山东华瑞电子有限公司

智能化时代，随着人脸识别技术的进步，人脸识别考勤逐渐走进人们的视野。由于解决了IC卡丢失，指纹破皮打不上卡的问题人脸智能识别系统，以及完善考勤管理制度，因此逐渐被市场接纳并普及应用。可以说，人脸识别考勤的出现，既是生物识别技术进步的使然，也是当今社会需求的必然结果。

相对于C端家庭领域，公共领域的出入门禁更倾向于采用人脸识别，而且对识别率要求没有那么高，企业一般都能接受99．7％的识别率。但是对于家庭用户来讲，由于涉及到安全隐私风险，一般很难接受人脸识别有稍微的误差。而在学校、社区、办公楼或公寓和酒店这些公共区域的出入口，一般本身部署视频监控和防盗报警等安全防控装置，相对来说安全一些。而且，的是，人脸识别可以实现同时多目标识别人脸识别管理系统，避免排长队识别的拖拉，大大提升了管理和业务效率。

①特征向量法

该方法是先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离等属性，然后再计算出它们的几何特征量，而这些特征量形成一描述该面像的特征向量。

②面纹模板法

该方法是在库中存贮若干标准面像模板或面像模板，在进行比对时，将采样面像所有象素与库中所有模板采用化相关量度量进行匹配。此外，还有采用模式识别的自相关网络或特征与模板相结合的方法。

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。人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行识别的一系列相关技术，通常也叫做人像识别、面部识别。人脸识别的英文名称是 Human Face Recognition.人脸识别产品利用AVS03A图像处理器；可以对人脸明暗侦测,自动调整动态曝光补偿，人脸侦测,自动调整影像放大。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。

人脸识别系统使用应哪些考虑因素?一、从系统的选择上考虑，伴随着近几年识别系统技术的提升，目前生物识别技术市场上刚出现了数不胜数的解决方案，这些系统方案的供应商纷纷表示自己方案的优越性。但在系统集成商来说，他们选购人脸识别系统并不是看这些系统数据上的，更重要的是能够解决密集人群人脸的识别，抓拍以及系统的安全性能。同时，对于与系统相搭配的平台软件来说，人脸识别系统本身的方案也决定了平台软件能否对其进行良好的处理，故此，人们在选择具体的系统时在参考厂商的宣传以及样件时，还应该深入了解其平台软件的集成效果，以此来选择更好的人脸识别系统供应商。

二、从安装人脸识别系统注意的细节考虑，在现实的实际应用中，系统能够与现有的平台软件和硬件相兼容也是重要考虑的问题，例如有些摄像机并不适用于某些人脸识别系统，在这种情况下就要更换新的设备了。在安装人脸识别系统时，人们可有利用某些分析软件对摄像机性能进行分析，确保摄像机能够通过角度，光线以及其他因素来清晰的采集到脸部进行识别。