山东华瑞电子有限公司

人脸识别速通闸●动态双摄防伪，各类照片在各种载体上的欺骗，夜间红外、RGB双补光●支持外接二维码扫描器、；支持串口、韦根26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，支持陌生人检测，陌生人等级可配置●支持设备本地存储1万张人脸照片、1万条识别记录（含现场抓拍照片）●逐行扫描200万像素CMOS传感器，运动图像无锯齿人脸自动识别系统，码流平滑设置●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）检测人脸比对耗时0.2ms（10000人库，多次识别取平均值），0.5ms（10000人库，  多次识别取平均值） ●支持人脸识别或陌生人检测时的现场照片保存，支持局域网使用部署方式●支持HTTP方式接口对接，支持屏幕显示内容配置，支持识别距离配置●应用场景：各种通道闸●显示尺寸：160*88MM 人脸识别后台管理软件功能说明：l 可实现标准门禁基本功能：权限、时间段设置及统计相关报表；l 具有实时监控画面设置功能，让通行管理更直观；l 可实现多通道联网管理，管理1.5万人；l 具有考勤管理基本功能：班次设置、正常的加班设置、统计报表等；l 适用于工地通道管理，可外接大屏显示，实现场内班组、人数显示及统计功能；l 支持黑名单权限设置，陌生人等级配置；识别率（度）可调，让通行更快捷。

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人脸识别管理系统。

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。

主要配件包含智能摆闸门体、控制系统、驱动系统、红外传感器、读卡器适配支架、LED指示灯、门翼、读卡面板、测试按钮、摆闸钥匙、维护工具等

人脸识别门禁闸机主要优势：

1、多功能

闸机集门禁、访客、考勤等多系统，可实现多种功能，且无需人工管理。

2、使用安全快速

结合动态人脸识别系统，杜绝、提打卡等情况，访客登记快速，识别误差率小。

3、实现无人值守功能

释放双手，无需人工登记管理、统计管理，一切线上实现，数据实时查询，表格提取方便。

(2)面部跟踪 面貌跟踪就是指对被检验到的面貌开展动态性总体目标跟踪。实际选用根据模型的方式 或根据健身运动与模型紧密结合的方式 。除此之外，利用皮肤颜色模型跟踪也不可多得一种简洁明了而合理的方式。 (3)人脸比对 面貌核对是对被检验到的面貌像开展确定或在面像库中开展总体目标检索。这事实上就是，将取样到的面像与库存量的面像先后开展核对，并找到的配对目标。因此，面像的叙述决策了面像分辨的具体做法与特性。

人脸检测：人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。主流的人脸检测方法基于以上特征采用Adaboost学习算法，Adaboost算法是一种用来分类的方法，它把一些比较弱的分类方法合在一起，组合出新的很强的分类方法。