山东华瑞电子有限公司

人脸识别闸机解决校园学生出入安全问题

个人身份确认是社会较为普遍的基本需求，自古以来面相是确定人身份的重要依据人行通道闸系统。计算机人脸识别技术是一项非常具有挑战性的任务，迄今为止计算机人脸识别的准确性依然受到光照条件、人脸的姿态、表情等因素的影响[1]。相比指纹、虹膜等生物特征的身份鉴别技术，人脸图像信息的获取可以在非合作条件下完成，因此该技术在业务中的应用需求非常大。近年来，随着深度学习等新理论和方法的突破，人脸识别技术的准确性有了大幅度提升。

如何创造一个安全的、数字现代化的、智能化的校园，安全管理有着十分重要的意义。人脸识别技术是基于人的脸部特征为信息源进行身份验证的一种生物识别技术，用于闸机上是为了方便人们快速开闸。

在人工智能技术体系中，人脸识别无疑是应用场景较广泛的生物识别技术。人脸识别技术是指从人脸图像中提取有效的特征信息后，利用计算机进行分析，从而进行身份认证的一种先进技术。当前人脸识别技术的研究已经成为人工智能与识别领域的热点。国内主要玩家有旷视、商汤、依图、优图、云天励飞等，其产品主要应用于和金融领域人脸识别管理系统。

近两年来，随着人脸识别技术的快速迭代（据说每半年都会有一个质的飞跃），人脸识别适用的细分场景越来越多，并逐渐从大安防转向民用和商用应用市场。可以说，现阶段，人脸识别技术已经在我们的生活中随处可见，如公寓门禁闸机、社区刷脸，刷脸支付、刷脸考勤和刷脸取款等等。而因为它非接触式、方便、可靠，人们也正逐渐接受这种应用方式，虽然人脸识别具有一定的安全风险。

智能化时代，随着人脸识别技术的进步，人脸识别考勤逐渐走进人们的视野。由于解决了IC卡丢失，指纹破皮打不上卡的问题，以及完善考勤管理制度，因此逐渐被市场接纳并普及应用。可以说，人脸识别考勤的出现，既是生物识别技术进步的使然，也是当今社会需求的必然结果。

相对于C端家庭领域，公共领域的出入门禁更倾向于采用人脸识别，而且对识别率要求没有那么高，企业一般都能接受99．7％的识别率。但是对于家庭用户来讲，由于涉及到安全隐私风险，一般很难接受人脸识别有稍微的误差。而在学校、社区、办公楼或公寓和酒店这些公共区域的出入口，一般本身部署视频监控和防盗报警等安全防控装置，相对来说安全一些。而且，的是，人脸识别可以实现同时多目标识别，避免排长队识别的拖拉，大大提升了管理和业务效率。

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。

总体设计思路

     人脸识别系统是基于建立“以员工为服务对象、以企业管理为目的，以多种信息化技术为管理手段、结合以人为本的服务理念，实现一脸认证通过考勤、进出权限认证、用餐认证等综合管理系统”的总体设计思路。

2、总体结构

     在系统的总体结构设计上，充分考虑现状以及未来的系统扩展需求，采用多接口、开放式框架设计。

     该人脸识别系统中心平台是核心层：由中心数据库，人事管理、系统管理等各类模块组成，主要对系统各类应用子系统和硬件终端进行综合管理，管理业务流和数据流。

应用子系统模块：子系统是微笑通系统的应用服务层，提供该系统的各类应用功能管理，包括食堂消费、门禁、考勤、会议签到、访客管理、车辆出入监控等子系统。通过专业定制的汉王人脸识别设备采集员工在终端发生的各类信息，通过计算机终端，管理各类信息，为及员工提供与人脸识别相关的各类服务。

      第三方应用接口：该系统提供规范的接口，开放的通讯协议，方便第三方人事管理系统，OA办公系统等通过统一的应用接口访问微笑通中心平台，实现数据共享数据交换。

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。