山东华瑞电子有限公司

为提升小区安保等级，保障民众生命安全，国内不少生活社区启用了门禁系统。早期的门禁系统，主要依赖指纹识别、磁卡识别等技术，住户需要借助门禁卡、指纹等工具才能顺利通过小区大门。随着人脸识别技术深入研究与应用，市面上开始出现人脸识别闸机门禁系统人脸识别摆闸，该系统凭借人脸难以的特性横扫安防市场。

清晨匆忙出门，冲到小区门口才发现忘带门禁卡怎么办？要么掉头回去找，要么乖乖等人开门。平时还好，若是碰上工作日就有点悲剧了。对于分秒必争的上班族而言，等待的那一段时间或许就意味着全勤奖的泡汤。启用人脸识别闸机门禁系统之后，人脸就成了全新的、随身携带的"门禁卡"，想要出门刷脸就行，无接触高速度，还能防止皮肤细菌。

当然，也有住户提出疑问：晚上咋办？黑乎乎的，脸都看不清还怎么刷脸？针对夜间人脸识别效果问题，人脸识别技术今非昔比，环境光对如今的人脸识别技术而言影响不大人脸识别管理系统，即使是在夜间灯光下也可以轻松识别人脸。"夜间不能识别人脸"只是个不成问题的问题。

人行通道系统，顾名思义就是对于出入口的一个管理，但随着数字和网络技术的飞速发展，人行通道系统也就是门禁系统早已超越了单纯的门道及钥匙管理，而逐渐发展为一套完整的出入管理系统，对于工作环境安全、人事考勤管理等方面起着越来越巨大的作用。人行通道系统的选择也是很重要的，万一购买了劣质量产品那无非是给消费者带来生命和财产的不安全！

人脸图像预处理：对于人脸的图像预处理是基于人脸检测结果，对图像进行处理并终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、化、几何校正、滤波以及锐化等。

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。

人脸识别难的部分是有充分适应各大光线环境的人脸预处理算法，需要在各种复杂的光线环境中提取到人脸信息，特别是移动互联网时代，摄像头拍照的地方可以在斑驳的树影下，也可以在昏暗的街灯下，以及深夜出租车内，这对算法的鲁棒性考验极大。同时还要考虑照片和视频欺诈，二次成像的光线污染等问题。

人脸识别技术主要是利用图像处理技术从图像中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，即人脸特征点模型。再从人脸特征点模型与被测者的人的面像进行特征分析（可以假定为无数的几何特征点求解），根据分析的结果来给出一个相似值，通过这个值即可确定是否为同一人。简单的说就是A/B两张照片比对，产生的计算数值是否达到要求。

人脸识别系统主要包括四个组成部分：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。折叠人脸图像采集及检测人脸图像采集：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。