人脸门禁产品技术白皮书上Word文件下载.docx
- 文档编号:3705154
- 上传时间:2023-05-02
- 格式:DOCX
- 页数:20
- 大小:28.50KB
人脸门禁产品技术白皮书上Word文件下载.docx
《人脸门禁产品技术白皮书上Word文件下载.docx》由会员分享,可在线阅读,更多相关《人脸门禁产品技术白皮书上Word文件下载.docx(20页珍藏版)》请在冰点文库上搜索。
门禁系统在国内外的应用是有一定区别的,门禁系统最早出现在国外,技术发展比较成熟,通常都是联网的总线式门禁系统,门禁系统包含考勤、在线巡更功能,可以集成报警系统,能够和视频监控系统进行联动;
而国内的门禁系统一般被归入一卡通系统建设,而一卡通系统通常包括门禁系统、访客系统、考勤系统、巡更系统、消费系统、电梯管理系统和车辆出入管理系统,这个范围要较国外的门禁系统要大,功能就相对简单一些。
随着AI技术的成熟,人脸门禁正在大行其道,正在改变整个市场格局。
门禁系统适用各种场所,如银行、酒店、机房、机要室、办公室、智能化小区、工厂等。
在数字技术网络技术飞速发展的今天门禁技术得到了迅猛的发展。
早已超越了单纯的门道及钥匙管理,它已经逐渐发展成为一套完整的出入管理系统。
它在工作环境安全、人事考勤管理等行政管理工作中发挥着巨大的作用。
如今的无感通行系统中不一定会存在实体“门”,也许“门”是通道闸机、“门”是电梯、或者根本就没有“门”(虚拟的)。
门禁系统从技术维度可分为:
电子密码门禁系统、卡式门禁系统、指纹门禁系统、指静脉门禁系统、掌纹门禁系统、虹膜门禁系统、声纹识别门禁系统和人脸识别门禁系统等。
本白皮书聚焦在人脸识别门禁系统,故以此为主。
人脸识别技术
人脸识别(FaceRecognition,FR)是一种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。
用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部识别的一系列相关技术,通常也叫做人像识别、面部识别。
人脸与人体的其它生物特征(指纹、虹膜等)一样与生俱来,它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提,与其它类型的生物识别比较人脸识别具有如下特点:
非强制性。
用户不需要专门配合人脸采集设备,几乎可以在无意识的状态下就可获取人脸图像,这样的取样方式没有“强制性”;
非接触性。
用户不需要和设备直接接触就能获取人脸图像;
并发性。
在实际应用场景下可以进行多个人脸的分拣、判断及识别。
除此之外,还符合视觉特性:
“以貌识人”的特性,以及操作简单、结果直观、隐蔽性好等特点。
人脸识别系统的研究始于20世纪60年代,80年代后随着计算机技术和光学成像技术的发展得到提高,而真正进入初级的应用阶段则在90年后期;
最近几年随着以深度学习为主的人工智能技术进步,人脸识别技术得到了迅猛的发展。
“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术,是综合性比较强的系统工程技术。
人脸识别系统通常包括几个过程:
人脸图像采集及检测、关键点提取、人脸规整(图像处理)、人脸特征提取和人脸识别比对。
人脸图像采集。
不同的人脸图像都能通过摄像镜头采集下来,比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。
当用户在采集设备的拍摄范围内时,采集设备会自动搜索并拍摄用户的人脸图像。
人脸检测。
人脸检测在实际中主要用于人脸识别的预处理,即在图像中准确标定出人脸的位置和大小。
关键点提取(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。
人脸规整(预处理)。
对于人脸的图像预处理是基于人脸检测结果,对图像进行处理并最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,必须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。
人脸识别比对(匹配与识别)。
提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配,通过设定一个阈值,当相似度超过这一阈值,则把匹配得到的结果输出。
人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较,根据相似程度对人脸的身份信息进行判断。
可分为1:
1、1:
