山东华瑞电子有限公司

校园出入口人脸识别闸机系统可解决校园安全问题：1.学生、教职工进出校园刷脸即可通过闸机进入学校，无需带卡；2.非本校外来人员一律不允许进入学校；3.已经注册的学生家长可以同时刷和刷脸，即可通过闸机进入学校；4.访客需通过到门卫访客机刷登记后车站人脸识别系统，可临时进入校园；5.闸机具备刷IC卡功能，当学生人脸识别核验失败时，也可通过刷学生卡通过闸机；6.对学生的进出校园，可通过后台查询信息记录；7.需对学生和教职工进行人脸图像的采集建库。原则上学生家长也需要人脸图像的采集，如条件不具备也可不采集人脸图像，但进出需同时刷；8.系统针对学校的应用情况，系统可以建立家长和学生的关联关系，比如家长进出闸机时屏幕显示该家长的，也可以控制家长和学生成对进出的验证。

人脸识别技术应用具有较强的场景性，不同应用场景对核心算法能力要求不一样。在办公区、社区、公寓、酒店等泛安防商用场景，人脸数据库规模相对较小，并不需要在巨量的数据集上进行深度学习训练，对硬件并没有过高的要求，而嵌入式人脸终端完全可以承载这些场景人脸识别的计算量。苏亮亮表示，“无论是算力还是算法层面，当前人脸识别已经基本可以满足泛安防领域的业务需求人脸识别管理系统。”

众所周知，长租公寓、公租房和酒店因流动人口众多，带来不少安全隐患以及人口管理难题。而传统人口管控办法不仅消耗大量的人力和物力，而且办事效率极其低下，结果往往不尽人意。而嵌入式人脸终端的采用，将不失为有效解决公寓出入门禁和安全管理问题的新方法。

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。

④肤色模型法

这种方法是依据面貌肤色在色彩空间中分布相对集中的规律来进行检测。

⑤特征子脸法

这种方法是将所有面像集合视为一个面像子空间，并基于检测样品与其在子孔间的投影之间的距离判断是否存在面像。

值得提出的是，上述5种方法在实际检测系统中也可综合采用。

(2)人脸跟踪

面貌跟踪是指对被检测到的面貌进行动态目标跟踪。具体采用基于模型的方法或基于运动与模型相结合的方法。此外，利用肤色模型跟踪也不失为一种简单而有效的手段。

(3)人脸比对

面貌比对是对被检测到的面貌像进行身份确认或在面像库中进行目标搜索。这实际上就是说，将采样到的面像与库存的面像依次进行比对，并找出的匹配对象。所以，面像的描述决定了面像识别的具体方法与性能。目前主要采用特征向量与面纹模板两种描述方法：

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。