山东华瑞电子有限公司

随着人脸识别技术的成熟，各种领域使用人脸识别闸机替代人工进行实名制验证智能人脸识别系统，实现对出入口的、便捷、精准的管理以及降低人工管理成本。对于人脸识别实名制闸机的应用，机场安检、火车站、汽车站、海关、智慧楼宇、智慧社区等场所都已开始投入使用… 应用人脸识别闸机，机场、火车站、海关等高安防场合，将人脸识别与实名制验证结合，让旅客自助安检或验票通关，替代人工检验，而且人脸识别的速度非常快，让旅客的出行更加便利。 人脸识别速通闸，还可以从前端摄像头开始部署，将采集的数据与系统对接，有助于开展工作，防止与打击行为，加强公共场合的安全和提高人员的办案效率。

人脸识别终端在智慧社区也将大有作为。通过人脸识别门禁闸机，不但可以及时有效发现外来人员、访客和周边服务人员，及时做登记和拍照，从而规范社区生活秩序人脸识别管理系统，创建智慧平安家园，而且，保护业主并提供便捷服务。毫无疑问，人脸识别门禁可以强化社区出入口门禁安全体系，协助社区智能化管理。可以说，人脸识别与智慧小区的合作是拍档，未来的智慧社区将是人脸识别社区。

人脸图像预处理：对于人脸的图像预处理是基于人脸检测结果，对图像进行处理并终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、化、几何校正、滤波以及锐化等。

人脸图像特征提取：人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类：一种是基于知识的表征方法；另外一种是基于代数特征或统计学习的表征方法。

基于知识的表征方法主要是根据人脸的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据，其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成，对这些局部和它们之间结构关系的几何描述，可作为识别人脸的重要特征，这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。

人脸图像匹配与识别：提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的进行判断。这一过程又分为两类：一类是确认，是一对一进行图像比较的过程，另一类是辨认，是一对多进行图像匹配对比的过程。

人脸的外形很不稳定，人可以通过脸部的变化产生很多表情，而在不同观察角度，人脸的视觉图像也相差很大，另外，人脸识别还受光照条件（例如白天和夜晚，室内和室外等）、人脸的很多遮盖物（例如口罩、墨镜、头发、胡须等）、年龄等多方面因素的影响。

在人脸识别中，类的变化是应该放大而作为区分个体的标准的，而第二类的变化应该消除，因为它们可以代表同一个个体。通常称类变化为类间变化（inter-class difference），而称第二类变化为类内变化（intra-class difference）。对于人脸，类内变化往往大于类间变化，从而使在受类内变化干扰的情况下利用类间变化区分个体变得异常困难。