人脸识别技术在出入口系统中的应用及发展前景

　　一、人脸识别概述
       在传统出入口系统中, 通常采用刷卡的方式对人员权限进行核验。基于射频IC的一卡通系统已经非常成熟和完备。 刷卡核验有很多使用上的限制, 比如无法准确确定刷卡人的实际身份、需要随身携带IC卡、IC卡容易被复制等。随着生物识别技术、 AI智能算法、 智能芯片技术的发展, 基于生物特征的人员核验越来越广泛的应用在出入口系统中。 相比刷卡核验, 生物特征识别核验有着许多技术和应用上的优势,比如核验特征随身携带、 能准确确认核验人员的身份等。

　　较早应用到实际中的生物特征识别技术是指纹识别。 指纹识别在技术成熟度、 算法性能指标、 软硬件配套方案上都已经非常成熟, 是最早落地的生物特征识别技术, 也是当前最为成熟的生物特征识别技术, 在出入口系统中,指纹识别的应用也非常广泛。

　　人脸识别作为生物特征识别的另一个热门技术, 最近几年才开 始逐步成熟, 并在实际应用中广泛落地和实施。相比指纹识别,人脸识别最大的特点就是非接触式采集和识别, 使用体验会更好。早期有很多技术难点制约了人脸识别的应用和普及, 比如在各种光照下的人脸图像采集、 高精度的人脸检测和识别算法、 高性能的芯片计算平台等。 随着ISP图像处理技术的进步、 基于深度学习的人脸检测和识别算法的成熟以及高性能AI芯片的普及,人脸识别技术在视频监控,出入口控制系统等领域应用越来越广泛.

　　二、 人脸识别的关键技术

　　1.人脸图像采集技术

　　在出入口控制、视频监控等安防领域中,人脸识別的环境是复杂多样的, 各种光照条件会直接影响人脸图像的采集效果。因此有效的ISP图像采集技术是保证后续人脸识别效果的必要前提。 以海思为代表的安防芯片厂家,在视频监控领域积累了多年的ISP 图像处理经验, 在各种逆光、低照、 动态范围较大的场景下,都能较好地获取清晰的人脸画面。以索尼为代表的图像传感器厂家,以宇瞳为代表的镜头厂家,也提供了高质量的图像传感器和镜头方案,配合芯片ISP算法,保证了人脸图像的有效采集。此外,针对人脸等特殊目标,设计专门的人脸曝光算法,也是一个重要的技术发展趋势,一些有相关技术积累的安防厂家都采用了这种技术来增强人脸采集的图像处理效果。

　　2.基于深度学习的人脸识别算法

　　传统的人脸识别技术, 由于场景适应性较差, 无法满足实际应用的要求,因此当时的人脸识别大都是在特定场合下使用, 无法普及开来。 随着深度学习的成熟和普及, 将深度学习应用到人脸识別成为ー个主流的技术趋势。基于深度学习强大的泛化能力和鲁棒性,人脸识别终于可以在更加广泛的应用领域中施展身手。 基于深度学习的人脸检测算法, 当前使用较多的有基于候选框的 Faster RCNN, RFCN 等算法,也有基于回归的YOLO、SSD等算法。经过近几年算法的优化迭代，这些算法在检测速度和检测精度上已经能够满足实时业务的需求。

　　基于深度学习的人脸识别算法，主要有以VGG.DeeplD、Coole Net、ResNet等为代表的深度学习算法模型：这些算法模型能够有效提取人脸的深度特征，在一定的误识率下确保人脸识别的准确性。
         3.基于深度学习的芯片技术

　　深度学习相比传统算法优势明显，但是计算量也是非常大的。早期，深度学习只能在工作站或服务器平台上依赖强大的CPU来运行。随着英伟达强势介入深度学习领域，在GPU上运行深度学习成为一个主流趋势。而以英伟TK1、TX1为代表的GPU模块的推出，在嵌入式设备上运行深度学习成为了可能。随后各种专用的深度学习加速模块开始普及，从而推进了深度学习在各种嵌入式终端设备的普及。

　　当前，主流的嵌入式设备上的深度学习方案有以下几种

　　(1)以TK1.TX1为代表的

　　专用芯片GPU方案，是基于GPU芯片强大的井行计算性能，能够实现高效的深度学习计算，但是芯片功耗较大，对终端设备的散热要求较高。

　　(2)以瑞芯微、联发科芯片为代表的通用芯片CPU方案，主要是基于通用ARRVI芯片实现深度学习计算，运算能h相对有限，无法实时运行较复杂的网络，或者采用更高规格的ARM芯片才能满足模型实时运行的需求，芯片的性价比不高。

　　(3)以Movidus芯片、海思智能芯片为代表的专用芯片方案，自带深度学习专用的加速模块，芯片计算能力强大，功耗和体积都非常小比较适合在嵌入式终端上部署深度学习方案, 是未来深度学习在嵌入式终端部署实施的主要方案.

