山东华瑞电子有限公司

为提升小区安保等级，保障民众生命安全，国内不少生活社区启用了门禁系统。早期的门禁系统，主要依赖指纹识别、磁卡识别等技术，住户需要借助门禁卡、指纹等工具才能顺利通过小区大门智能人脸识别系统。随着人脸识别技术深入研究与应用人脸识别，市面上开始出现人脸识别闸机门禁系统，该系统凭借人脸难以的特性横扫安防市场。

清晨匆忙出门，冲到小区门口才发现忘带门禁卡怎么办？要么掉头回去找，要么乖乖等人开门。平时还好，若是碰上工作日就有点悲剧了。对于分秒必争的上班族而言，等待的那一段时间或许就意味着全勤奖的泡汤。启用人脸识别闸机门禁系统之后，人脸就成了全新的、随身携带的"门禁卡"人脸识别系统，想要出门刷脸就行，无接触高速度，还能防止皮肤细菌。

当然，也有住户提出疑问：晚上咋办？黑乎乎的，脸都看不清还怎么刷脸？针对夜间人脸识别效果问题，人脸识别技术今非昔比，环境光对如今的人脸识别技术而言影响不大人脸识别管理系统，即使是在夜间灯光下也可以轻松识别人脸。"夜间不能识别人脸"只是个不成问题的问题。

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，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。

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。

金融行业：门禁、考勤、防尾随门、金库门

政府部门：门禁、考勤

教育行业：考生身份识别、宿舍门禁系统

机关：门禁系统、库门禁系统

：重点区域门禁系统、库门禁系统

人脸识别门禁系统终端是由自主研发和生产的一款基于人脸识别算法应用的智能门禁终端，使用的人脸识别算法，配合200W 像素的摄像头，为客户快速实现人脸识别功能。

人脸识别门禁终端可以做到开放性合作，能够支持只提供硬件部分，适配客户的人脸识别算法，能够为人脸识别算法提供可靠运行的硬件平台，强大的硬件能力可以有力的保证人脸识别算法的运行。

一、立柱人脸识别闸机应用场景：

适用于办公区域、酒店、通道闸机、写字楼、学校、商场、商店、社区、公共服务及管理项目等需要用到人脸门禁的场所。

二、立柱人脸识别闸机产品特性：

支持光敏传感协同的夜间补光；

支持串口、韦根26、34输出，输出内容支持配置；

采用基于视频流的动态人脸检测、跟踪识别算法；

支持设备本地存储万人库，（a）云平台设备支持同时储存5万张人脸照片（小于400KB）、100万条识别记录（0.45KB）、2万张现场抓拍照片（b）局域网设备支持同时存储2万张人脸照片（照片按100KB计算）、100万条识别记录（含近1万张现场抓拍照片）；

人脸库为3000时，误识率万分之三的条件下，1：N识别准确率为99.7%；

识别速度快，（a）人脸跟踪与检测耗时20ms左右（b）人脸特征提取耗时200ms左右（c）人脸比对耗时0.2ms（1000人库，多次识别取平均值），0.5ms（10000人库，多次识别取平均值）；

支持陌生人检测，陌生人等级可配置；

支持人脸识别或陌生人检测时的现场照片保存；

支持HTTP方式的接口对接；

支持公网、局域网使用部署方式；

支持屏幕显示内容配置；

支持识别距离配置。