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，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小区人脸识别系统，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。

虽然人脸识别在商用领域已经被接受，但高成本和高功耗一直是限制其规模化应用的阻碍因素。人脸识别技术和设备提供商需要在满足实际应用场景需求的同时，不断降低设备成本，同时降低产品功耗，提升产品的全生命周期，从而加快人脸识别技术在商用领域的规模化应用。

除成本和功耗因素外，人脸识别同时也面临着双胞胎的识别、光线的干扰、美容化妆、遮挡、低分辨率的识别的技术瓶颈。无论是厂商还是用户，都需要正视目前存在的困难人脸识别管理系统，不断使产品和技术趋于场景实用。随着，国家和行业标准的建立与实施，以及人脸识别技术不断迭代，人脸识别将在防伪化、三维化、环境适应性、、高速度等方面得到强化，并迎来新一轮的发展热潮。

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；

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：

人脸图像预处理：对于人脸的图像预处理是基于人脸检测结果，对图像进行处理并终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、化、几何校正、滤波以及锐化等。人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行识别的一系列相关技术，通常也叫做人像识别、面部识别。人脸识别的英文名称是 Human Face Recognition.人脸识别产品利用AVS03A图像处理器；可以对人脸明暗侦测,自动调整动态曝光补偿，人脸侦测,自动调整影像放大。