基于人脸识别技术的门禁系统应用研究

李伯星

（重庆保税港区公租房建设开发有限公司 重庆市 401127）

为加快产城融合，各地招商引资力度逐年加大，落地的项目和产业越多，配套服务保障就越要跟上，首当其冲的就是产业员工的住宿配套服务保障。一般具有规模的产业园区员工数量约为3-5万人，如何做好配套服务是招商引资落地的关键一环，通常的做法是为产业园区修建专用的员工宿舍小区，即生活配套区。因产业园区员工数量庞大，年流动员工数大约在10万人次以上，故员工住宿小区一般称为密集型产业员工生活配套区。生活配套区建设方通常以打造标准化、一体化企业综合服务配套运营商、组织者以及产业全息生态体系的参建者和服务商为目标，负责住宿项目投资、建设和管理，为重点招商产业落地提供高质量社会化生活配套服务保障。

为保障生活配套区产业员工入住的安全，小区门禁系统是必不可少的一环，门禁系统通过识别方式来分类，大致分为三类：密码识别、刷卡识别及人脸识别。对于密集型小区而言，人员数量众多，流动性大，为使入住小区员工感受到安全感、体验到幸福感、充满着获得感，如何选取适合的门禁系统以及日常如何对建成的门禁系统进行有效的管理，则显得尤为重要。

1 密集型产业员工生活配套区门禁系统现状

随着产城融合的高质量发展，承载着完善基础服务配套职能的生活配套区也越来越多，进一步完善配套设施如文化生活、娱乐、公共休闲区域等，为园区人员解决好衣食住行的问题，进一步为企业员工做好服务工作，则显得非常重要。生活配套区往往具有人员流动性大、人员聚集性高等特点，基于这种每日有较大通行人流量的园区，门禁系统必须反应快速、安全可靠、稳定运行，确保人员进出验证的有效性和更新的及时性。

密集型产业员工生活配套区出入口控制系统（即门禁系统）按识别模式来分类，适合生活配套区的主流应用分为刷卡识别和生物识别两类。如果采用IC卡识别的形式，则建议不采用现场发卡制卡的方式：

（1）节约开通时间、提升效率；

（2）在疫情防控下避免人与人当面接触，降低风险。

通常做法是利用厂区员工自有厂牌作为生活配套区门禁卡，无需现场发卡制卡，通过平台数据导入的方式，进行权限的开通、删除及更新操作，实现集中统一有效的管理。

通过IC卡的出入口管理，基本解决了人员流量大、进出非常频繁的问题，如果权限的及时性处理较好，系统的应用也会比较稳定。但IC卡门禁系统会有很多的不便之处，比如说突然忘记带门禁卡或者是门禁卡遗失，都会给入住人员的正常出入造成不必要的麻烦；卡片只认卡不认人，丢了卡可能会被外面的人混入小区的机会，如果非小区人员，持有小区人员门禁卡，也存在进入小区的可能性，从而造成进出小区人员情况的不太可控，小区人员数据不能精确掌握等情况，进而引出了小区安全管理方面、数据统计分析以及应急处理方面等一系列的问题，所以类似这种密集型生活配套区的出入口管理，还是要借助生物识别技术的门禁系统才能有实际的应用效果。

应有较为广泛的基于生物识别技术的门禁系统大致有以下几个类别：

（1）通过指纹进行识别；

（2）通过虹膜进行识别；

（3）通过掌纹进行识别；

（4）通过人脸进行识别等。

这其中，最具代表性，应用最广的门禁系统技术则为人脸识别技术，因为人脸识别技术的人员面部特征采集较为简单，采集到的图像也比较直接，应用的人工智能算法也比较成熟和相对稳定，识别的成功率较高、速度较快。在密集型生活配套区的应用中，如果门禁系统采用基于人脸识别技术的门禁，既能满足小区的现场安全管理，又能防止人员权限盗用等情况，所以人脸识别技术的门禁系统是生活配套区的首选出入口控制系统。

2 人脸识别门禁系统核心技术

2.1 核心算法

人脸识别技术是计算机视觉技术中的一种核心技术，把人脸检测与识别当前的图像及模式等融合分析处理，是当前计算机科学与应用的热门探索方向。这种核心技术是通过人员面部表情特征检测、提取、比对等环节组成的一种识别技术。