N、属性识别。
其中1:
1是将2张人脸对应的特征值向量进行比对,1:
N是将1张人脸照片的特征值向量和另外N张人脸对应的特征值向量进行比对,输出相似度最高或者相似度排名前X的人脸。
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虹膜识别、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骗。
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,不同于指纹识别或者虹膜识别需要利用手指接触的传感器采集指纹,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,从而造成诸多不便。
人脸识别被认为是生物特征识别领域甚至人工智能领域最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,甚至人脸器官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。
例如双胞胎现象,指胎生动物一次怀胎生下两个个体的情况。
双胞胎一般可分为同卵双胞胎和异卵双胞胎两类。
在人类社会,全世界双胞胎平均出生率为1∶89。
对于人类的双胞胎现象,有些双胞胎面部存在差异,有些双胞胎甚至从面部特征来看相似度极高,对于人脸识别系统形成非常大的挑战,几乎从生物特征上很难区别出每个个体。
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。
易攻击性。
随着数字拍照、视频合成技术等发展,越来越容易获得某个指定人的人脸信息或者合成人脸信息。
更甚至随着对抗训练(AdversarialTraining)的深度学习技术的发展,计算机可以合成高精度的任何人的人脸等生物特征信息。
某些生成对抗网络训练的反人脸识别,身份欺骗成功率达99.5%,甚至成为许多人脸识别系统的克星。
产品的场景化分类分级模型
人脸识别门禁控制系统基于先进的人脸识别技术在门禁出入口领域的应用创新。
相比钥匙门禁、IC卡门禁、指纹门禁、虹膜门禁等其它技术手段,人脸门禁如果有以下优势:
人脸识别无卡进入,免去携带卡证的额外工作;
高速准确方便快捷,人脸识别通常在1秒以内完成甚至可实现无感自然通行;
照片记录可追溯验证;
同时人脸门禁也存在一些风险:
对于高相似人脸或者双胞胎等存在一定的误识风险;
人脸识别容易受到一些技术手段的攻击;
人脸识别涉及到隐私权等风险。
总体来说人脸识别门禁是门禁系统的一次重大技术变革,将门禁智能通行带入了全新的AI时代。
本白皮书的关键内容,是对人脸门禁的产品应用场景、产品技术形态分为三类六等,树立了对人脸门禁产品应用和开发的技术指导,这也是本次白皮书重大的创新。
这个分类办法结合了对门禁应用场景和人脸识别技术的深入调研需求提炼和技术分析,欢迎广大读者提出宝贵意见以便于编者修改完善。
门禁通行的应用场景分为三类:
强配合类。
人脸与设备距离0.5米以内,人脸角度在15度以内,人脸比对模式为1:
1人证比对或者<
1000人的小型人脸库比对。
如家庭人脸门锁、办公室小型人脸门禁、人脸考勤等。
半配合类。
人脸与设备的距离在0.5米-1.5米之间,人脸角度在30度以内,人脸比对库容量在10000人以内的中等规模人脸库。
如智能建筑楼层人脸门禁、社区单元人脸门禁等。
自然通行类。
人脸与设备的距离在1米到3米之间,人脸角度在45度以内,人脸比对库容量在1万到10万人以内。
如园区出入口人脸通行、公共交通人脸闸机等。
人脸门禁产品的技术等级划分为六级:
第一级:
学术级。
人脸库容量在百人左右,准确度在60%以下,用于新技术的学术分析;
第二级:
娱乐级。
人脸库容量在500人左右,准确度在60-85%之间,用于娱乐游戏出错无直接风险;
第三级:
消费级。
人脸库容量在1000人以内,准确度在85-95%之间,用于个人领域或中小企业;
第四级:
商业级。
人脸库容量在1千-1万之间,准确度在95-99%之间,用于中等规模企业应用;
第五级:
行业级。
人脸库容量在1万到10万人左右,准确度在99-99.999%之间,用于超大规模企业或者公安、交通等海量人群应用;
第六级:
金融级。
人脸库容量在10万人以上,准确度在99.999%以上,出错率低于十万分之一,可用于金融支付等应用领域。
总结:
通过按三种类别、六个级别的细分应用,可以将人脸门禁产品的应用场景和产品技术特点较好区分出来,为后续产品应用和产品开发提供指导。
第一篇应用场景分类
人脸门禁系统如果按照应用场景分类,可分为三类:
