前言

　　无感通行一定是未来出入口控制系统的发展趋势，无闸机、无需人员配合即可便利通行，但又能保障系统的安全性。人工智能（AI）技术给无感通行带来无限的可能性。

　　近30年来对整个安防系统，乃至整个弱电系统来说，发生革命性技术突破的当属视频监控技术，其核心就来源于AI技术中的计算机视觉技术。如今的监控技术可以广泛应用于监控、门禁、车辆出入、访客、消费、考勤、电梯控制、入侵报警，人脸识别技术应用就是典型场景代表，人脸识别+门禁、人脸识别+电梯、人脸识别+停车场，而人脸门禁就是其中最典型的革新应用之一，正是本白皮书要深入予以探讨的。

　　无感通行整体解决方案就是系统全面支持多种出入控制方式：刷门禁卡、刷身份证、刷银行卡、刷二维码、指纹识别、指静脉识别、支付宝、微信、Apple Pay、虹膜、人脸识别、声纹识别等，全部支持，或者最少支持2种以上的设备才是未来技术的主流。

　　AI智道联合人人智能、赛翼智能发布本人脸门禁产品技术白皮书，用于促进行业的技术发展和技术进步，共同开拓全新的门禁市场，集合行业力量，整合多种资源，逐步建立起优高效的产业生态。

　　本白皮书将从人脸门禁产品应用场景分类、产品类型分级、主要功能划分、产品形态、硬件、软件、测试检验方法、行业解决方案、未来发展趋势多个章节进行论述。本书可供门禁系统从业者、人工智能从业者、专家、安防从业者、设计院、政府相关部门、学生、工程商、集成商等相关人士阅读、参考。

　　概述

　　系统概述

　　人脸门禁系统是人工智能技术在出入口通行领域的典型场景应用，目前正处于用人脸识别技术代替传统IC卡的升级换代时期。门禁系统和建筑智能化系统的出入口通行系统经过多年的发展已经有了稳定成熟的以IC卡为主的技术体系，系统封闭、行业缺乏统一标准、用户体验和用户交互流程差异很大的一些局限。尤其是门禁卡和人员弱关联，代打卡、冒名顶替时有发生，存在很大的安全隐患，只认卡不认人。而人脸识别技术是人工智能在视觉识别领域发展最快的技术之一，非常好的解决了人员身份鉴别和权限统一的问题。当然新生事物也有一定的局限性，比如存在技术和产品的结合尚未形成统一标准、各个厂商自成系统难于兼容等问题。为了更好的让用户理解人脸门禁产品的应用优势和局限、指导厂商逐步建立逐步一致的人脸门禁的产品定义和功能描述，减少重复开发和技术概念混乱，AI智道（公众号：AIoWord）联合人人智能、赛翼智能等厂家制定本人脸门禁产品技术白皮书，用于建立行业统一的技术共识。本白皮书采用在线发布、图书出版、共同更新维护的形式，集合行业力量，逐步建立统一高效的人脸门禁产品体系，促进行业的发展。

　　门禁系统

　　门禁系统（Access Control System）又被称为出入管理控制系统，是安全防范管理系统的重要组成部分。门禁系统集自动识别技术和安全管理措施为一体，涉及人工智能、电子、机械、生物识别、光学、计算机、控制、通讯等技术，主要解决出入口安全防范管理的问题，实现对人、物的出入控制和管理功能。常见的门禁系统有独立式密码门禁系统、非接触卡式门禁系统、生物识别门禁系统、手机APP门禁系统等，曾经应用最广泛的非接触卡式门禁系统逐渐被生物识别门禁系统所替代，尤其是人脸识别。

　　典型的联网门禁系统由门禁服务器、门禁管理软件、控制器、接口模块、读卡器、人证合一一体机、卡片、电锁、出门按钮、紧急玻璃破碎器和蜂鸣器等设备组成。读卡器包括指纹、声纹、人脸、虹膜、卡式多种类型。

