山东华瑞电子有限公司

随着人脸识别技术的成熟，各种领域使用人脸识别闸机替代人工进行实名制验证，实现对出入口的、便捷、精准的管理以及降低人工管理成本。对于人脸识别实名制闸机的应用，机场安检、火车站、汽车站、海关、智慧楼宇、智慧社区等场所都已开始投入使用… 应用人脸识别闸机，机场、火车站、海关等高安防场合，将人脸识别与实名制验证结合人行通道闸系统，让旅客自助安检或验票通关，替代人工检验，而且人脸识别的速度非常快，让旅客的出行更加便利。 人脸识别速通闸，还可以从前端摄像头开始部署，将采集的数据与系统对接，有助于开展工作，防止与打击行为，加强公共场合的安全和提高人员的办案效率。

校园出入口人脸识别闸机系统可解决校园安全问题：1.学生、教职工进出校园刷脸即可通过闸机进入学校，无需带卡；2.非本校外来人员一律不允许进入学校；3.已经注册的学生家长可以同时刷和刷脸，即可通过闸机进入学校；4.访客需通过到门卫访客机刷登记后，可临时进入校园；5.闸机具备刷IC卡功能，当学生人脸识别核验失败时，也可通过刷学生卡通过闸机；6.对学生的进出校园，可通过后台查询信息记录；7.需对学生和教职工进行人脸图像的采集建库。原则上学生家长也需要人脸图像的采集人脸识别管理系统，如条件不具备也可不采集人脸图像，但进出需同时刷；8.系统针对学校的应用情况，系统可以建立家长和学生的关联关系，比如家长进出闸机时屏幕显示该家长的，也可以控制家长和学生成对进出的验证。

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，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，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。

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。

人脸识别系统包括三个一部分： (1)人脸检验 外貌检验就是指在动态性的情景与繁杂的背景图中判断是不是存有面像，并分离出来出这类面像。一般有以下几类方法： ①参照模板法 设计方案一个或多个规范人脸的模板，随后测算检测收集的样品与规范模板中间的配对水平，并根据阀值来判断是不是存有人脸； ②人脸标准法 因为人脸具备一定的构造遍布特点，说白了人脸标准的方法即获取这种特点转化成相对的标准以判断检测样品是不是包括人脸； ③样品学习方法 这类方法即选用系统识别中神经网络算法的方法，即根据对面像样品集和非面像样品集的学习培训造成分类器； ④皮肤颜色模型法 这类方法是根据外貌皮肤颜色在色彩空间中遍布相对性集中化的规律性来开展检验。 ⑤特点子脸法 这类方法是将全部面像结合视作一个面像子空间，并根据检验样品两者之间在子孔间的投射中间的间距判断是不是存有面像。 该明确提出的是，所述5种方法在具体监测系统中也可综合性选用。