人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术,它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提。而人脸识别人行通道闸机系统就是把人脸识别技术和人行通道系统相结合,通过对人脸的识别作为人行通道开启的钥匙。它不仅免去了忘带钥匙或卡的烦恼,同时因为人脸识别人行通道闸机系统无需任何介质开门,而节省了不少成本,如人员变动不需要更换 IC 卡等,只需要重新对人脸信息进行登记注册即可;人脸识别人行通道闸机系统由于操作简单、安全、便捷、智能,且无论室内还是室外均可使用的特性,一直比“认卡不认人”的 IC 卡更具优势。近几年人脸识别技术已在公安、海关、金融、军队、机场、企业等领域得到了广泛的应用。有专家进一步指出,人脸识别的全面应用时代已经到来,他将成为一种方便人们日常生活的重要技术。
产品介绍及应用场景: 200 万像素动态脱机人像识别摄像机采用了国际先进的神经网络算法(CNN),是经数千万次算法训练后形成的产品,集图像采集、人脸检测、人脸跟踪和人脸比对等功能,不仅识别率高而且识别速度快。脱机动态人像识别机,无需行人特意配合直接识别,无需电脑控制,行人在运动中也可识别,这大大提高了人像识别的易用性。产品可配套应用于市面通用的任何通道闸(翼闸、摆闸、三辊闸等)、门禁及广告门,可直接输出开闸信号和韦根信号;可广泛应用于自家门口、小区门禁、学校进出口、道闸通道、写字楼、地铁、机场、高铁等场景。
目前小区、厂区等出入口最多采用的是刷卡验证的方式,经常出现没有带卡的问题,人脸识别技术应用于出入口道闸系统,是一种更安全的身份验证方式,我司的人脸识别摄像机可应用于门禁系统,具有识别率高,识别速度快,可适应高低温恶劣环境等优点。人脸比对成功后,相机可以直接输出开关信号到闸机、门禁,广告门等设备,完成开门动作。
人脸识别系统原理: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
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 算法挑选出一些最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
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,对图像进行处理并最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。
基于知识的表征方法主要是根据人脸器官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。
4、人脸图像匹配与识别
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。
咨询热线:赵经理15665759768