圖書館人臉識別常用解決方案「多圖」

人臉識別門禁的作用

社區人口集中，人員收支情況復雜，既有親朋好友、快遞外賣，也有陌生人。因為人多，辦理人員精力問題，收支口辦理作業一向不大理想，再加上磁卡丟掉、暗碼泄露、指紋被盜等問題得不到有用處理，不少非1法分子趁機潛入，導致社區內安全事情頻發。

人臉辨認門禁體系，結合人臉辨認、人臉對比、物聯網等技能完成身份穿插驗證，幫忙社區辦理人員準確用戶身份。據了解，因為人臉的直觀性和不易被仿1制的特性，人臉辨認門禁體系可以有用阻攔陌生人隨意進出社區，盡可能下降社區安全事故發作的頻率，強化社區安防體系。

跟著人臉辨認技能的飛速發展，人臉辨認門禁的優化更進一步。現在人臉辨認技能的辨認率已不受化裝技能、人像相片、面具模型、白天黑夜等外在因素影響。陌生人想要憑仗偽裝進入社區大門難如登天。

傳統的人臉識別技術主要是基于可見光圖像的人臉識別，這也是人們蕞熟悉的識別方式，已有30多年的研發歷史。但這種方式有著難以克服的缺陷，尤其在環境光照發生變化時，識別效果會急劇下降，無法滿足實際系統的需要。解決光照問題的方案有三維圖像人臉識別，和熱成像人臉識別。但這兩種技術還遠不成熟，識別效果不盡人意。

迅速發展起來的一種解決方案是基于主動近紅外圖像的多光源人臉識別技術。它可以克服光線變化的影響，已經取得了識別性能，在精度、穩定性和速度方面的整體系統性能超過三維圖像人臉識別。這項技術在近兩三年發展迅速，使人臉識別系統逐漸走向實用化。

人臉與人體的其它生物特征（指紋、虹膜等）一樣與生俱來，它的 性和不易被復質的良好特性為身份鑒別提供了必要的前提。

人臉識別系統的幾大特征

人臉識別系統是從面部點之間的距離和比率作為特征，識別速度快，內存要求比較小，對于光照敏感度降低。

1、基于模型特征

根據不同特征狀態所具有概率不同而提取人臉圖像特征。

2、基于統計特征

將人臉圖像視為隨機向量，并用統計方法辨別不同人臉特征模式，比較典型的有特征臉、獨立成分分析、奇異值分解等。

3、基于神經網絡特征

利用大量神經單元對人臉圖像特征進行聯想存儲和記憶，根據不同神經單元狀態的概率實現對人臉圖像準確識別。

人臉識別系統是根據所提取的人臉圖像特征采用相關識別算法進行人臉確認或辨別。即將已檢測到的待識別人臉與數據庫中已知人臉進行比較匹配，得出相關信息，該過程的關鍵是選擇適當的人臉表征方式與匹配策略，系統的構造與人臉的表征方式密切相關。一般根據所提特征而選擇不同識別算法進行度量，常用的包括距離度量、支持向量機、神經網絡、k均值聚類等。