关于人脸识别门禁系统的介绍和其优点人脸识别门禁系统就是把人脸识别技术和门禁系统相结合，通过对人脸的识别作为门禁开启的钥匙。它不仅免去了忘带钥匙或卡的烦恼，同时因为人脸识别门禁系统无需任何介质开门，而节省了不少成本，如人员变动不需要更换门锁、钥匙、IC卡等，只需要重新对人脸进行注册即可；识别的过程是把一副新的图像投影到特征脸子空间，该特征空间捕1捉到已知面部图像之间的显著变化。另外人脸识别门禁系统还可根据出入人员情况设臵门禁权限，包括不同时间段，不同的门禁点等。人脸识别技术发展，其实对社会有好有坏。比如，给小区监控装上人脸识别，既省下了居民出入时刷门禁卡的功夫，又对调查人员的安保工作有帮助。但是，不一定每个居民都愿意将自己的照片留在监控系统里，而且有心的分子也会通过头套等方式骗过人脸识别，反而加大了安保工作的难度。刷脸***方兴未艾之时，相关的新型也悄然出现。如此复杂的情况确实让人对人脸识别心生畏惧，然而说到底，它只是一行行藏匿在电子设备中的代码，只会听命于人类，无权决定自己的好坏。它不是恶，而是对人性恶的考验。当前效果的较好的一些人脸配准技术，基本通过深度学习框架实现，这些方法都是基于人脸检测的坐标框，按某种事先设定规则将人脸区域扣取出来，缩放的固定尺寸，然后进行关键点位置的计算。所以，我们不能地肯定或否定人脸识别技术，而要辩证地看待它，正确地运用它。人脸识别-局部二值模式（LocalBinaryPatterns，LBP）局部二值模式（LocalbinarypatternsLBP）是计算机视觉领域里用于分类的视觉算子。LBP，一种用来描述图像纹理特征的算子，该算子由芬兰奥卢大学的T.Ojala等人在1996年提出（《Acomparativestudyoftexturemeasureswithclassificatio1nbasedo1nfeatureddistributio1ns》）。2002年，T.Ojala等人在PAMI上又发表了一篇关于LBP的文章（《Multiresolutio1ngray-scaleandrotatio1ninvarianttextureclassificatio1nwithlocalbinarypatterns》）。这一文章非常清楚的阐述了多分辨率、灰度尺度不变和旋转不变、等价模式的改进的LBP特征。LBP的核心思想就是：以中心像素的灰度值作为阈值，与他的领域相比较得到相对应的二进制码来表示局部纹理。人脸识别系统的发展相比传统测温法，红外测量速度快，通常检测时间较短，检测率高，测量过程中不需要和被测对象接触，不会因为消毒不彻底出现交1叉感1染的情况。“人脸检测（FaceDetection）”是检测出图像中人脸所在位置的一项技术。人脸检测算法的输入是一张图片，输出是人脸框坐标序列（0个人脸框或1个人脸框或多个人脸框）。一般情况下，输出的人脸坐标框为一个正朝上的正方形，但也有一些人脸检测技术输出的是正朝上的矩形，或者是带旋转方向的矩形。常见的人脸检测算法基本是一个“扫描”加“判别”的过程，即算法在图像范围内扫描，再逐个判定候选区域是否是人脸的过程。)