人脸识别核心的算法主要有基于特征脸的算法、基于人脸几何形状的算法、基于深度学习的算法、基于支持向量机的算法等。一般小区的人脸识别门禁系统采用局域网网络架构方式部署，故主要采用基于特征脸的算法或基于人脸几何形状的算法来实现该系统。

基于特征脸的算法是把一些人脸图像转换成一个特征集合，基于人脸的主成分分析而得出结果的一种算法，其主要步骤：

（1）对检测到的图像进行训练；

（2）通过计算求出平均的脸数据；

（3）获得特征子脸；

（4）进行图像的重构；

（5）寻找出相似度高的人脸图像，即特征脸。

使用该算法进行人脸识别时，算法整体上来说计算比较简单，实现起来比较容易，但较易受到角度、光线等环境影响，导致效果不甚理想。

基于人脸几何形状的算法是主要靠人脸的面部特征及其几何形状进行的一种算法，是研究及使用得比较普遍的一种，该项算法的优点为识别的速度比较迅速，识别率也比较好。

基于深度学习的算法是机器学习算法的一种，基于多层（3 层以上）的人工神经网络。深度学习与传统机器学习的主要区别在于，在帮助计算机建立学习模式时，深度学习不需要人工将某一具体领域的知识转化为以简单数据表示的特征值。深度学习技术改变了人工智能算法的设计思路，人工智能算法的性能瓶颈得到突破，使得精确的人脸识别等技术的实现成为可能。如何让神经网络从训练数据中学习到有效、鲁棒的生物特征是至关重要的。在这个过程中，一个良好的学习向导是不可或缺的。因此，在模型训练的过程中，通常使用度量学习的方式，将人物面部特征间的距离，作为神经网络特征学习的向导，来实现区分不同人物的目的。

基于支持向量机的算法主要是把图像变换空间，在其他空间做分类。支持向量机目前在人脸识别领域取得了广泛的应用，但其处理速度相对较慢，且需比较大的存储空间。

2.2 实现原理

门禁系统人脸识别的原理基本是通过前端门禁人脸识别机检测到人脸后与后端存储的人脸库中的人脸进行比对匹配实现的。主要的步骤为：

（1）在后端服务器中建立一个包含小区所有人员的人脸图像数据库；

（2）通过前端人员刷脸使人脸识别机获取需要识别的人脸图像；

（3）将前端获取的人脸图像与后端的人脸图像数据库中的人脸图像进行比对和匹配。

具体实施的技术流程为人脸图像的采集、人脸检测、人脸特征提取和人脸识别四个部分。

一般在人脸识别门禁系统的识别过程中，首先需要在前端的人脸识别机上对人员的脸部信息进行检测和采集，随后根据采集到的人员脸部信息，提取相应的面部特征，并通过计算得出每个特征之间的关系，然后再与后端服务器中所有人员的人脸图像数据库中的信息进行比对，最后得出最适配的人脸图像，并输出到前端人脸识别机上，同时给出控制信号的指令，如验证成功开门或验证不成功禁止入内。

一般类似密集型生活配套区的门禁系统中，都可以设定一个人脸相似程度的阈值，再将目标人脸图像与人脸数据库中的所有人脸图像进行比对，若超过了预设的相似数值，则选取相似数值最高的人脸进行匹配。

实现原理简图如图1所示。

图1：实现原理简图

3 人脸识别门禁系统在生活配套区的构成与特点

3.1 系统组成

密集型人员生活配套区人脸识别门禁系统一般由人脸识别机、人员通道闸机、通道闸机控制器、集约式服务器、存储阵列、出入口管理软件等组成。生活配套区的通道闸人脸识别机主要部署在公区各主要出入口及楼栋大厅出入口，与后端服务器群通过网络连接形成内部局域网，实现系统在线联网实时控制的功能，同时，通道闸门禁控制单元采用RS485总线联网，实现开门闭门的操作，为保证传输的可靠性，一般每总线所接控制器不多于8个。基于这样的组网连接方式，可通过服务器端的系统管理软件对组织架构、设备的运行状态、人员的权限下发与删除等进行集中的管理，只有与对应通道闸权限匹配的人员才能进入相应区域，只要数据下发到前端人脸识别机上，支持设备离线状态下人员的人脸识别。

