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。启用门禁系统后，该现象明显得到缓解，然而拦得住无意人企业人脸识别系统，防不住有心人人脸识别。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，有效杜绝陌生人随意进出，进一步强化社区安全管理。　　亲友前来拜访人脸识别系统，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，比如搬家、租房等，管理处需要及时为新住户更换指纹资料人脸识别管理系统，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。

提升业主居住使用安全性、便捷性，升级智能化管理　　更安全　　当小区门禁管理启用了人脸识别闸机门禁系统后，就解决了老式门禁容易被所带来的安全隐患问题。人脸识别闸机门禁系统是以人脸识别技术为核心，人脸具有不易的特性，和传统的门禁卡、指纹相比，更加安全且不易，陌生人无法凭借化妆、戴假发、戴帽子、戴眼镜等方法潜入。

更便捷　　几乎每个业主都有过有遗失、忘记携带门禁卡匙的情况出现，只能叫保安打开门，而人脸识别则没有这种担忧。还有试想一下下雨天：住户拎着大包小包，带着娃，还要腾出一只手翻包找钥匙出来开门，手忙脚乱，这样的情况可以说是非常不方便，人脸识别门禁系统则为业主解决了这种尴尬。

人脸识别闸机门禁系统，具有主动人脸的功能，主要业主进入摄像头识别范围，系统会快速做出反应，与人脸数据库进行比对识别，显示识别成功，门会自动，住户可自由出入，不需要专门腾出手来、刷指纹或者输密码，真正解放双手，做到使用的人性化。

更智能　　业主因为经常丢失门禁卡或卡损坏去管理处补办重新配备门禁卡、钥匙等，非常麻烦。采用人脸识别门禁系统，业主只需要在小区管理处一次采集人脸信息即可，不再担心丢失或补办的烦恼。

现在通道闸机人脸识别技术的日趋成熟和发展前景越来越可观，国内目前在应用方面，也快速普及。

通道闸机与IC卡读写器结合便构成智能通道闸综合管理系统，可以实现门禁、考勤、收费等功能。我们通常都能在大型会议场所出入口处设立一组通道闸，可以方便了参会人员的出席签到、会议管理人员的统计和查询;为有效地掌握、管理参会人员出入和出席情况提供了轻松的解决方案。同时也委婉地拒绝了非与会人员的进入，保障了会议的次序。大大减轻了会议服务人员的工作负担，会极大地提高会仪的工作效率。

人脸识别技术包含三个部分：

(1)人脸检测

面貌检测是指在动态的场景与复杂的背景中判断是否存在面像，并分离出这种面像。一般有下列几种方法：

①参考模板法

首先设计一个或数个标准人脸的模板，然后计算测试采集的样品与标准模板之间的匹配程度，并通过阈值来判断是否存在人脸；

②人脸规则法

由于人脸具有一定的结构分布特征，所谓人脸规则的方法即提取这些特征生成相应的规则以判断测试样品是否包含人脸；

③样品学习法

这种方法即采用模式识别中人工神经网络的方法，即通过对面像样品集和非面像样品集的学习产生分类器；

①特征向量法

该方法是先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离等属性，然后再计算出它们的几何特征量，而这些特征量形成一描述该面像的特征向量。

②面纹模板法

该方法是在库中存贮若干标准面像模板或面像模板，在进行比对时，将采样面像所有象素与库中所有模板采用化相关量度量进行匹配。此外，还有采用模式识别的自相关网络或特征与模板相结合的方法。

人脸识别技术的核心实际为“局部人体特征分析”和“图形/神经识别算法。”这种算法是利用人体面部各及特征部位的方法。如对应几何关系多数据形成识别参数与数据库中所有的原始参数进行比较、判断与确认。一般要求判断时间低于1秒。

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。