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人行通道管理系统，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，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人脸识别系统，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.对学生的进出校园人脸识别管理系统，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，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。

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，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；

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。

人脸识别开发工作的几个步骤：人脸图像采集及检测，检测 :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、结构特征及哈尔特征等，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。人脸图像预处理，基于人脸检测的结果，对图像进行处理，为后面的特征提取服务，系统获取的人脸图像可能受到各种条件的限制和随机干扰，需要进行缩放、旋转、拉伸、光线补偿、灰度变换、直方图均衡化、规范化、几何校正、过滤以及锐化等图像预处理。人脸图像特征提取，就是将人脸图像信息数字化，将一张人脸图像转变为的一串数字(一般称为特征向量)。例如，对一张脸，找到它的眼睛左边、嘴唇右边、鼻子、下巴等位置，利用特征点间的欧氏距离、曲率和角度等提取出特征分量，终把相关的特征连接成一个长的特征向量。