门禁系统管理的工作流程大致如下：人脸识别机及通道闸机控制器主机通过局域网与后端的服务器群进行人员数据信息的同步及交互，因整个数据交互过程会采用加密处理，数据的安全性得到比较大的提升。人员权限的验证由通道闸机控制器主机完成，其可在网络中断的情况下正常工作。通道闸机控制器下端接入门组控制单元，实现通道闸机信号的控制。

系统架构简图如图2所示。

图2：系统架构简图

3.2 系统功能

密集型人员生活配套区人脸识别门禁系统平台需具有灵活配置、自由组合等功能，比如可依照用户需求自行添加人员信息、设备组织、人脸识别门禁设备、门组信息、开门计划等，并且需具有权限下发简便易操作、可验证操作是否成功等，比如门禁通道独立授权、查询授权任务、复核下发结果等。

生活配套区人脸识别机系统一般采用超过7英寸的LED显示屏，并配备200万像素以上的广角宽动态摄像头。该人脸识别机需具有以下功能：

（1）支持的面部识别距离为0.3米至2米，适应1.4米至2.1米的身高范围，具有中文语音提示功能；

（2）具有白光补光功效，补光灯亮度支持手动、自动调节，光线柔和；

（3）识别机需基于深度人脸识别算法并提供1:100000人脸识别能力，支持超100000的人脸存储库；

（4）支持JPG、JPEG格式图片导入人脸照片，人脸验证准确率≥99%；

（5）人脸1：N比对时间≤0.5S/人，识别速度快，准确率高；

（6）支持照片视频防假，防3D打印，电子屏，面具，头套等；

（7）支持人脸真人检测，只有当人脸识别后并检测为真人时，整体认证才能通过。

对于有集中管理平台的人脸识别门禁系统而言，人脸权限的下发等操作均需由管理平台操作人员进行处理，人脸数据的收集可采用集中统一采集，也可采用用户自行上传人像照的形式，像这种人数较多、变换频繁（每日平均新入住和离职人员在500人次左右）的生活小区，建议采用用户自行上传人像照的形式来进行通道闸权限的处理，故系统应可按照通道闸区域或者小区人员进行分别授权管理的功能，既可以对通道闸作授权处理也可以对人员进行授权处理。

通道闸机人脸识别机的刷脸数据，要可实时反映到管理平台端，相关事件数据不能修改，只能进行查询，比如：事件时间、人员名称、门通道名称、开门类型、开门结果、事件类型等，记录不能篡改。

系统可以以图形化界面的形式呈现人脸识别通道闸主机的状态信息，小区管理人员可以通过这种直观的图示来实时查看当前各通道闸的状态，如出现异常情况或故障，可及时修复和处理，提升门禁系统的运行稳定性，确保运转正常有序。

3.3 系统特点

密集型生活配套区门禁系统一般需具有安装简便、组网方式灵活、功能丰富、集成性强、系统安全性高等特点。

（1）门禁系统前端设备具有多种安装方式，并提供多种外观选择，安装较简便；

（2）门禁管理平台可以提供比如报警联动、信息输出等事件管理功能；

（3）通过通道闸控制主机与服务器局域网组网的方式，将前端多个通道闸主机进行联网管理，并通过后端系统管理平台进行统一处理；

（4）可实现多种验证开门的方式，并可以根据用户需求自行配置、组合，目前较流行的组合为测温+人脸识别的模式；

（5）可与监控系统、消防系统联动，也可与更多的系统进行集成，支持二次开发，提供API接口文档；

（6）当网络中断时，不影响人员的刷脸通行，并将刷脸通行数据做好事件记录存储在前端通道闸控制主机中，网络恢复后，记录自动上传至管理平台，有效的保证了数据一致性。

4 门禁日常应用难点分析及解决方案

4.1 难点分析

门禁系统技术层面上的难点：

（1）光照对人脸识别的影响。人脸识别门禁系统在识别过程中，对识别范围内的光照要求比较高。如果在太亮或者太暗的光线环境下，会较易出现不能正常识别或者识别不是很准确的情况。分析原因大致为人员面部特征识别依赖于人脸识别机的摄像头聚光捕捉，光照太暗的话，抓取到的图像就会比较模糊，从而导致无法识别；如果光照太亮的话，就会使抓取到的人员面部特征光亮比较聚集，从而使摄像头无法精准采集到人员面部形状，从而导致无法识别。

