门禁智能人脸识别

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。它属于生物特征识别技术，是对生物体(一般特指人)本身的生物特征来区分生物体个体。

单目高清动态人脸识别采用了200W像素宽动态神经网络算法，其集图像采集、人脸检测、人脸跟踪和人脸比对等功能，具有识别率高及识别速度快的特性。访客刷脸通行，可外接显示屏与工地实名制系统对接，动态人脸识别可防强光，防水，可使用在室内或室外。

人脸识别的技术流程

人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。
　　1、人脸图像采集及检测
　　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算法挑选出一些能代表人脸的矩形特征(弱分类器)，按照加权投票的方式将弱分类器构造为一个强分类器，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。 
　　2、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、归一化、几何校正、滤波以及锐化等。 
　　3、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。人脸特征提取就是针对人脸的某些特征进行的。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。
　　4、人脸图像匹配与识别
 
　　提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。这一过程又分为两类：一类是确认，是一对一进行图像比较的过程，另一类是辨认，是一对多进行图像匹配对比的过程。

门禁智能人脸识别

系统优势

1、采用人脸识别算法，快速识别人脸，辨别证件真伪、快0.1秒判断是否是本人，准确率高达99.9%；
2、支持20000人脸库，华为海思处理器，单目双目活体检测、安全帽检测
3、系统支持不同的识别方式；支持语音播报，可选TTS语音
4、200万像素高清摄像机，大尺寸宽动态图像传感器，逆光暗光强光和黑暗环境清晰识别
5、创新使用设备进行自*，解决大量固定人员登记问题，提高登记效率，杜绝冒名顶替，提高安全性
6、访客登记：对来访人员进行身份核查，在后台登记完成后，访客人员可在设定权限的人脸终端刷脸通行