山东华瑞电子有限公司

随着现代化城市的发展，人脸识别闸机将是校园安全防范设备的不二之选。在校园重点进入场所尽可能的安人脸识别闸机装置，可有效的阻止人员混进校园。 人脸识别闸机部署于校园的目的　学校大门出入口是学校的门户，是师生的必经之道，是家长接送小孩的交接点人脸自动识别系统，也是分子经常出手的地方，学校大门出入口也是学校安全管理的部位，安装人脸识别闸机可有效阻止陌生人进入校园防范和避免突发事件的发生。

杜绝陌生人随意进出，强化小区安全管理　　老旧小区或多或少存在管理不严问题。贴广告的、搞推销的、发传单的、认识的不认识的人员车辆随意出入，带来极大的安全隐患。启用门禁系统后，该现象明显得到缓解，然而拦得住无意人，防不住有心人。门禁成本低廉，指纹有指纹膜可以替代，只要想进来，什么门禁都不是问题。

在人脸识别闸机门禁系统正式启用之前，社区服务中心会通知住户进行信息录入和人脸采集。正式启用人脸识别闸机门禁之后人脸识别管理系统，不曾在系统里登记过信息的人无法自由出入，有效杜绝陌生人随意进出，进一步强化社区安全管理。　　亲友前来拜访，想要进入小区该怎么办？每次都要自己下来开门？显然不现实。针对这个问题，社区管理做出解释："业主租户可以通过电话、视频等方式确认访客身份，随后进行临时性的人脸和登记，就可以顺利进出小区了。"　　由于小区人口经常发生变动，比如搬家、租房等，管理处需要及时为新住户更换指纹资料，配备门禁卡、钥匙等，非常麻烦。人脸识别闸机门禁投入使用之后，新来的住户只需要在社区管理处登记人脸信息，即可自由进出，大大节省社区人员变动管理成本。

曾经看似高深莫测的人脸识别，如今就在触手可及之处。人脸识别闸机门禁的投入应用，改变以往的出入模式，有效阻拦陌生人随意进出小区，尽可能降低小区安全事故发生的频率，提高住户生验，推进小区服务科技化，打造全新的物业管理模式，实现智能化管理。

人脸识别技术应用具有较强的场景性，不同应用场景对核心算法能力要求不一样。在办公区、社区、公寓、酒店等泛安防商用场景，人脸数据库规模相对较小，并不需要在巨量的数据集上进行深度学习训练，对硬件并没有过高的要求，而嵌入式人脸终端完全可以承载这些场景人脸识别的计算量。苏亮亮表示，“无论是算力还是算法层面，当前人脸识别已经基本可以满足泛安防领域的业务需求。”

众所周知，长租公寓、公租房和酒店因流动人口众多，带来不少安全隐患以及人口管理难题。而传统人口管控办法不仅消耗大量的人力和物力，而且办事效率极其低下，结果往往不尽人意。而嵌入式人脸终端的采用，将不失为有效解决公寓出入门禁和安全管理问题的新方法。

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。

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。[1]

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；

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。