山东华瑞电子有限公司

虽然人脸识别在商用领域已经被接受，但高成本和高功耗一直是限制其规模化应用的阻碍因素。人脸识别技术和设备提供商需要在满足实际应用场景需求的同时，不断降低设备成本人行通道管理系统，同时降低产品功耗，提升产品的全生命周期，从而加快人脸识别技术在商用领域的规模化应用。

除成本和功耗因素外，人脸识别同时也面临着双胞胎的识别、光线的干扰、美容化妆、遮挡、低分辨率的识别的技术瓶颈。无论是厂商还是用户，都需要正视目前存在的困难，不断使产品和技术趋于场景实用。随着，国家和行业标准的建立与实施，以及人脸识别技术不断迭代，人脸识别将在防伪化、三维化、环境适应性、、高速度等方面得到强化，并迎来新一轮的发展热潮。

现在通道闸机人脸识别技术的日趋成熟和发展前景越来越可观，国内目前在应用方面，也快速普及。

通道闸机与IC卡读写器结合便构成智能通道闸综合管理系统，可以实现门禁、考勤、收费等功能。我们通常都能在大型会议场所出入口处设立一组通道闸，可以方便了参会人员的出席签到、会议管理人员的统计和查询;为有效地掌握、管理参会人员出入和出席情况提供了轻松的解决方案人脸识别管理系统。同时也委婉地拒绝了非与会人员的进入，保障了会议的次序。大大减轻了会议服务人员的工作负担，会极大地提高会仪的工作效率。

人脸图像采集：不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。

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。

人脸检测过程中使用Adaboost算法挑选出一些代表人脸的矩形特征(弱分类器)，按照加权的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。

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。