　　4. 活体检测技术

　　提到人脸识别就避不开活体检测这个话题, 为了保证人脸识别的有效性, 防止各种恶意攻击, 在人脸识别产品中实现有效的活体检测技术是一个重要的前提条件。 当前业界的活体检测技术方案很多, 主流技术方案有配合式的活体检测、非配合式的红外活体检测、 基于深度信息的活体检测等, 每种方法都有其优劣势。 在实际应用中一般是根据活体检测严格程度, 选择一种或多 种技术方案组合起来, 实现有效的活体检测功能。

　　配合式的活体检测由于简单易用的原因, 在早期使用的较多, 但是由于配合式的方式易用性较差,除了一些特殊场景外,后续应该会被非配合式的方案所替代。

　　红外光人脸识别在活体检测方面具有一定的技术优势, 因此这也是当前主流的活体检测方案之一。基于深度信息的活体检测, 有基于双目立体视觉的方案、 基于结构光的方案, 基于TOF的方案。 其中基于结构光的方案目前是最为成熟的一个方案,相关上下游产业链也比较成熟, 比如苹果手机已经实现类似的功能。基于TOF的方案由于其检测距离的优势,应该是未来的一个发展趋势。

　　三、 人脸识别在出入口系统中的应用前景

　　1.主要人脸识别门禁厂家

　　当前市面上涉及到人脸识别门禁设备的主流门禁厂家如下:

　　(1)以中控智慧、汉王、科密等厂家为代表的传统门禁厂家,一般会集成双目人脸检测和指纹识别技术, 人脸识别算法采用的是传统算法, 场景适应性一般,门禁考勤业务整体方案齐全.

　　(2)以阿里钉钉为代表的互联网厂家,采用云+端结合的门禁考勤方案, 基于深度学习算法实现人脸识别, 场景适应性较好, 配合钉钉等互联网方案, 主打人脸识别门禁考勤的整体方案和高性价比终端设备。(3)以海康、大华,宇视为代表的安防厂家,基于多年积累的视频监控图像处理技术、 软硬件一体化的终端设计能力、AI智能算法的积累经验,也相继推出了各自的人脸识别门禁设备。人脸识别算法基于深度学习,加上良好的图像处理技术和硬件设计能力,在中高端人脸门禁设备上具有一定的优势。

　　其他还有众多的新兴智能门禁厂家, 借助深度学习的人脸识别算法的成熟, 快速推出了满足实际场景需求的人脸门禁设备, 支持人脸识别门禁管理或人脸考勤功能。人脸识别算法采用的是深度学习算法, 相比传统算法的人脸门禁设备, 场景适应性更好, 同时具备完善的软硬件配套方案。

　　2.人脸识别技术在出入口系统中的应用

　　(1)在门禁一体机中,可以对人员身份进行精确识别, 从而实现准确的人员权限管控, 防止没有权限的人员进出相关区域。

　　(2)在门禁考勤集中,可以实现准确的人员考勤打卡,避免他人代刷卡等违规行为。

　　(3)在酒店、机场、车站等场合的人证核验设备中,可以快速准确地确认人员身份信息。

　　(4)在访客机中,可以实现访客人脸录入,在进入相关区域后实现刷脸进出各个区域。

　　(5)在速通门闸机中,可以实现快速高效的人员核验和人员通行。

　　(6)在智慧社区方案、智慧园区方案、智慧商业方案中,基于各个点位的人脸识别设备(人脸门禁、人脸闸机、人脸相机等),可以实现人员权限的有效管理、 人员身份的准确判定、 人员轨迹的精准定位。
       3.人脸识别技术未来发展前景

　　随着算法和芯片的进一步成熟, 各厂家集成能力的提升, 人脸识别技术必将在以出入口系统为代表的各个领域中得到更加广泛的应用。结合人脸技术的研究进展, 以及出入口系统的应用特点, 将会呈现出以下发展趋势:

　　(1)随着芯片价格的下探,人脸识别类门禁产品的价格将会进一步下探, 人脸门禁设备在整个出入口系统终端设备中的占比将会越来越高。

　　(2)当前人脸门禁中,还是需要人员有一定的配合度才能完成人脸识别,完全非配合的人脸识别必然会导致识别准确率的下降。 未来随着关键算法和技术方案的进一步成熟, 非配合、 无感知的人脸识别门禁产品将会出现,这将会极大提升人脸门禁的使用体验。

　　(3)当前的人脸识别主要还是二维空间下的人脸识别,红外+可见光的双目人脸识别设备也仅仅是简单的融合识别方案,还远没有达到三维立体识别的程度。未来随着结构光、TOF等深度传感技术的进一步成熟,三维人脸识别算法和技术将会出现,这将会极大地提升人脸识別的准确性。

作者：汪辉

编辑：广翰楼