山东华瑞电子有限公司

人脸识别闸机解决校园学生出入安全问题

个人身份确认是社会较为普遍的基本需求，自古以来面相是确定人身份的重要依据人脸自动识别系统。计算机人脸识别技术是一项非常具有挑战性的任务，迄今为止计算机人脸识别的准确性依然受到光照条件、人脸的姿态、表情等因素的影响[1]。相比指纹、虹膜等生物特征的身份鉴别技术，人脸图像信息的获取可以在非合作条件下完成，因此该技术在业务中的应用需求非常大。近年来，随着深度学习等新理论和方法的突破，人脸识别技术的准确性有了大幅度提升。

如何创造一个安全的、数字现代化的、智能化的校园，安全管理有着十分重要的意义。人脸识别技术是基于人的脸部特征为信息源进行身份验证的一种生物识别技术，用于闸机上是为了方便人们快速开闸。

人脸在视觉上的特点是：

，不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸的结构外形都很相似。这样的特点对于利用人脸进行定位是有利的，通道闸机系统可以通过这发面进行发展。

第二，人脸的外形很不稳定人脸识别管理系统，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。通道闸机人脸识别技术可以一一排除这方面的困难，从而达到理想的运用效果。

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。

人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。人脸识别技术的核心实际为“局部人体特征分析”和“图形/神经识别算法。”这种算法是利用人体面部各及特征部位的方法。如对应几何关系多数据形成识别参数与数据库中所有的原始参数进行比较、判断与确认。一般要求判断时间低于1秒。人脸识别系统的工作流程是怎样的?人脸捕获与跟踪，人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来，并自动地将其保存。人像跟踪是指利用人像捕获技术，当的人像在摄像头拍摄的范围内移动时自动地对其进行跟踪。人脸识别比对，人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指，从数据库中已登记的所有人像中搜索查找是否有的人像存在。人脸的建模与检索，可以将登记入库的人像数据进行建模提取人脸的特征，并将其生成人脸模板(人脸特征文件)保存到数据库中。在进行人脸搜索时(搜索式)，将的人像进行建模，再将其与数据库中的所有人的模板相比对识别，终将根据所比对的相似值列出相似的人员列表。真人鉴别，系统可以识别得出摄像头前的人是一个真正的人还是一幅照片。以此杜绝使用者用照片作假。此项技术需要使用者作脸部表情的配合动作。图像质量检测，图像质量的好坏直接影响到识别的效果，图像质量的检测功能能对即将进行比对的照片进行图像质量评估，并给出相应的建议值来辅助识别。