山东华瑞电子有限公司

人脸图像特征提取：人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等人脸识别管理系统。人脸特征提取就是针对人脸的某些特征进行的人脸识别。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类：一种是基于知识的表征方法；另外一种是基于代数特征或统计学习的表征方法。

基于知识的表征方法主要是根据人脸的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据，其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成，对这些局部和它们之间结构关系的几何描述，可作为识别人脸的重要特征，这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法人脸识别系统。

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。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人脸识别管理系统，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。

一、立柱人脸识别闸机应用场景：

适用于办公区域、酒店、通道闸机、写字楼、学校、商场、商店、社区、公共服务及管理项目等需要用到人脸门禁的场所。

二、立柱人脸识别闸机产品特性：

支持光敏传感协同的夜间补光；

支持串口、韦根26、34输出，输出内容支持配置；

采用基于视频流的动态人脸检测、跟踪识别算法；

支持设备本地存储万人库，（a）云平台设备支持同时储存5万张人脸照片（小于400KB）、100万条识别记录（0.45KB）、2万张现场抓拍照片（b）局域网设备支持同时存储2万张人脸照片（照片按100KB计算）、100万条识别记录（含近1万张现场抓拍照片）；

人脸库为3000时，误识率万分之三的条件下，1：N识别准确率为99.7%；

识别速度快，（a）人脸跟踪与检测耗时20ms左右（b）人脸特征提取耗时200ms左右（c）人脸比对耗时0.2ms（1000人库，多次识别取平均值），0.5ms（10000人库，多次识别取平均值）；

支持陌生人检测，陌生人等级可配置；

支持人脸识别或陌生人检测时的现场照片保存；

支持HTTP方式的接口对接；

支持公网、局域网使用部署方式；

支持屏幕显示内容配置；

支持识别距离配置。

人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。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。