人臉識別門禁的優(yōu)缺點分析

人臉識別門禁相對傳統(tǒng)射頻卡門禁的優(yōu)缺點如下：

優(yōu)點：

1、用戶體驗佳，遠程自動識別，住戶可以實現(xiàn)無感進入；

2、用戶體驗佳 1，住戶可以不用帶門禁卡了；

3、管理更方便，進出報表統(tǒng)計；

4、管理更方便 1，短期來賓、長期來賓、租戶分類管理，限時注冊。

5、管理更方便 2，陌生人、黑名單預警。

缺點：

1、識別率無法保證100%；

2、成本比一般門禁高；

3、光線變化對識別效果影響較大。

人臉識別門禁的特點有：

首先不用制作門禁卡，節(jié)省費用的同時也避免了用卡人的攜帶問題。 其次人臉識別更加安全可靠，不用擔心卡片丟失被人使用的問題。 人臉識別也有方便快捷，易于管理等有點。

人臉識別門禁的精準度和人臉識別技術先進與否、人臉門禁應用場景、當天的環(huán)境（比如光線）、人臉門禁硬件設備都有關系，重中之重技術問題。

相比傳統(tǒng)的門卡，人臉識別門禁系統(tǒng)更加的安全，因為門卡在配鑰匙的店鋪可隨意復刻，而門卡如此容易被復刻，讓不少市民感到擔憂，這樣等于小區(qū)門禁系統(tǒng)如同虛設。而人臉識別門禁系統(tǒng)利用的是人臉的唯1匹配性，具有先天的安全優(yōu)勢。

影響人臉識別系統(tǒng)對人臉采集的主要因素有哪些？

1.圖像大?。喝四槇D像過小會影響識別效果，人臉圖像過大會影響識別速度。非專業(yè)人臉識別攝像頭常見規(guī)定的蕞小識別人臉像素為60*60或100*100以上。在規(guī)定的圖像大小內(nèi)，算法更容易提升準確率和召回率。圖像大小反映在實際應用場景就是人臉離攝像頭的距離。

2.圖像分辨率：越低的圖像分辨率越難識別。圖像大小綜合圖像分辨率，直接影響攝像頭識別距離?，F(xiàn)4K攝像頭看清人臉的遠距離是10米，7K攝像頭是20米。

3.光照環(huán)境：過曝或過暗的光照環(huán)境都會影響人臉識別效果?？梢詮臄z像頭自帶的功能補光或濾光平衡光照影響，也可以利用算法模型優(yōu)化圖像光線。

4.模糊程度：實際場景主要著力解決運動模糊，人臉相對于攝像頭的移動經(jīng)常會產(chǎn)生運動模糊。部分攝像頭有抗模糊的功能，而在成本有限的情況下，考慮通過算法模型優(yōu)化此問題。

5.遮擋程度：五官無遮擋、臉部邊緣清晰的圖像為蕞佳。而在實際場景中，很多人臉都會被帽子、眼鏡、口罩等遮擋物遮擋，這部分數(shù)據(jù)需要根據(jù)算法要求決定是否留用訓練。

6.采集角度：人臉相對于攝像頭角度為正臉蕞佳。但實際場景中往往很難抓拍正臉。因此算法模型需訓練包含左右側人臉、上下側人臉的數(shù)據(jù)。工業(yè)施工上攝像頭安置的角度，需滿足人臉與攝像頭構成的角度在算法識別范圍內(nèi)的要求。

什么是人臉檢測？

人臉檢測是人臉識別的流程之一，在圖像中準確標定出人臉的位置和大小，并把其中有用的信息挑出來（如直方圖特征、顏色特征、模板特征、結構特征及Haar特征等），然后利用信息來達到人臉檢測的目的。

人臉關鍵點檢測（人臉對齊）自動估計人臉圖片上臉部特征點的坐標。

基于檢測出的特征采用Adaboost學習算法（一種用來分類的方法，它把一些比較弱的分類方法合在一起，組合出新的很強的分類方法）挑選出一些蕞能代表人臉的矩形特征（弱分類器），按照加權投僄的方式將弱分類器構造為一個強分類器，再將訓練得到的若干強分類器串聯(lián)組成一個級聯(lián)結構的層疊分類器，有效地提高分類器的檢測速度。

近人臉檢測算法模型的流派包括三類及其之間的組合：viola-jones框架（性能一般速度尚可，適合移動端、嵌入式上使用），dpm（速度較慢），cnn（性能不錯）。