人脸识别门禁的特点有：

首先不用制作门禁卡，节省费用的同时也避免了用卡人的携带问题。 其次人脸识别更加安全可靠，不用担心卡片丢失被人使用的问题。 人脸识别也有方便快捷，易于管理等有点。

人脸识别门禁的精准度和人脸识别技术***与否、人脸门禁应用场景、当天的环境（比如光线）、人脸门禁硬件设备都有关系，重中之重技术问题。

相比传统的门卡，人脸识别门禁系统更加的安全，因为门卡在配钥匙的店铺可随意复刻，而门卡如此容易被复刻，让不少市民感到担忧，这样等于小区门禁系统如同虚设。而人脸识别门禁系统利用的是人脸的唯1匹配性，具有先天的安全优势。

人脸识别的研究不断深入，研究者开始关注面向真实条件的人脸识别问题，主要包括以下四个方面的研究：

1）提出不同的人脸空间模型，包括以线性判别分析为代表的线性建模方法，以Kernel方法为代表的非线性建模方法和基于3D信息的3D人脸识别方法。

2）深入分析和研究影响人脸识别的因素，包括光照不变人脸识别、姿态不变人脸识别和表情不变人脸识别等。

3）利用新的特征表示，包括局部描述子（Gabor Face, LBP Face等）和深度学习方法。

4）利用新的数据源，例如基于视频的人脸识别和基于素描、近红外图像的人脸识别。

影响人脸识别系统对人脸采集的主要因素有哪些？

1.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。非***人脸识别摄像头常见规定的蕞小识别人脸像素为60*60或100*100以上。在规定的图像大小内，算法更容易提升准确率和召回率。图像大小反映在实际应用场景就是人脸离摄像头的距离。

2.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。现4K摄像头看清人脸的远距离是10米，7K摄像头是20米。

3.光照环境：过曝或过暗的光照环境都会影响人脸识别效果。可以从摄像头自带的功能补光或滤光平衡光照影响，也可以利用算法模型优化图像光线。

4.模糊程度：实际场景主要着力解决运动模糊，人脸相对于摄像头的移动经常会产生运动模糊。部分摄像头有抗模糊的功能，而在成本有限的情况下，考虑通过算法模型优化此问题。

5.遮挡程度：五官无遮挡、脸部边缘清晰的图像为蕞佳。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，这部分数据需要根据算法要求决定是否留用训练。

6.采集角度：人脸相对于摄像头角度为正脸蕞佳。但实际场景中往往很难抓拍正脸。因此算法模型需训练包含左右侧人脸、上下侧人脸的数据。工业施工上摄像头安置的角度，需满足人脸与摄像头构成的角度在算法识别范围内的要求。