山东华瑞电子有限公司

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，并分离出这种面像小区人脸识别系统。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；

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人脸识别管理系统，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。

总体设计思路

     人脸识别系统是基于建立“以员工为服务对象、以企业管理为目的，以多种信息化技术为管理手段、结合以人为本的服务理念，实现一脸认证通过考勤、进出权限认证、用餐认证等综合管理系统”的总体设计思路。

2、总体结构

     在系统的总体结构设计上，充分考虑现状以及未来的系统扩展需求，采用多接口、开放式框架设计。

     该人脸识别系统中心平台是核心层：由中心数据库，人事管理、系统管理等各类模块组成，主要对系统各类应用子系统和硬件终端进行综合管理，管理业务流和数据流。

应用子系统模块：子系统是微笑通系统的应用服务层，提供该系统的各类应用功能管理，包括食堂消费、门禁、考勤、会议签到、访客管理、车辆出入监控等子系统。通过专业定制的汉王人脸识别设备采集员工在终端发生的各类信息，通过计算机终端，管理各类信息，为及员工提供与人脸识别相关的各类服务。

      第三方应用接口：该系统提供规范的接口，开放的通讯协议，方便第三方人事管理系统，OA办公系统等通过统一的应用接口访问微笑通中心平台，实现数据共享数据交换。

【2】“家校互通”刷脸通话电子班牌      在星马电子的展台上，我们还可以看到主打刷脸视频通话的新型智慧班牌，在校园等半封闭式环境下可有效满足家校互通的刚需。学生提前录入人脸并与家长号码绑定后，只需刷脸即可与家长进行视频通话。对于限制携带手机的小、初、高而言，支持视频通话的智慧班牌可以满足学生联系家长的即时需求，也能避免学生对通讯设备的滥用。