一路机电人脸识别器-人脸识别-人脸识别考勤机

伴随着科技的飞速发展，人脸识别，人脸识别的技术也越来越好，近来有一种通过*网络的方法进行识别，人工*网络是一种非线性动力学系统，具有良好的自*、自适应能力。目前*网络方法在人脸识别中的研究方兴未艾。Valentin提出一种方法，首先提取人脸的 50个主元，然后用自相关*网络将它映射到 5维空间中，再用一个普通的多层感知器进行判别，对一些简单的测试图像效果较好；有人提出了一种混合型*网络来进行人脸识别，其中非监督*网络用于特征提取，而监督*网络用于分类。Lee等将人脸的特点用六条规则描述，然后根据这六条规则进行五官的*，将五官之间的几何距离输入模糊*网络进行识别，效果较一般的基于欧氏距离的方法有较大****，Laurence等采用卷积*网络方法进行人脸识别，由于卷积*网络中集成了相邻像素之间的相关*，从而在一定程度上获得了对图像平移、旋转和局部变形的不变性，因此得到非常理想的识别结果，Lin等提出了基于概率决策的*网络方法 (PDBNN)，其主要思想是采用虚拟 (正反例 )样本进行强化和反强化学习，从而得到较为理想的概率估计结果，并采用模块化的网络结构 (OCON)加快网络的学习。这种方法在人脸检测、人脸*和人脸识别的各个步骤上都得到了较好的应用，其它研究还有 :Dai等提出用Hopfield网络进行低分辨率人脸联想与识别，Gutta等提出将RBF与树型分类器结合起来进行人脸识别的混合分类器模型，Phillips等人将MatchingPursuit滤波器用于人脸识别，人脸识别算法，国内则采用统计学习理论中的支撑向量机进行人脸分类。

*网络方法在人脸识别上的应用比起传统的方法来有一定的优势，因为对人脸识别的许多规律或规则进行显性的描述是相当困难的，而*网络方法则可以通过学习的过程获得对这些规律和规则的隐性表达，它的适应性更强，一般也比较容易实现。因此人工*网络识别速度快，人脸识别认证，但识别率低 。而*网络方法通常需要将人脸作为一个一维向量输入，因此输入节点庞大，其识别重要的一个目标就是降维处理。

于当今这个大数据、信息流时代来说，数据信息尤为重要。商场需要收集客户的信息，广告主投放户外广告前需要知道投放地的流量，男女比例等信息以判断是否符合自己的产品*。

伴随着人工智能的热度，人脸识别技术又再次回到了人们的眼中，通过人脸识别技术，商家可以分析客户的信息，人脸识别功能，再通过收集到的信息对自己的产品进行调整以更好的满足客户需求。

传统的客流量统计分析只能简单的做到统计每天进入、离开的人数，客户停留的时长等简单信息，但是引入了人脸识别技术后就可以收集更多的信息，例如年龄，到访频率，浏览了哪些商品，浏览商品的时长等，这些信息能够为商户提供营销指导的决策数据支持。

以下是人脸识别系统功能设计：

1、进出人员面部信息采集

在监控中心的终端进行业主或进出人员信息登记，并可以在服务器进行前端信息发送，提取。

2、进出人员基础信息管理

在后台服务系统中基础信息管理中设定需要管理的进出人员的基本资料：包括面部信息、家庭信息、个人信息等，可以以不同参数为索引进行排列、查询，并可以生成进出人员信息报表。

3、采集终端管理

在后台服务系统中，可以对接入的前端人脸识别门禁机终端进行远程管理，比如升级系统、提取前端面部识别信息，比如人脸信息数据、触发开门的信息等。

4、黑名单

对于存在不良人员时作为专门登记、备注，以提醒工程管理人员进行处理。

5、查询统计报表

系统可以对进出人员的识别信息进行查询统计，并生成相应报表。

7、系统设置

实现系统的使用用户及权限信息管理；