监所应用识别双胞胎信息 特价3D人脸识别仪制造厂 三维人脸识别

深圳市骏裕隆智能系统有限公司

门禁系统的业务需求
（1）实现进出人员的身份严格鉴别，要严格防止监犯通过装扮、假扮、胁持、尾
随等手段从AB 门混出监狱，也要防止外部人员混入监狱从事非法活动；
（2）实现对进出监狱AB 门人员的所有进出过程都要有详细的记录，包括进出的
方式、时间、人员、面像识别认证结果等；
（3）实现干警值班人员、值班人员实时查看进出人员的及面像识别
认证结果信息。
（4）对进出监狱AB 门人员的所有进出过程都要有详细的记录，包括进出的方式、
时间、人员、面像识别认证结果等；
（5）对于试图恶意进出的事件分析并自动报警。同时还具有报警信号输入和控制
输出接口，可以接入报警信号。
四、
3D 人脸识别技术在实验室中心测试
二维识别与三维识别         验证效果

登记过程
认证机构新加坡外来检查站(ICA)测试单

登记过程
登记人数 ~ 1018
72% 人
45% 带眼镜
实验时间 – ,每天 ，一个月内

三维脸形登记结果
98.3% 自行登记
1.7% 需要操作员协助
0% 错误登记
3-5 秒/1 次识别
平均1 秒内能识别
结果: 二维 -- -- 三维 对析如图

2D 脸形识别
错误接受概率: 1.2%
错误拒绝概率: 9.79%
1/100 错误接受率, 近1/10 的错误拒绝率

3D 脸形识别
错误接受概率: 0.0047%
错误拒绝概率: 0.103%
47/1,000,000 错误接受率, 1/1000 错误拒绝率
ICA 测试结果
相同的时间和图像,三维脸形识别比二维脸形识别得到好的结果.

三维脸形识别
能够成功地辨认识别, 每次, 99.7% of 参与者.
- 12 -
3 个星期后,参与者得到了验证
 识别速率 (1:1) 可以达到
ICA 公认基本参数

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。

人脸图像匹配与识别：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。这一过程又分为两类：一类是确认，是一对一进行图像比较的过程，另一类是辨认，是一对多进行图像匹配对比的过程。

3D三维人脸识别仪
功能特点： 

出色的比对算法 
• 在1秒钟内完成认证  
• 可区分双胞胎   
• 使用40000个数据点进行匹配 

使用方便 
• 带安全帽，留胡须均不影响认证效果； 
• 日夜均可使用 
• 免接触 － 无磨损又卫生  
• 4英寸彩色屏方便人员定位  
• 认证后的语音及画面提示 

易于安装 
• 嵌入式平台，包括处理单元及生物认证单元  
• 门禁功能设计－ IP联网方式  
• 支持现有的门禁控制器及读卡器 － Wiegand，RS232，RS422或者RS485  

大容量 
• 每台机人数2000人以下，可采用1：N方式，1秒内完成认证 
• 认证采用1：1模式，可以存储6万个人脸模板  
• 10万条事件信息  

多种认证模式 
• 可以结合IC卡，及人脸识别来实现人员验证的方便性及安全性；

技术流程
人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。
人脸图像采集及检测
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。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。
主流的人脸检测方法基于以上特征采用Adaboost学习算法，Adaboost算法是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。
人脸检测过程中使用Adaboost算法挑选出一些能代表人脸的矩形特征(弱分类器)，按照加权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，有效地提高分类器的检测速度。
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，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。