人脸识别

人脸识别闸机是硬件闸机的基础上，增加了面部识别模块，通过采集访客面部信息，经过一定的算法处理判断出访问权限，现常用于公共场所来替代人工审核。 　人脸识别ESD门禁系统标准操作步骤 　　1、准备测试工作：测试员工双脚必须站在脚踏板(上)准备检测测试项，双脚必须站在脚印中间 　　2、如需测试防静电手腕带，请插入测试仪上手腕带测试孔，或者用鱼夹直接夹到仪器旁边的鱼夹柱上即可 　　3、眼睛正对人脸识别设备，人脸识别自动读取人员的信息资料 　　4、以上工作做好后将手指轻按或触摸测试键进行测试，观看测试仪上的LED显示测试结果，或者看8寸LCD液晶显示屏(测试最长时间为0--5S可调，超过5S须重新刷卡再次测试) 　　6、根据人员信息测试项目测试OK，系统则开启通道闸令测试人员进入;如果测试结果为NO，检查您手腕带或者鞋，LCD屏与静电测试仪会直观的显示测试结果及未通过原因。 另外人脸识别门禁闸机管理系统可以严格规范员工的考勤管理，从而避免替代打卡，效率低下和不易统计所带来的管理和使用维护成本高等问题。（非思丸） 来源： https://www.cnblogs.com/ymmi/p/11355754.html

人脸识别有三大模式，作为一项热门技术，人脸识别具有生物特征唯一性、非接触性、非强制性等优点，应用于门禁系统中恰到好处。借助摄像头等设备对来访人员进行拍摄，人脸识别可以快速对来访者进行身份核验，在此过程中可以避免人体与机器的直接接触，所需时间较短且效果较好 1:1作为一种静态比对，在金融、信息安全领域中潜在的商用价值巨大。例如在机场安检中持卡人样貌与身份证信息匹配的过程就是典型的1:1场景。然而人眼辨别率只达到95%左右，并会受到外部环境影响，所以机场安检人员通过换班来保证识别的准确率。 1:1作为一种静态比对，在金融、信息安全领域中潜在的商用价值巨大。例如在机场安检中持卡人样貌与身份证信息匹配的过程就是典型的1:1场景。然而人眼辨别率只达到95%左右，并会受到外部环境影响，所以机场安检人员通过换班来保证识别的准确率。 其次1:N则是在海量的人像数据库中找出当前用户的人脸数据并进行匹配。1:N具有动态比对与非配合的特 点，动态对比是指通过对动态视频流的截取来获得人脸数据并进一步比对的过程，而非配合性是识别过程非强制性与高效性的表现，识别对象无需到特定位置便能完成识别工作。由于这两个特性使1:N身份认证模式能迅速落地于公共安全管理与VIP客户人脸识别等场景，但其难度要远高于静态1:1，因为机器面临着曝光过度、逆光、侧脸、远距离等挑战。 最后M:N

物联网作为智慧城市建设基础，是未来城市智慧感知的先决条件，但其带来的庞大数据则是人力分析所不能及的，数据若无法转化为有意义的信息则毫无意义。AI技术刚好扮演着处理数据的重要角色。人工智能能够做到正确的辨识、发现异常、预测未来，通过人工智能结合闸机硬件的非思丸，实现人工智能融合行业应用进而实现向应用智能发展。 人脸应用功能： 1）实时抓拍。基于前端高清摄像机或人脸抓拍相机，通过系统或抓拍相机在实时视频中检测人脸，跟踪人脸运动轨迹，截取到最清晰的一帧进行储存。并把抓拍人脸照片、经过时间、相机地点信息等记录在路人库中，抓拍到并储存的人脸信息可作为检索数据库使用。支持按树形目标选择抓拍通道，并同时查看一路或多路实时人脸图片抓拍。支持背景图及小图的下载 。2）实时预警（人脸卡口）。支持抓拍图片与黑名单库的实时比对。支持预警接收的设置，在预警设置里,可选择预警接收的布控任务和布控范围。 3）历史预警。支持按布控任务、布控范围、布控对象、相似度、时间、报警确认形式进行单一条件或组合条件的查询。支持设置查询结果按时间或相似度排序。 4）人脸查询。支持对动态抓拍库、静态名单库的人脸查询。查询照片支持原图查看，详细信息查看，前后视频预览。人脸图像及相关结构化信息可导出成excel文件。 5）以脸搜脸（1:N比对）。用户可以选择某张人像图片，在抓拍库或者静态名单库中寻找相似度高的人像图片

