山东华瑞电子有限公司

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、戴眼镜等方法潜入人脸识别翼闸。

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、刷指纹或者输密码人脸识别管理系统，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。

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；

人脸的外形很不稳定，人可以通过脸部的变化产生很多表情，而在不同观察角度，人脸的视觉图像也相差很大，另外，人脸识别还受光照条件（例如白天和夜晚，室内和室外等）、人脸的很多遮盖物（例如口罩、墨镜、头发、胡须等）、年龄等多方面因素的影响。

在人脸识别中，类的变化是应该放大而作为区分个体的标准的，而第二类的变化应该消除，因为它们可以代表同一个个体。通常称类变化为类间变化（inter-class difference），而称第二类变化为类内变化（intra-class difference）。对于人脸，类内变化往往大于类间变化，从而使在受类内变化干扰的情况下利用类间变化区分个体变得异常困难。

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。

(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。