快速识别双胞胎人脸机 三维人脸识别 广州全新3D人脸识别仪

智能面像识别门禁系统人员进出AB 门流程需求，在进出人员办理智能卡及面像特征入库后的流程：
 进区流程
进入人员 A 门外读卡器刷A 卡—>值班人员验证进入人员身份—>值班人员开门A 门—>进入人员通过A 门至道闸前并启动面像识别认证—>道闸打开，人员通过—> 进入人员将A 卡交给值班人员换B 卡—>进入人员B 门内读卡器—>干警值班人员手动开B 门—>进入人员通过B 门进入区。
 出区流程
出区流程与进区流程相反。
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更好的结果.

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

1、3D 三维脸形识别仪成像技术： 
3D三维脸形识别仪，它运用了了**的光学、目标定向与影像追踪技术，和高速运算能力的识别演算法建立脸部的三维计量学与摄影追踪系统，这个系统通过获取与处理三维脸形资料方面的创新，使其得以提供实时准确的脸形识别，并因此取得了同业的地位。 
三维脸形识别系统特有的比对引擎与演算法，及近红外光即时三维表面扫描的运用，使高速准确的识别成为可能。传统门禁系统中的身份验证存在着严重的安全性隐患，如、的和盗用、不正当的转借、 遗失等问题。问题的根本是由于这些传统的身份认证技术并不是真正的对人本身的认证，而只是对 或某种物品的认证。生物识别是利用人体生物特征进行身份认证，避免了传统身份验证存在的严重的安 全性隐患。人们已经发展了手形识别、指纹识别、面部识别、发音识别、虹膜识别等多种生物识别技术。 目前市场上用得较多的是接触式的指纹识别和手形识别。人脸识别技术是非接触式识别、使用方便，而且准确率高、识别速度快，深受金融行业、公狱、行业、边境管制等对保安要求较高的行业欢迎。 
BIOSCRYPT推出了**个突破性的3D（三维）人脸生物识别技术和产品。因为人的脸部并不是平坦的，所以3D人脸识别技术的算法比2D(二维)的算法有更高的度。远远其他的人脸识别产品，在业界创造了地位。3D人脸识别技术适用于度要求高的门禁控制、边境管制、电子和等。
2、实时分析重建三维脸形表面
• 面容几何学到毫米内
• 真实基于在x-y-z三维空间中捕捉
• 基于头骨结构捕捉脸部特征 
• 头骨、长久不改变 
• 允许区分“一样”的双胞胎
• 可攻取的生物模板(4个字节)
• 1秒内实时辨别     
3、三维脸形识别的技术优势
• 高度
• 能出分一样的双胞胎
• 现实环境中全面、
• 平衡光线, 包括在黑夜中 
•  Outdoor products available from 2007
•  30º视角以提高易用性 
• 不被视屏或照片易用性
• 无故障登记
• Ergonometric & 用户友好
• 快速简单调整视听反馈 
• 操作协调
• 高性能
• 实时视屏捕捉 & 高速识别匹配 
• 能在1秒内辨认、识别和判断 
• 拒绝入侵 & 加强保密性
• 充分利用光谱学原理, 无干扰识别 
• 公开的自然的脸形识别（ICao mandated）

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。

人脸识别，是基于人的脸部特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。


技术特点
传统的人脸识别技术主要是基于可见光图像的人脸识别，这也是人们熟悉的识别方式，已有30多年的研发历史。但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。解决光照问题的方案有三维图像人脸识别，和热成像人脸识别。但这两种技术还远不成熟，识别效果不尽人意。
*发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响，已经取得了的识别性能，在精度、稳定性和速度方面的整体系统性能**过三维图像人脸识别。这项技术在近两三年发展*，使人脸识别技术逐渐走向实用化。
人脸与人体的其它生物特征（指纹、虹膜等）一样与生俱来，它的性和不易被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。
http://szjyl2010.b2b168.com