山东华瑞电子有限公司

提升业主居住使用安全性、便捷性机场人脸识别系统，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人脸识别，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。

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，带着娃人脸识别系统，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，门会自动人脸识别管理系统，住户可自由出入，不需要专门腾出手来、刷指纹或者输密码，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。

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。

首先，人脸识别有着自然性优势。所谓的自然性是指这一识别方式同人类进行个体识别时所利用的生物特征相同，是通过观察比较人脸区分和确认身份；系统具有自然性的识别还有语音识别和体形识别，而指纹识别和虹膜识别等因人类不能通过此类生物特征区别个体所以不具备自然性。

其次，人脸识别技术具有非强制性特点。被识别的人脸图像信息可以主动获取而不被被测个体察觉，人脸识别是利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别需要利用电子压力传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而带有可被伪装欺骗性。

第三，人脸识别技术具有非接触优势。相比较其他生物识别技术而言，人脸识别是非接触的，用户不需要和设备直接接触，而同时能够满足在实际应用场景下进行多个人脸的分拣、判断及识别。

面部识别系统软件的功效取决于面部识别是一项受欢迎的电子信息技术研究领域，它归属于生物特征识别技术，是对生物体（一般专指人）自身的生物特征来区别生物体个人。生物特征识别技术所科学研究的生物特征包含脸、指纹识别、手相、、、响声（视频语音）、体形、本人习惯性（比如敲打电脑键盘的幅度和頻率、签名）等各种各样正明状况，做为保持身体检验的系统软件相对的识别技术就许多人脸识别、指纹识别识别、手掌纹识别、识别、识别、语音识别（用语音识别能够 开展识别，还可以开展视频语音內容的识别，只能前面一种归属于生物特征识别技术）、体形识别、电脑键盘敲打识别、签名识别等。 伸缩

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。