山东华瑞电子有限公司

人脸识别技术应用具有较强的场景性，不同应用场景对核心算法能力要求不一样。在办公区、社区、公寓、酒店等泛安防商用场景，人脸数据库规模相对较小，并不需要在巨量的数据集上进行深度学习训练，对硬件并没有过高的要求，而嵌入式人脸终端完全可以承载这些场景人脸识别的计算量。苏亮亮表示人脸识别门禁系统，“无论是算力还是算法层面，当前人脸识别已经基本可以满足泛安防领域的业务需求。”

众所周知，长租公寓、公租房和酒店因流动人口众多，带来不少安全隐患以及人口管理难题。而传统人口管控办法不仅消耗大量的人力和物力，而且办事效率极其低下，结果往往不尽人意。而嵌入式人脸终端的采用，将不失为有效解决公寓出入门禁和安全管理问题的新方法。

3D人脸识别系统常规的脸识别需要的四个步骤：人脸图像预处理、人脸图像匹配和识别、人脸图像采集及检测、人脸图像特征提取，同时这也是人脸识别系统的四个主要的组成部分。

 1、人脸图像预处理：图像预处理是人脸识别技术中一个相当重要的环节，因为图像采集的地点光线等因素不同，图像的质量也有较大的差异。图像预处理的目的主要是为了去除对图像有干扰的信息，提高图片的质量，突出有用的信息人脸识别管理系统。为之后对图像的分析计算提供便利，达到更快更准确的目的。

 2、人脸图像匹配与识别：通过摄像头采集到的图片进行信息处理，通过核心算法对图片中的人脸的五官、脸型和角度等信息进行计算，并且把图像信息和自身数据库里保存的图像信息进行搜索比对，当两者的匹配度到达一定的比例就可以把匹配到的数据输出，达到的目的。

 3、人脸图像采集及检测：人脸图像通过摄像头等方式以静态图像，动态图像等方式进行记录，通过人脸检测的方式来确定人脸的位置和大小。以目前主流的人脸检测及采集的方法来说，Adaboost人脸检测算法，是基于积分图、级联检测器和Adaboost算法的方法，该方法能够检测出正面人脸且检测速度快。但其缺点是在复杂背景中，容易受到复杂环境的影响，导致检测结果并不稳定，极易将类似人脸区域误检为人脸，误检率较高。

 4、人脸图像特征提取：通过对预处理之后的图像进行分析计算，提取出图像中的人像的五官特征、人脸图像变换系数特征等。人脸特征提取的方法有两大类：一种是基于知识的表征方法，首先需要提取出人脸的五官，如鼻子、眼睛、下巴、嘴巴等特点，在计算这些特点之间的位置关系，将它们之间的几何特征作为识别人脸的重要特征；另外一种是基于代数特征或统计学习的表征方法。

【1】红外人脸测温      随着校园数字化转型，快速、便捷的体温筛查也成为了刚需。本届教育装备展上，一德壹教展台上展出的人脸识别测温班牌，就可以有效的满足这一需求。

     师生日常考勤打卡时，人脸测温班牌自动锁定人脸区域，依靠红外热成像技术完成无接触测温，并将测温数据实时上传同步。值得一提的是，一德壹教采用了虹软视觉开放平台的ArcFace人脸识别人脸识别算法，该算法针对佩戴口罩这一特殊情况进行了针对性优化，提升了模型鲁棒性，不仅能检测目标是否佩戴口罩，还支持佩戴口罩情况下的人脸检测和人脸识别。

对金可可代表提到的“刷脸取件”问题，市邮政管理局表示，2020年11月，该局印发《关于进一步做好寄递用户信息安全管理工作的通知》，督促各企业切实增强法律意识，高度重视寄递用户信息安全管理工作的重要性。要遵循合法、正当、必要的原则收集、使用用户个人信息，不得过度处理，且征得该自然人或者其监护人同意，不得收集与其提供的服务无关的个人信息，不得出售、泄露或者提供个人信息。要加强用户信息安全防护系统建设，不断提升人脸识别等技术水平，严格落实网络安全等级保护要求，定期对用户信息安全管理情况进行评估，严格履行好保护用户信息的责任。邮政管理部门配合和国家安全等部门，对出售、提供和、获取用户个人信息等行为严厉打击。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。

网络应用

利用人脸识别辅助网络支付，以防止非的拥有者使用等。如计算机登录、电子政务和电子商务。在电子商务中交易全部在网上完成，电子政务中的很多审批流程也都搬到了网上。而当前，交易或者审批的授权都是靠密码来实现。如果密码被盗，就无法保证安全。如果使用生物特征，就可以做到当事人在网上的数字身份和统一。从而大大增加电子商务和电子政务系统的可靠性。