物联网作为智慧城市建设基础，是未来城市智慧感知的先决条件，但其带来的庞大数据则是人力分析所不能及的，数据若无法转化为有意义的信息则毫无意义。AI技术刚好扮演着处理数据的重要角色。人工智能能够做到正确的辨识、发现异常、预测未来，通过人工智能结合闸机硬件的非思丸，实现人工智能融合行业应用进而实现向应用智能发展。 人脸应用功能： 1）实时抓拍。基于前端高清摄像机或人脸抓拍相机，通过系统或抓拍相机在实时视频中检测人脸，跟踪人脸运动轨迹，截取到最清晰的一帧进行储存。并把抓拍人脸照片、经过时间、相机地点信息等记录在路人库中，抓拍到并储存的人脸信息可作为检索数据库使用。支持按树形目标选择抓拍通道，并同时查看一路或多路实时人脸图片抓拍。支持背景图及小图的下载 。2）实时预警（人脸卡口）。支持抓拍图片与黑名单库的实时比对。支持预警接收的设置，在预警设置里,可选择预警接收的布控任务和布控范围。 3）历史预警。支持按布控任务、布控范围、布控对象、相似度、时间、报警确认形式进行单一条件或组合条件的查询。支持设置查询结果按时间或相似度排序。 4）人脸查询。支持对动态抓拍库、静态名单库的人脸查询。查询照片支持原图查看，详细信息查看，前后视频预览。人脸图像及相关结构化信息可导出成excel文件。 5）以脸搜脸（1:N比对）。用户可以选择某张人像图片，在抓拍库或者静态名单库中寻找相似度高的人像图片

目前，国内一二线大城市正在积极兴建智慧社区，门禁系统管理升级是社区建设核心工作之一。人工智能技术发展迅速，门禁系统不可避免迎来了智能化，在门禁卡、密码锁、指纹锁纵横的安防市场，人脸门禁崭露头角。 速度快、易携带、安全性三者兼得！ 前文说门禁卡复制问题，这不只是存在于海口，全国上下各地锁具店复制门禁卡比比皆是，安全漏洞不可谓不大。另外密码锁密码容易遗忘或者被盗，指纹锁存在“指纹膜”这个天敌。门禁卡、密码锁、指纹锁，或多或少存在易复制、易丢失的问题，似乎都不怎么安全。 人脸技术能够在多个领域迅速崭露头角，原因之一就是——不易复制。世界上找不出一模一样的两张脸，不易复制的特性让人脸成为新型门禁中独一无二的“钥匙”，这把钥匙随身携带，且难以复制，安全性杠杠的。不管是大人还是小孩，只要走到镜头下，无需其他介质，刷脸即可开门，不用担心身高不够，不用操心门禁卡忘带，更不用费心记住密码。 据介绍，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，不是单纯的平面识别或影像读取，而是一项立体识别工作，结合活体检测三维定向多角度记录人脸信息。也就是，如果有心人想要凭借照片、人偶、雕像这些无生命物体通行的可能性趋近于零。 另外人脸识别系统支持接入公安预警名单系统，如果镜头内出现预警名单上的人物，人脸门禁系统将针对物业安保人员发出警告，做好报警和防范的准备，与传统的门禁相比

前言： 什么是OpenCV?可能还有人不清楚吧，简单地说，OpenCV——Open Source Computer Vision Library,即开源计算机视觉库，它是基于C语言和部分C++语言来开发，可用于计算机视觉、图像处理以及模式识别和跟踪。 由于网上有很多Opencv源码编译的教程，这里我就直接拿编译好的Opencv来在QT Create使用，首先先强调一下我使用的环境，针对的不同环境选择的版本也不同 我的电脑配置是Win10、qt-opensource-windows-x86-5.12.0，选择的opencv是64位的opencv3.4.4 一、Opencv的安装及使用 1、将编译好的Opecv库中的bin添加到环境变量中 将opencv的bin目录找到 ：D:\opencv64\x64\mingw\bin 【P.S以上内容根据安装的Opencv库的路径，自行修改】 点开电脑的属性——>高级系统变量——>环境变量——>系统变量的Path——>点击新建——>将bin的目录添加进去 记住一定要点击确定，完成后，建议重启电脑 2、在QT项目中配置OPencv 创建一个Qt桌面项目； 在.pro文件的底部添加 在main.cpp的代码 如果图片正常显示出来，那么恭喜你，opencv库在QT配置成功 二、利用Opencv实现人脸识别 Opecv在QT中配置成功