强配合类、半配合类和自然通行类。
强配合类应用
强配合类应用主要应用于传统近红外人脸门禁、智能锁、柜和设备等。
个人、家庭、中小企业的人脸识别门禁或者设备的应用,往往用户人脸库规模小、设备成本低、有时候需要设备提供电池供电的低功耗场景等应用需求,这种应用场景往往是强配合类应用。
强配合应用情况下,典型人脸库容量在50-1000人之间,在识别时需要将人脸距离设备在0.5米以内,人脸与设备之间的夹角在15度以内几乎完全正脸状态。
强配合类应用的人脸识别技术精度要求有限、设备成本低、功耗低,往往适用于小规模场所。
关键参数:
人脸库容量:
1000人以下
人脸识别距离:
1米以内
人脸检测比对搜索时间:
<
3秒 人脸识别角度:
15度以内,需要特意配合
半配合类应用
半配合类主要应用在建筑楼层通道门禁等场景。
在企业楼层、办公室门禁、电梯、社区单元门口等应用场景下,通常是企业或者小区将人脸门禁代替传统的IC卡或钥匙门禁,适用采用半配合类人脸门禁。
半配合类的人脸门禁人脸库在10000人以内,门禁使用时人与设备的距离在0.5米到1.5米之间,可以实现人脸与设备有一定的夹角如30度以内,甚至在理想情况下实现人到门开的不停留通行状态
1万人以下
人脸比对距离:
0.5-1.5米
1秒
人脸识别角度:
30度以内,半配合状态 自然通行类
自然同行类就是人不用可以配合系统的应用,比如园区建筑出入口室内外应用及人脸自然签到。
在住宅社区门口、大型建筑的出入口、大型演出或展会活动时,通常需要自然通行的人脸门禁产品。
自然通行人脸门禁往往人脸库规模可达1万到10万人左右,人脸与设备的距离可在1到3米左右,而且能够适合室内和室外等各种的光线环境,人员通行能够做到完全的不停留通行和人脸比对分析。
1-10万人
1-3米
0.5秒
45度以内,与通行路线一致,不影响自然通行状态
人脸门禁应用的发展趋势是从强配合向半配合过渡、进而向自然通行发展的趋势,科技让生活服务变得越来越便利化。
同时在强配合型应用领域从近红外的企业人脸识别,向家庭的人脸门锁扩展,但由于人脸门锁对人脸识别技术的抗攻击能力带来全新的挑战,人脸门禁的发展状态尚存在较多不确定因素。
第二篇产品类型分级
学术级、娱乐级、消费级、企业级、行业级、金融级。
学术级
学术级技术精度通常是指可重复的准确度在60%以下,用于原理检验和理论创新,往往不一定对应具体的产品。
有些学术级技术可在实验室的理想条件下取得很高的人脸识别精度,但是在现实环境应用时由于光线、镜头、计算资源等多种原因往往无法复现实验室成果,甚至有些学术论文的理论成果也难以持续复现,学术级的往往不对应具体的量产产品。
娱乐级
人脸识别的某些细分功能在有些应用领域的成熟度不高,比如通过人脸识别来分析人的年龄、性别,甚至通过人脸识别来区分双胞胎或者脸部高相似人群等,人脸识别通常的成功概率低于85%以下,这样成熟度的技术通常用于做娱乐型产品。
例如用于人脸识别的属性分析或者娱乐游戏产品等。
消费级
人脸识别应用通常在中小规模人脸库如千人以内、中近距离如半米以内有较高的人脸识别精度时,人脸识别可用于家庭、商铺或中小企业等,作为消费级应用的产品。
目前大量基于近红外技术的人脸考勤机、人脸门禁级通常是消费级产品。
企业级
企业级人脸门禁产品通常用于中大规模的企业或者居民社区、行政单位的智能通行应用。
人脸库容量通常在万人以内,人脸比对的反应时间通常在秒级,应用场景既涉及室内均匀光线又涉及到室外或建筑出入口的日光或强反差的光线情况。
企业级人脸门禁是当前市场增长最迅猛的人脸门禁产品领域。
行业级
在公共安全、公共交通、大型园区、大型演唱会或展览活动等进行人脸识别比对或者公共安全的应用时,往往需要具有行业级人脸识别技术的产品。
应用环境通常在室外牙大型建筑的多个出入口,设备需要联网分布式运行,用于解决数万甚至数十万人的智能通行需求。
金融级
人脸识别的生物精度的理论水平在万分之一的误差之内,但是金融支付通常要求系统的精度误差在百万分之一甚至更低水平,用于保障金融安全的人脸识别产品技术称为金融级安全的技术。
目前来看人脸识别在金融支付领域还面临不少挑战有待克服。
人脸识别的产品分为不同的技术成熟度等级,分别适应于不同的应用领域。
从目前来看,人脸门禁正从消费级人脸门禁向企业级、行业级甚至金融级安全的人脸门禁的发展历程中。
当前比较成熟的是用于万人库的企业级人脸门禁产品,也有少数数万人脸库的行业级产品已经开始出现。
第三篇产品的主要功能
人脸门禁产品的主要功能包括人脸成像采集、人脸图像特征提取及人脸库比对管理、报警联动数据分析几个功能模块。
每种功能模块涉及不同的业务特点。
人脸成像采集
