸识别技术可以帮助政府机构和公共服务部门进行人口统计、社会福利发放、就业服务和公共安全监控等工作。

大数据的应用能够提高公共服务的效率和精确度，优化资源配置和决策制定。

## 3. 商业应用大数据在人脸识别技术中的另一个创新应用是商业领域。

通过收集和分析顾客的人脸数据和消费行为等信息，如购物记录、偏好分析和情感反馈等，可以实现对顾客的个性化推荐和营销服务。

基于这些数据和分析结果，人脸识别技术可以帮助商家了解顾客的需求、购买意愿和满意度，以提供更精准、个性化的产品和服务。

大数据的应用能够提高商业运营的效率和竞争力，增强顾客体验和忠诚度。

## 4. 数据隐私与安全在大数据应用于人脸识别技术的过程中，数据隐私和安全是一个重要的问题。

个体的人脸数据和相关信息需要得到合法的收集、存储和使用，并保护个体的隐私权益。

为了解决这些问题，企业和政府机构需要加强数据隐私保护措施，采用合适的数据加密和访问控制技术。

人脸识别闸机系统设计方案一、人脸识别技术需求分析随着社会经济的高速开展，居住环境的舒适性和平安性已经成为人们居住首选。

而门禁系统在平安的居住环境中起到的重要作用得到越来越多的重视。

目前国内的门禁系统以卡类设备、指纹设备或密码设置为主。

这些识别方式都要求人员近距离操作，当使用者双手被占用时那么显得极不方便，同时也带来卡片或密码丧失、遗忘，复制以及被盗用的隐患和本钱高的问题。

而指纹识别，被网上叫座的指纹套破解了“密码〞，更加让人觉得恐慌不安。

如何使小区的门禁系统真正实现平安性、智能性、便捷性，成为所有公民最期待的事，而此时人脸识别门禁系统的问世，真正解决了住户进、出及来访客人的管理，同时也对小区、楼宇防盗形成有效的高平安管理。

二、人脸识别技术优势分析人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术，它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提。

而人脸识别门禁系统就是把人脸识别技术和门禁系统相结合，通过对人脸的识别作为门禁开启的钥匙。

它不仅免去了忘带钥匙或卡的烦恼，同时因为人脸识别门禁系统无需任何介质开门，而节省了不少本钱，如人员变动不需要更换门锁、钥匙、IC卡等，只需要重新对人脸进行注册即可；在小区门禁通道闸机应用中，人脸识别门禁系统由于操作简单、平安、便捷、智能，且无论室内还是室外均可使用的特性，一直比“认卡不认人〞的IC卡更具优势。

近几年人脸识别技术已在公安、海关、金融、军队、机场、企业等领域得到了广泛的应用。

有专家进一步指出，人脸识别的全面应用时代已经到来，他将成为一种方便人们日常生活的重要技术。

将人脸识别技术广泛应用于门禁系统的身份识别系统中，将大大提高门禁系统运行的平安性和可靠性，最大程度上降低通过身份冒充而进入某种场所进行不法犯罪活动的可能性，极大减少了门禁平安系统中现存及潜在的技术漏洞、隐患和风险。

三、人脸识别主要特性1、唯一性每个人都有一张脸，且无法被复制，仿冒，因此平安性更高。