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。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]人脸识别一体机。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。

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人脸识别管理系统。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。

人脸识别在闸机领域的应用场景：传统的门禁卡系统，用户在使用过程中一旦遗失门禁卡或者遗漏门禁卡，就会陷入无法通过门禁的尴尬。指纹识别虽然说也是门禁卡中的一大进步，但是一旦出现使用者指纹破皮手湿、灰尘等情况，也照样不能通过门禁。相较于以上两种门禁卡，人脸识别门禁系统的优势比较明显，基于人的面部特征进行识别，不需要带卡，刷脸就可通行，所以人脸识别门禁系统越来越受欢迎。人脸检测识别系统基于深度学习神经网络，具有成本低、检测快、准确率高、自动学习等优点。可对接多种系统，如商城系统、会员管理系统、一卡通系统、小程序、OA办公系统、ERP系统等。随着技术的不断进步和突破，人脸识别门禁的功能也越来越强大，应用也越来越广，提高来访者通行率的同时，也为访客带来全新的体验。人脸识别在闸机领域的应用场景也是多种多样。

人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主；人脸识别系统成功的关键在于是否拥有的核心算法，并使识别结果具有实用化的识别率和识别速度；“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、系统、视频图像处理等多种技术，同时需结合中间值处理的理论与实现，是生物特征识别的应用，其核心技术的实现，展现了弱人工智能向工智能的转化。