不同的人脸图像通过摄像镜头采集得到,比如静态图像、动态图像、不同的位置、不同表情等,当采集对象在设备的拍摄范围内时,采集设备会自动搜索并拍摄人脸图像。
影响人脸成像采集的主要因素是摄像头的性能指标和摄像头安装部署位置等因素。
通常情况下人像采集涉及如下因素:
图像大小。
人脸图像过小会影响识别效果,人脸图像过大会影响识别速度。
图像大小一定程度上在实际应用场景是人脸离摄像头的距离。
图像分辨率。
越低的图像分辨率越难识别。
图像大小综合图像分辨率,直接影响摄像头识别距离。
光照环境。
摄像头成像需要一定的光照范围,过曝或过暗的光照环境都会影响人脸识别效果。
这是影响人脸识别最重要的因素之一。
通常可以采用自然补光和外部人工补光的方式来解决光照问题。
模糊程度。
人脸相对于摄像头的移动经常会产生运动模糊,导致影响检测和识别效果。
遮挡程度。
五官无遮挡、脸部边缘清晰的图像为最佳。
而在实际场景中,很多人脸都会被帽子、眼镜、口罩等遮挡物遮挡。
采集角度。
人脸相对于摄像头角度为正脸最佳。
但实际场景中往往很难抓拍正脸,会涉及到人脸与摄像头之间多少角度适宜于人脸采集的进行。
摄像机成像的几种参数
1.摄像头成像分辨率
人像采集的摄像头通常分为USB摄像头、MIPI摄像头和网络摄像头。
其中USB和MIPI通常传输未经压缩的视频数据一般用于设备内近距离传输,网络摄像头通常传输压缩后的视频数据可以用于设备间的远距离传输。
以下以网络摄像头为例描述摄像头的成像分辨率。
720p。
720P实际是指分辨率1280×
720像素。
计算一下就是1280×
720=921600像素,720p或720i为百万像素分辨率,通常指百万网络摄像机。
720P每路默认图像码流为3M,具体的速率和视频压缩的比率也高度相关。
960p。
960P实际是指分辨率1280×
960像素。
960=1228800像素,一般都会叫960p或960i为130万像素分辨率,通常指130万像素的摄像机。
960P每路默认图像码流为4M,具体的速率和视频压缩的比率也高度相关。
1080p。
1080P实际是指分辨率1920×
1080像素。
计算一下就是1920×
1080=2073600像素,一般都会叫1080p或1080i为200万像素分辨率,通常指200万像素的摄像机。
1080P每路默认图像码流为5M,具体的速率和视频压缩的比率也高度相关。
4K。
4K指的是3840水平×
2160垂直(16:
9)像素的分辨率,支持120p、60p、59.94p、50p、30p、29.97p、25p、24p和23.976p,共9种帧率。
4K每路默认图像码流为8M以上,具体的速率和视频压缩的比率也高度相关。
2.光照强度
人脸若要被摄像机成像,首要条件是人脸接受到一定程度的光线即受到足够的光照强度。
光照强度的标准属于是照度,照度是反映光照强度的一种单位,其物理意义是照射到单位面积上的光通量,照度的单位是每平方米的流明(Lm)数,也叫做勒克斯(Lux):
1Lux=1Lm/平方米。
上式中,Lm是光通量的单位,其定义是纯铂在熔化温度(约1770℃)时,其1/60平方米的表面面积于1球面度的立体角内所辐射的光量。
人脸检测要求人脸接受的光既不能太强也不能太弱,通常需要10-3000lux之间的亮度比较适宜,过亮或者过暗都能导致摄像杨对人脸成像效果的差异。
以下是各种环境照度值:
(单位lux)
3.宽动态
当在强光源(日光、灯具或反光等)照射下的高亮度区域及阴影、逆光等相对亮度较低的区域在图像中同时存在时,摄像机输出的图像会出现明亮区域因曝光过度成为白色,而黑暗区域因曝光不足成为黑色,严重影响图像质量。
摄像机在同一场景中对最亮区域及较暗区域的表现是存在局限的,这种局限就是通常所讲的“动态范围”。
宽动态(WDR)技术是在非常强烈的对比下让摄像机看到影像的特色而运用的一种技术。
WDR是WideDynamicRange的缩写,意思是宽动态范围。
宽动态范围是图像能分辨最亮的亮度信号值与能分辨的最暗的亮光信号值的比值。
宽动态的表现方式以“倍数”或“dB”来表示。
宽动态最常见的形式是使用多次曝光方法,该方法包括捕获短时间内的两帧图像和一个长曝光速度。
第一次曝光捕捉明亮区域场景中的细节,而后者则捕获场景中的暗部区域的细节。
然后将两个图像组合在一起,可以在同时呈现明亮和黑暗区域两个图像细节。
通常的宽动态范围介于50~70dB之间,更高性能的宽动态范围从100~130dB之间。
最先进的宽动态范围(又被称为第三代宽动态)被叫做"
真WDR"
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人脸门禁产品技术白皮书 门禁 产品 技术 白皮书