（2）人员面部特征随着年龄增长带来的变化。密集型产业员工生活配套区居住的人群，一般为在企业上班的青年，对于青少年来说，随着年龄的增长，面部外观局部特征也会逐渐发生变化，而且相较中年人群来说，变化会显得比较显著。容貌的变化，也是会造成人脸识别率下降的一个因素，此时，人脸识别门禁所采用的算法对于识别的成功率影响就特别重要。

（3）人员在面部识别时表情、姿态的影响。面部识别时，人员表情的改变，就会使得人脸的面部特征及五官产生相应的改变，从而使识别的准确度下降；另外，姿态的问题，也是在人脸识别技术中需要重点关注并优化的一个难点，姿态的变化幅度越大，面部识别时摄像头提取的人脸特征就越少，甚至会造成面部特征部分缺失，从而造成人脸识别算法的识别率降低，影响识别的准确性。

门禁系统应用层面上的难点：

（1）人员基数大。在密集型生活配套区中，存在着入住人员基数非常大的特点，一般情况下，每日小区的入住人数在3万人左右，每日产生的人脸识别数量在10万条以上，10万条的“刷脸”记录，会因为每个人的通行习惯不同，产生一定的识别误差，因为基数比较大，所以每日会产生比较多的识别失败记录。

（2）人员变化比较快。密集型生活配套区往往是作为企业员工的配套入住小区，这种企业的特点就是人员变换比较快，招工用工的流失率和更迭率非常高，这就造成了每日处理的门禁数据量特别大，有新入住人员，也有离开小区的人员，甚至还有从一栋楼换至另一栋楼入住的人员。每日人脸数据权限的系统集中下发和删除必须非常及时，但因为数据量大，系统下发人脸数据库时会有形成较长的处理队列，一旦人像照片被系统认定不合格，就会进行丢弃，进而造成队列的数据不稳定，从而使下发数据的失败率升高。

（3）用户人像照片上传量比较大。因为用户基数大，人员每日变换频繁，进而导致用户每日上传的需授权的人像照片特别多。因人像照片的来源全部为用户自行上传，照片的系统通过率即照片合格率无法保证，从而会影响权限处理的有效性。

4.2 解决方案

（1）在门禁系统前端的人脸识别机上加装遮阳罩，以最大化的减少光线对人员通行时面部识别的影响；

（2）在人脸识别门禁通道闸处张贴人脸识别表情动作样表，并安排小区物业人员在通道闸处进行值守，对出入人员进行有效的指导，避免因表情或姿态引起的人脸识别未通过的情况发生；

（3）在每日的门禁系统平台权限操作中，提前对需操作的人像照片进行筛选，将不合格的照片进行丢弃，只对合格的人像照片进行平台权限的操作，避免数据队列过大时对系统权限下发稳定性的影响。

（4）定期对门禁系统的平台进行数据清理，减少队列中的缓存数据对权限处理造成的延迟影响，使权限处理更加高效直接。

5 结论

密集型产业员工生活配套区中人脸识别门禁系统的应用，有效的解决了常规刷卡门禁带来的因卡丢失或遗忘而造成的进出小区人员不太可控的情况，实现了既能满足小区的现场安全管理，又能防止人员权限盗用等功效。

在小区中通过局域网网络架构方式进行人脸识别门禁系统的部署，以小区个主要出入口、楼栋等作为管理单元，小区物业、企业宿舍管理人员、入住员工等一起共同参与，通过多维度、点对点式的系统平台精准管控，依赖人员面部生物特征进行通行，减少了人为核查的工作量，降低了企业用工和管理成本，提高了通行效率，使密集型产业员工生活配套区的管理更加科学化、标准化、智能化、人性化，真切的提升了入住员工的幸福感与满意度，打造良好的小区生活和服务体验。