山东华瑞电子有限公司

人脸识别闸机越来越受企业青睐

小区、校区、楼宇等出入口管理是城市的一个重要组成部分，利用高新技术手段，让出入口管理在各个方面更加的智能化，提升管控的先进性人行通道管理系统，为社区居民提供更加智能化的服务，已经成为当下社区管理的大势所趋。    作为人工智能领域的重要组成部分——人脸识别的科技发展相关政策支持力度不断加强，因此，人脸识别的重要性也就不言而喻。从应用领域来看，目前人脸识别闸机广泛应用于客运站（人、证、票合一验证，实名核验）、小区（出入口通道身份核验，刷脸开闸、访客登记）、工地（出入口管理，刷脸开门、身份核验、考勤记录）、楼宇（进出人员身份核验、访客登记、刷脸开门、人脸门禁）、景区（人、证、票实名核验、黑名单识别告警）等场景，而现如今国内几乎所有的企业都开始配备“人脸识别闸机”，“人脸识别闸机”受到大企业的青睐，那么它到底具备哪些功能，又能帮企业解决哪些问题呢？

出入口人脸识别闸机基本的管理任务就是内外人员分流管理，VIP访客体验升级    企业将人员信息录入数据库，内部人员可以直接刷脸进出道闸，外来访客只需要简单登记信息再刷脸即可进入，智能化的人脸识别大大节省了人员出入的时间，人员的来访也得以有序管理人脸识别管理系统。针对VIP访客，管理员可事先在人脸库录入图像，访客来访时无需登记，直接刷脸通行，提升企业接访形象。

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；

人脸图像特征提取：人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类：一种是基于知识的表征方法；另外一种是基于代数特征或统计学习的表征方法。

基于知识的表征方法主要是根据人脸的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据，其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成，对这些局部和它们之间结构关系的几何描述，可作为识别人脸的重要特征，这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。

人脸识别的优势在于其自然性和不被被测个体察觉的特点。人脸面部识别技术

所谓自然性，是指该识别方式同人类（甚至其他生物）进行个体识别时所利用的生物特征相同。例如人脸识别，人类也是通过观察比较人脸区分和确认身份的，另外具有自然性的识别还有虹膜识别

语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。

人脸识别系统包括三个一部分： (1)人脸检验 外貌检验就是指在动态性的情景与繁杂的背景图中判断是不是存有面像，并分离出来出这类面像。一般有以下几类方法： ①参照模板法 设计方案一个或多个规范人脸的模板，随后测算检测收集的样品与规范模板中间的配对水平，并根据阀值来判断是不是存有人脸； ②人脸标准法 因为人脸具备一定的构造遍布特点，说白了人脸标准的方法即获取这种特点转化成相对的标准以判断检测样品是不是包括人脸； ③样品学习方法 这类方法即选用系统识别中神经网络算法的方法，即根据对面像样品集和非面像样品集的学习培训造成分类器； ④皮肤颜色模型法 这类方法是根据外貌皮肤颜色在色彩空间中遍布相对性集中化的规律性来开展检验。 ⑤特点子脸法 这类方法是将全部面像结合视作一个面像子空间，并根据检验样品两者之间在子孔间的投射中间的间距判断是不是存有面像。 该明确提出的是，所述5种方法在具体监测系统中也可综合性选用。