隨著社會經濟的高速發展，生產生活環境的舒適性和安全性已經成為重要的考量因素。門禁系統在環境中起到的重要作用得到越來越多的重視。目前市面上的門禁系統以卡類設備、指紋設備或密碼設置為主，這些識別方式都要求人員近距離操作，當使用者雙手被占用時則顯得極不方便，同時也帶來卡片或密碼丟失、遺忘，復制以及被盜用的隱患和成本高的問題。指紋識別，被網上叫座的指紋套破解了“密碼”，更加讓人覺得恐慌不安。人臉識別技術應用到門禁領域，對于舒適性和安全性的問題迎刃而解。

　　采用卡、證、指紋等方式解決的問題均是利用物體特征指代人，改善效率和便捷性，均屬于模式識別技術。近年來，人工智能、云計算、大數據等新興技術被廣泛應用在各行各業，人臉識別技術屬于生物識別類別，也是人工智能范疇中的一塊基石，其技術本身的先進性及可靠性也已成熟。

　　將人臉識別技術應用在門禁系統中，再合理、優化部署在辦公樓、廠區等生產生活場景中，能夠打造更加便捷、安全的生產生活環境。其中人臉識別閘機即為應用較為廣泛的門禁設備。

　　二、人臉識別閘機設計方案

　　1、以案例現場分析說明：

　　人臉識別閘機設計圖

　　該門有閘機6組

　　該門朝向為向南

　　該門有防雨棚

　　預安裝面部識別設備為東側指紋通道

　　預安裝設備數量2臺

　　2、人臉識別閘機設計圖：

　　人臉識別擺閘

　　3、人臉識別閘機系統結構圖：

　　人臉識別閘機系統

　　4、人臉識別閘機系統介紹：

　　人臉識別閘機與其他終端產品一樣，均采用云服務方式，樣本庫不需要專門采集，可提取二代身份證中照片、可單獨提交電子照片形成樣本庫。數據鏈路采用標準以太網鏈路，進出模式可設置單向或雙向通過。

　　人臉識別閘機

　　a、產品特點

　　系統采用分布式結構設計，云端部署易于集成，管理與維護方便。

　　雙算法融合，多模式識別(1：1/1：N)

　　雙目相機模組，對環境適應能力強，弱光仍可識別。

　　安裝方便快捷，應用場景廣泛，易維護。

　　可無需注冊直接與身份證芯片內存儲照片做比對。

　　ID和人臉識別相結合，徹底解決單個生物識別應用的局限性。

　　符合人體工程學設計，無需駐留配合設備做身份驗證。

　　b、技術特性

　　算法層：人臉識別閘機系統算法采用基于深度學習，千萬級樣本訓練的雙人臉識別融合算法，能提升產品的環境適應性和正確識別率。

　　云部署：設備采用云部署，實現Internet化管理。用戶可根據實際業務自行購買相應的SAAS服務，如門禁管理系統、訪客管理系統、考勤管理系統等。

　　安全性：設備運行安全可靠，系統用硬件加密和嚴格的權限管理，可有效確保系統數據的安全性。

　　二、人臉識別擺閘技術

　　1、技術特點

　　對姿態、光照、遮擋、年齡，有較強的自適應性。

　　從海量數據中自動學習得到有效特征，判別性強，精度高。

　　活體檢測技術，防止人臉照片、模型、視頻等攻擊。

　　馬爾可夫算子，千萬級樣本訓練，算法精度更高。

　　2、人臉識別技術優勢

　　人臉識別技術

　　基于大數據下的深度學習的卷積神經網絡人臉識別算法，大幅提升了各種現實情況，如側臉、半遮擋、面部涂抹、模糊人臉等中的人臉識別能力。并且隨著大數據的深度學習可持續優化與提升。

　　人臉檢測模塊采用了基于多光譜、多尺度、多視角、多通道的Adaboost算法，可對不同姿態、不同場景、不同光照的人臉進行實時檢測。

　　關鍵點定位模塊采用了隨機蕨級聯回歸算法，可對表情豐富、角度多變的人臉進行精準定位。特征提取和匹配識別模塊分別采用了深度卷積網絡和聯合貝葉斯模型，訓練過程更加自動化、學習特征更具代表性、識別效果更好。

　　3、產品優勢

　　雙算法融合

　　近紅外算法抗干擾性強，適應全黑工作環境，防偽能力卓越，杜絕偽造人臉識別?？梢姽馑惴ㄟm用范圍廣，電子登記照即可使用，無需重新采集錄入人臉深度學習的人臉識別算法，正確識別率高達99%以上卷積神經網絡人臉識別算，性能全球領先。

　　性能強勁

　　采用專用圖形處理芯片，功耗更低，性能更強，單次識別耗時可達秒級以內。高性能通行控制技術，特制鏡頭，成像更清晰，幀率更高，減少運動模糊，視角更大，適應更大身高差的人群。

　　人性化設計

　　精巧、時尚的流線型設計，符合人體工程學，提高用戶舒適度。用戶友好直觀，語言提示使用者通行。

　　智能光源

　　設備自帶智能補光燈，能夠根據環境光照調整補光燈亮度，并在無人時自動進入休眠功能，節約能耗。

　　云端互聯

　　所有設備的管控、數據的管理都可以采用云+端的方式，自建公有云平臺，并集成了SaaS服務，用戶只需下載APP就可以輕松管理、配置所有終端設備，并可以在線生成報表等。

　　高擴展能力

　　動態人臉監控預警系統采用分布式的大數據處理架構，能夠輕松應對前端攝像頭路數的增加，不會出現軟件的性能瓶頸，實現秒級的結果反饋。