人脸图像预处理:对于人脸的图像预处理是基于人脸检测结果,对图像进行处理并终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰,往往不能直接使用,在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言,其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
人脸图像特征提取
人脸图像特征提取:人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取,也称人脸表征,它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类:一种是基于知识的表征方法;另外一种是基于代数特征或统计学习的表征方法。
基于知识的表征方法主要是根据人脸的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据,其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成,对这些局部和它们之间结构关系的几何描述,可作为识别人脸的重要特征,这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。
人脸识别的优势在于其自然性和不被被测个体察觉的特点。
所谓自然性,是指该识别方式同人类(甚至其他生物)进行个体识别时所利用的生物特征相同。例如人脸识别,人类也是通过观察比较人脸区分和确认身份的,另外具有自然性的识别还有语音识别、体形识别等,而指纹识别、虹膜识别等都不具有自然性,因为人类或者其他生物并不通过此类生物特征区别个体。
不被察觉的特点对于一种识别方法也很重要,这会使该识别方法不令人反感,并且因为不容易引起人的注意而不容易被欺。人脸识别具有这方面的特点,它完全利用可见光获取人脸图像信息,而不同于指纹识别或者虹膜识别,需要利用电子压力传感器采集指纹,或者利用红外线采集虹膜图像,这些特殊的采集方式很容易被人察觉,从而更有可能被伪装欺。
人脸识别被认为是生物特征识别领域甚至人工智能领域困难的研究课题之一。人脸识别的困难主要是人脸作为生物特征的特点所带来的。
相似性
不同个体之间的区别不大,所有的人脸的结构都相似,甚至人脸的结构外形都很相似。这样的特点对于利用人脸进行定位是有利的,但是对于利用人脸区分人类个体是不利的。
易变性
人脸的外形很不稳定,人可以通过脸部的变化产生很多表情,而在不同观察角度,人脸的视觉图像也相差很大,另外,人脸识别还受光照条件(例如白天和夜晚,室内和室外等)、人脸的很多遮盖物(例如口罩、墨镜、头发、胡须等)、年龄等多方面因素的影响。
在人脸识别中,类的变化是应该放大而作为区分个体的标准的,而第二类的变化应该消除,因为它们可以代表同一个个体。通常称类变化为类间变化(inter-class difference),而称第二类变化为类内变化(intra-class difference)。对于人脸,类内变化往往大于类间变化,从而使在受类内变化干扰的情况下利用类间变化区分个体变得异常困难。
人脸识别考勤应用
人脸识别考勤系统,能有效提高企业的考勤管理方式,规范员工考勤操作,防止出现代打卡、弄虚作行为,也方便有效的提高考勤效率。同时支持TCP/IP联网方式,考勤数据自动上传管理部门,管理考勤数据。广泛适用于企事业单位、中小学教育机构、酒店、会所、等。
综上所述,具备环保节能特征是安防产品将受到制造厂商与消费者的青睐,因为其不仅满足了人们对“环保与高度安全”的需求,而且识别率高、简单易用,为各种环境的安防提供了理想的解决方案。除上述的新颖指纹识别总体设计方案与非接触,防人脸识别考勤机是的典例外,又如智能视分析模块及应用等多种安防技术与产品的开发,相信在不久的将来,将得到更广泛的应用。
人脸识别系统实时记录出/入人员姓名、身份、时间、次数、可按时间、特定门、特定持卡人等进行检索查询,并自动生成报表。
人员身份卡由控制中心或人事部门统一授权制发,人员权限在制证结束时即时下发到出控制器,出控制器在后台的通信中断时,能够立运行。当通信恢复时,具备将刷脸信息及刻上传至后台服务器的功能,并拥有定时和后台服务器同步人员权限的能力。
系统应具有员工日常考勤管理,系统在每个楼层预设的人脸识别门禁,都可以成为员工考勤的基点。人脸识别一体机迎宾界面弹窗,表示考勤成功。员工可以在每天的刷脸开门的同时,完成每天的考勤。
系统通过协议深度集成门禁管理系统,门禁厂商提供接口协议,协议里需包含实时事件、设备状态、门控制功能(常开、常闭、脉冲开门、门再启用等)、持卡人和卡的增删改查,通过管理平台可实现多方式通行。
本系统的人脸识别一体机在会议室门口设置10.1寸的人脸识别一体机,在其他区域的人脸识别一体机设置7寸的人脸识别一体机。