山东华瑞电子有限公司

杜绝陌生人随意进出，强化小区安全管理　　老旧小区或多或少存在管理不严问题。贴广告的、搞推销的、发传单的、认识的不认识的人员车辆随意出入，带来极大的安全隐患车站人脸识别系统。启用门禁系统后人脸识别，该现象明显得到缓解，然而拦得住无意人，防不住有心人。门禁成本低廉，指纹有指纹膜可以替代，只要想进来，什么门禁都不是问题。

在人脸识别闸机门禁系统正式启用之前，社区服务中心会通知住户进行信息录入和人脸采集。正式启用人脸识别闸机门禁之后，不曾在系统里登记过信息的人无法自由出入人脸识别系统，有效杜绝陌生人随意进出，进一步强化社区安全管理。　　亲友前来拜访，想要进入小区该怎么办？每次都要自己下来开门？显然不现实。针对这个问题，社区管理做出解释："业主租户可以通过电话、视频等方式确认访客身份，随后进行临时性的人脸和登记，就可以顺利进出小区了。"　　由于小区人口经常发生变动人脸识别管理系统，比如搬家、租房等，管理处需要及时为新住户更换指纹资料，配备门禁卡、钥匙等，非常麻烦。人脸识别闸机门禁投入使用之后，新来的住户只需要在社区管理处登记人脸信息，即可自由进出，大大节省社区人员变动管理成本。

曾经看似高深莫测的人脸识别，如今就在触手可及之处。人脸识别闸机门禁的投入应用，改变以往的出入模式，有效阻拦陌生人随意进出小区，尽可能降低小区安全事故发生的频率，提高住户生验，推进小区服务科技化，打造全新的物业管理模式，实现智能化管理。

人脸识别闸机是由人脸识别系统和通道闸机相结合组成的通行管理设备，主要识别方式除了刷脸、还可以、刷证件或者兼容更多的扫码、指纹等识别方式，当然具体用什么识别方式要根据使用场合的具体需求。

比如：人脸识别闸机就比较适合应用在企业办公楼用，行政机关，银行等场所。 人脸识别闸机应用在企业办公楼，企业办公楼原有的门禁是的，那么当然为了不浪费，我们只需要求闸机厂家介入原有的门禁系统即可，这样、刷脸、刷都可以进出人脸识别闸机通道。 如果是刚刚建成的企业办公楼安装人脸识别闸机，这种情况就比较简单了，要了解企业需求后(功能和价格上的要求)，才能给出准确的人脸识别通道方案，比如闸机用什么型号的、人脸识别闸机价格、人脸识别闸机功能定制等。  针对人脸识别闸机人脸识别通道安装于办公楼的情况，闸机厂家通科技提出了部分建议，如果企业办公楼原来安装有闸机，只是想增加人脸识别功能，这种情况下，咨询原有闸机的供应商，看是否具备人证合一闸机对接开发能力和可扩展就ok了。有其他场合使用人脸识别闸机人证合一闸机的情况，可根据具体需求咨询厂家即可。 当然人脸识别闸机人证合一闸机除了办公楼，使用的还有汽车站、检查站、火车站、机场、海关等场合都可使用。

现有的人脸识别系统在用户配合、采集条件比较理想的情况下可以取得令人满意的结果。但是，在用户不配合、采集条件不理想的情况下，现有系统的识别率将陡然下降。比如，人脸比对时，与系统中存储的人脸有出入，例如剃了胡子、换了发型、多了眼镜、变了表情都有可能引起比对失败。也就是说，人如果发生较大变化，系统可能就会认证失败。光照、姿态、装饰等，对机器识别人脸都有影响。

人脸识别难的部分是有充分适应各大光线环境的人脸预处理算法，需要在各种复杂的光线环境中提取到人脸信息，特别是移动互联网时代，摄像头拍照的地方可以在斑驳的树影下，也可以在昏暗的街灯下，以及深夜出租车内，这对算法的鲁棒性考验极大。同时还要考虑照片和视频欺诈，二次成像的光线污染等问题。

人脸识别技术主要是利用图像处理技术从图像中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，即人脸特征点模型。再从人脸特征点模型与被测者的人的面像进行特征分析（可以假定为无数的几何特征点求解），根据分析的结果来给出一个相似值，通过这个值即可确定是否为同一人。简单的说就是A/B两张照片比对，产生的计算数值是否达到要求。

3D人脸识别系统常规的脸识别需要的四个步骤：人脸图像预处理、人脸图像匹配和识别、人脸图像采集及检测、人脸图像特征提取，同时这也是人脸识别系统的四个主要的组成部分。

 1、人脸图像预处理：图像预处理是人脸识别技术中一个相当重要的环节，因为图像采集的地点光线等因素不同，图像的质量也有较大的差异。图像预处理的目的主要是为了去除对图像有干扰的信息，提高图片的质量，突出有用的信息。为之后对图像的分析计算提供便利，达到更快更准确的目的。

 2、人脸图像匹配与识别：通过摄像头采集到的图片进行信息处理，通过核心算法对图片中的人脸的五官、脸型和角度等信息进行计算，并且把图像信息和自身数据库里保存的图像信息进行搜索比对，当两者的匹配度到达一定的比例就可以把匹配到的数据输出，达到的目的。

 3、人脸图像采集及检测：人脸图像通过摄像头等方式以静态图像，动态图像等方式进行记录，通过人脸检测的方式来确定人脸的位置和大小。以目前主流的人脸检测及采集的方法来说，Adaboost人脸检测算法，是基于积分图、级联检测器和Adaboost算法的方法，该方法能够检测出正面人脸且检测速度快。但其缺点是在复杂背景中，容易受到复杂环境的影响，导致检测结果并不稳定，极易将类似人脸区域误检为人脸，误检率较高。

 4、人脸图像特征提取：通过对预处理之后的图像进行分析计算，提取出图像中的人像的五官特征、人脸图像变换系数特征等。人脸特征提取的方法有两大类：一种是基于知识的表征方法，首先需要提取出人脸的五官，如鼻子、眼睛、下巴、嘴巴等特点，在计算这些特点之间的位置关系，将它们之间的几何特征作为识别人脸的重要特征；另外一种是基于代数特征或统计学习的表征方法。