Haar特征用于人脸识别，总的来讲如果有训练好的模型可用以下五步实现 1、load Haar特征的 xml文件 2、load 人脸图片 3、计算Haar特征，但OpenCV已封装好了，我们只需要灰度处理即可，因为所有Haar特征都是基于灰度图片 4、检测图片中的人脸及眼睛，我们有两个xml文件，一个描述人脸，另一个描述眼睛 5、将脸与眼睛标注 代码如下所示： import cv2 import numpy as np face_xml = cv2.CascadeClassifier('OpenCV\\haarcascade_frontalface_default.xml') # 载入描述人脸的分类器 eye_xml = cv2.CascadeClassifier('OpenCV\\haarcascade_eye.xml') # 载入描述眼睛的Haar特征分类器 # 2、 load 图片 img = cv2.imread('OpenCV\\face.jpg') # 3、gray gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 4、detect 参数一：灰度图片参数二：缩放系数参数三：人脸最小像素范围 faces = face_xml.detectMultiScale(gray,1.3,5) print('face=',len(faces)

目前，人们已经研发出声音识别、步态识别、指纹识别、人脸识别、虹膜识别、基因识别等多种生物识别技术。非思丸智能顺应时代发展，大力研发人脸识别技术，终成就人脸比对系统。 人脸识别技术特点： 具备多个算法识别能力； 支持云服务有公共云（Public Cloud）与私有云（Private Cloud）； 兼容高清、低清人脸图像，低分辨率、模糊照片也有较好识别效果； 支持Linux 32/64、Windows32/64主流的操作系统；支持服务器端快速部署； 提供二次开发API； 支持批量人脸识别, 识别事件小于1秒； 通过算法融合解决照片质量、年龄差距、光照环境造成的同人图像差异问题； 支持全库查重，能应用于多重户口、二次抓获、重复办证等的业务需要； 预置相片质量检测工具，对相片进行质量检测、预处理； 手机、平板电脑、数码相机、高拍仪等摄像头拍摄的头像均可进行人脸比对识别。 “生物秘钥”的运用，消除了网络时代人们被各种形形色色密码搞得晕头转向的问题。显然，相对于一大串的用户名、密码、磁卡、U盾、芯片卡等，动动手指的指纹识别、晃晃脑袋的人脸识别显得尤其简单快捷。 来源： https://blog.csdn.net/FaceTo_/article/details/98938163

人脸识别系统需具备活体检测功能，以判断提交的人脸特征是否来自有生命的真实个体。 人脸活体检测的基本原理 人脸门禁的基本功能是人脸验证(Face Verification)，而活体检测属于人脸防伪技术(Face Anti-Spoofing)。人脸验证和人脸防伪，两种技术各有侧重。 人脸验证：人脸验证是判断两个人脸图是否为同一个人的算法，即通过人脸比对获得两个人脸特征的相似度，然后与预设的阈值比较，相似度大于阈值，则为同一人，反之则不同。这是近年来一个非常热门的研究方向，也产生了一大批算法模型和损失函数。 人脸防伪：用户刷脸的时候，算法要甄别这张脸是不是真人活体脸，而对于照片、视频和假体面具等行为，算法应该予以拒绝。 1、照片与活体检测 照片是最简单的方式，利用社交媒体，例如微信朋友圈或微博，可以轻而易举地获得相关人员的照片。但照片毕竟是静态的，不能做出眨眼、张嘴、转头等动作。利用这个特点，活体检测系统可以下达几个动作指令，通过对被检测人员的动作符合性判断，就可以实现交互式的动作活体检测。 为了对付动作活体检测，有***者改进照片伪装，按真人尺寸打印另外一个人的照片，在照片的眼睛和嘴巴部位镂空，贴在脸上，露出眼睛和嘴巴。按照活体检测系统的指令，执行眨眼、张嘴、转头等动作。但是，这种伪造的效果与真实人脸实际的运动情况相去甚远，很容易被检测算法识别。 人脸门禁活体检测的常用方法

一、csv文件的生成 当我们写人脸模型的训练程序的时候，我们需要读取人脸和人脸对应的标签。所以我们用csv文件读取。这个at.txt就是我们需要的csv文件。生成之后它里面是这个样子的： opencv教程里面为我们提供了自动生成csv文件的脚本（记得改路径）： 点击此处下载文档和源码 来源： https://blog.csdn.net/qq_38474815/article/details/98902947