山东华瑞电子有限公司

人脸识别闸机越来越受企业青睐

小区、校区、楼宇等出入口管理是城市的一个重要组成部分，利用高新技术手段，让出入口管理在各个方面更加的智能化，提升管控的先进性，为社区居民提供更加智能化的服务，已经成为当下社区管理的大势所趋人脸识别一体机。    作为人工智能领域的重要组成部分——人脸识别的科技发展相关政策支持力度不断加强，因此，人脸识别的重要性也就不言而喻。从应用领域来看，目前人脸识别闸机广泛应用于客运站（人、证、票合一验证，实名核验）、小区（出入口通道身份核验，刷脸开闸、访客登记）、工地（出入口管理，刷脸开门、身份核验、考勤记录）、楼宇（进出人员身份核验、访客登记、刷脸开门、人脸门禁）、景区（人、证、票实名核验、黑名单识别告警）等场景，而现如今国内几乎所有的企业都开始配备“人脸识别闸机”，“人脸识别闸机”受到大企业的青睐，那么它到底具备哪些功能人脸识别系统，又能帮企业解决哪些问题呢？

出入口人脸识别闸机基本的管理任务就是内外人员分流管理，VIP访客体验升级    企业将人员信息录入数据库，内部人员可以直接刷脸进出道闸，外来访客只需要简单登记信息再刷脸即可进入，智能化的人脸识别大大节省了人员出入的时间，人员的来访也得以有序管理。针对VIP访客，管理员可事先在人脸库录入图像人脸识别管理系统，访客来访时无需登记，直接刷脸通行，提升企业接访形象。

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；

④肤色模型法

这种方法是依据面貌肤色在色彩空间中分布相对集中的规律来进行检测。

⑤特征子脸法

这种方法是将所有面像集合视为一个面像子空间，并基于检测样品与其在子孔间的投影之间的距离判断是否存在面像。

值得提出的是，上述5种方法在实际检测系统中也可综合采用。

(2)人脸跟踪

面貌跟踪是指对被检测到的面貌进行动态目标跟踪。具体采用基于模型的方法或基于运动与模型相结合的方法。此外，利用肤色模型跟踪也不失为一种简单而有效的手段。

(3)人脸比对

面貌比对是对被检测到的面貌像进行身份确认或在面像库中进行目标搜索。这实际上就是说，将采样到的面像与库存的面像依次进行比对，并找出的匹配对象。所以，面像的描述决定了面像识别的具体方法与性能。目前主要采用特征向量与面纹模板两种描述方法：

人脸的外形很不稳定，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。

在人脸识别中，类的变化是应该放大而作为区分个体的标准的，而第二类的变化应该消除，因为它们可以代表同一个个体。通常称类变化为类间变化（inter-class difference），而称第二类变化为类内变化（intra-class difference）。对于人脸，类内变化往往大于类间变化，从而使在受类内变化干扰的情况下利用类间变化区分个体变得异常困难。

门禁系统

   门禁管理系统是以人脸识别为开门工具，配合计算机管理系统，实现房间分类、出入纪录、时间统计、防盗报警等安全管理。

   门禁管理范围：所有需要控制人员进出的场所，包括办公楼、机房、财务室、资料室等等，不同的地方可以采用不同的门禁设备，实现上可以采用相同的控制软件。

   办公室门禁将所有单元大门进行网络化连接，并且通过一定数量的门禁控制器将所有门识别终端进行统一管理，通过统一的数据采集验证接口，制定相应的门禁规则、完成系统的黑白名单，实现办门禁系统的智能网络化的统一管理。

   停车场管理以人脸识别权限替代原有卡权限，完成停车场改造或新建停车管理系统，系统设定有效识别距离为1.5米，进出停车场时，打开车窗扭头对向摄像头，即可识别权限通过，安全性及操作方便性远高于持卡停车。

   访客管理系统安装在机关大门保安室，可以对临时进出人员数据跟踪管理。也可以授权访客进出某办公室；控制外来车辆进出等；系统通过查询和统计规定时间内在采集点的读卡记录，对数据进行相关处理，生成进出报表，实现安防管理。

（5）食堂用餐系统

   根据机关食堂多为统一配餐的特点，人脸识别用餐系统设计为计次餐饮，全部采用实时消费方式，可充分利用的硬件资源，在原有网络系统接入人脸识别收费终端，用餐时只要微笑面对终端，机器根据内部权限即可判定该用餐者是否为有权限用户，发出警示，绿灯表示通过，红灯表示无权限；上位机软件根据消费次数完成员工的用餐报表。

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。