马鞍山人脸识别-一路机电人脸识别机-动态人脸识别

人脸识别门禁，动态人脸识别，应用场景包括但不局限于办公楼宇，居家社区，酒店旅馆，比如说现在不少小区可以刷脸进出，人脸识别闸机，由此可见，人脸识别门禁在场景应用上，已经越来越普遍，技术的确日趋成熟。

通常存在以下优点：

1、轻松好用：不同于卡片需要伸手，人脸门禁做到无感操作，只需要站在门禁面前，轻轻一瞥，自动识别，刷脸进出。在识别速度上，业界实现1秒刷门，甚至更快。

2、 1:N精准识别：简单的录入过人脸后，后面的识别任务全部交给算法。门禁领域，人脸识别技术落地成熟，行业能达到99.99%识别度。

3、 安全性出色：门卡***怕的就是丢失，丢失意味着被冒用。同时门卡容易被复刻，两者都存在潜在的安全隐患。人脸识别门禁只为你打开，没有权限的人无法进入。大多数人脸识别门禁，运用精密的红外活軆技术，很多人担心照片和视频冒用的情况，也就无须担心了。

人脸识别的研究不断深入，研究者开始关注面向真实条件的人脸识别问题，主要包括以下四个方面的研究：

1）提出不同的人脸空间模型，包括以线性判别分析为代表的线性建模方法，以Kernel方法为代表的非线性建模方法和基于3D信息的3D人脸识别方法。

2）深入分析和研究影响人脸识别的因素，包括光照不变人脸识别、姿态不变人脸识别和表情不变人脸识别等。

3）利用新的特征表示，马鞍山人脸识别，包括局部描述子（Gabor Face， LBP Face等）和深度学习方法。

4）利用新的数据源，例如基于视频的人脸识别和基于素描、近红外图像的人脸识别。

人脸检测是人脸识别的流程之一，在图像中准确标定出人脸的位置和大小，并把其中有用的信息挑出来（如直方图特征、颜色特征、模板特征、结构特征及Haar特征等），然后利用信息来达到人脸检测的目的。

人脸关键点检测（人脸对齐）自动估计人脸图片上脸部特征点的坐标。

基于检测出的特征采用Adaboost学习算法（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）挑选出一些蕞能代表人脸的矩形特征（弱分类器），按照加权投僄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，人脸识别应用，有效地提高分类器的检测速度。

***近人脸检测算法模型的流派包括三类及其之间的组合：viola-jones框架（性能一般速度尚可，适合移动端、嵌入式上使用），dpm（速度较慢），cnn（性能不错）。