人臉識別門禁系統(tǒng)的行業(yè)須知 一路機電人臉識別門禁

人臉識別的發(fā)展歷史

第壹階段（1950s—1980s）初級階段

人臉識別被當作一個一般性的模式識別問題，主流技術基于人臉的幾何結構特征。這集中體現(xiàn)在人們對于剪影（Profile）的研究上，人們對面部剪影曲線的結構特征提取與分析方面進行了大量研究。人工神經(jīng)網(wǎng)絡也一度曾經(jīng)被研究人員用于人臉識別問題中。較早從事 AFR 研究的研究人員除了布萊索（Bledsoe）外還有戈登斯泰因（Goldstein）、哈蒙（Harmon）以及金出武雄(Kanade Takeo)等。總體而言，這一階段是人臉識別研究的初級階段，非常重要的成果不是很多，也基本沒有獲得實際應用。

第二階段（1990s）高潮階段

這一階段盡管時間相對短暫，但人臉識別卻發(fā)展迅速，不但出現(xiàn)了很多經(jīng)典的方法，還出現(xiàn)了若干商業(yè)化運作的人臉識別系統(tǒng)，比如為的 Visionics（現(xiàn)為 Identix）的 FaceIt 系統(tǒng)。 從技術方案上看， 2D人臉圖像線性子空間判別分析、統(tǒng)計表觀模型、統(tǒng)計模式識別方法是這一階段內(nèi)的主流技術。

第三階段（1990s末~現(xiàn)在）

人臉識別的研究不斷深入，研究者開始關注面向真實條件的人臉識別問題，主要包括以下四個方面的研究：

1）提出不同的人臉空間模型，包括以線性判別分析為代表的線性建模方法，以Kernel方法為代表的非線性建模方法和基于3D信息的3D人臉識別方法。

2）深入分析和研究影響人臉識別的因素，包括光照不變?nèi)四樧R別、姿態(tài)不變?nèi)四樧R別和表情不變?nèi)四樧R別等。

3）利用新的特征表示，包括局部描述子（Gabor Face, LBP Face等）和深度學習方法。

4）利用新的數(shù)據(jù)源，例如基于視頻的人臉識別和基于素描、近紅外圖像的人臉識別。

人臉識別，是視覺模式識別的一個細分問題，也大概是蕞難解決的一個問題。 其實我們?nèi)嗣繒r每刻都在進行視覺模式識別，我們通過眼睛獲得視覺信息，這些信息經(jīng)過大腦的處理被識別為有意義的概念。于是我們知道了放在我們面前的是水杯、書本，還是什么別的東西。

我們也無時無刻不在進行人臉識別，我們每天生活中遇到無數(shù)的人，從中認出那些熟人，和他們打招呼，打交道，忽略其他的陌生人。

人臉識別在閘機領域的應用場景

人臉識別是基于人的臉部特征信息進行身份識別的一種生物識別技術。針對輸入的人臉圖像或者視頻流，首先判斷其是否存在人臉，如果存在人臉，則進一步的給出每個臉的位置、大小和各個主要面部的位置信息。然后依據(jù)這些信息，進一步提取每個人臉中所蘊涵的身份特征數(shù)據(jù)，并將其與已知的人臉進行對比，從而識別每個人臉的身份。

人臉識別在閘機領域的應用場景

1、員工上班人臉閘機通道

2、火車站旅客入站人臉閘機通道

3、機場人臉識別閘機通道

4、學校人臉識別閘機通道

5、景區(qū)人臉識別閘機通道   

6、小區(qū)人臉識別閘機通道