　　门禁系统在国内外的应用是有一定区别的，门禁系统最早出现在国外，技术发展比较成熟，通常都是联网的总线式门禁系统，门禁系统包含考勤、在线巡更功能，可以集成报警系统，能够和视频监控系统进行联动；而国内的门禁系统一般被归入一卡通系统建设，而一卡通系统通常包括门禁系统、访客系统、考勤系统、巡更系统、消费系统、电梯管理系统和车辆出入管理系统，这个范围要较国外的门禁系统要大，功能就相对简单一些。随着AI技术的成熟，人脸门禁正在大行其道，正在改变整个市场格局。

　　门禁系统适用各种场所，如银行、酒店、机房、机要室、办公室、智能化小区、工厂等。在数字技术网络技术飞速发展的今天门禁技术得到了迅猛的发展。早已超越了单纯的门道及钥匙管理，它已经逐渐发展成为一套完整的出入管理系统。它在工作环境安全、人事考勤管理等行政管理工作中发挥着巨大的作用。如今的无感通行系统中不一定会存在实体“门”，也许“门”是通道闸机、“门”是电梯、或者根本就没有“门”（虚拟的）。

　　门禁系统从技术维度可分为：电子密码门禁系统、卡式门禁系统、指纹门禁系统、指静脉门禁系统、掌纹门禁系统、虹膜门禁系统、声纹识别门禁系统和人脸识别门禁系统等。

　　本白皮书聚焦在人脸识别门禁系统，故以此为主。

　　人脸识别技术

　　人脸识别（Face Recognition，FR）是一种基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。

　　人脸与人体的其它生物特征（指纹、虹膜等）一样与生俱来，它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提，与其它类型的生物识别比较人脸识别具有如下特点：

　　非强制性。用户不需要专门配合人脸采集设备，几乎可以在无意识的状态下就可获取人脸图像，这样的取样方式没有“强制性”；

　　非接触性。用户不需要和设备直接接触就能获取人脸图像；

　　并发性。在实际应用场景下可以进行多个人脸的分拣、判断及识别。

　　除此之外，还符合视觉特性：“以貌识人”的特性，以及操作简单、结果直观、隐蔽性好等特点。

　　人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期；最近几年随着以深度学习为主的人工智能技术进步，人脸识别技术得到了迅猛的发展。“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，是综合性比较强的系统工程技术。

　　人脸识别系统通常包括几个过程：人脸图像采集及检测、关键点提取、人脸规整（图像处理）、人脸特征提取和人脸识别比对。

　　人脸图像采集。不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。

　　人脸检测。人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。

　　关键点提取（特征提取）。人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类：一种是基于知识的表征方法；另外一种是基于代数特征或统计学习的表征方法。

　　人脸规整（预处理）。对于人脸的图像预处理是基于人脸检测结果，对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。

　　人脸识别比对（匹配与识别）。提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。可分为1:1、1:N、属性识别。其中1:1是将2张人脸对应的特征值向量进行比对，1:N是将1张人脸照片的特征值向量和另外N张人脸对应的特征值向量进行比对，输出相似度最高或者相似度排名前X的人脸。

　　人脸识别的优势在于其自然性和不被被测个体察觉的特点。

　　所谓自然性，是指该识别方式同人类（甚至其他生物）进行个体识别时所利用的生物特征相同。例如人脸识别，人类也是通过观察比较人脸区分和确认身份的，另外具有自然性的识别还有虹膜识别、语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其他生物并不通过此类生物特征区别个体。

　　不被察觉的特点对于一种识别方法也很重要，这会使该识别方法不令人反感，并且因为不容易引起人的注意而不容易被欺骗。人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，不同于指纹识别或者虹膜识别需要利用手指接触的传感器采集指纹，或者利用红外线采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而造成诸多不便。

　　人脸识别被认为是生物特征识别领域甚至人工智能领域最困难的研究课题之一。人脸识别的困难主要是人脸作为生物特征的特点所带来的。

　　相似性。不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸器官的结构外形都很相似。这样的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的。例如双胞胎现象，指胎生动物一次怀胎生下两个个体的情况。双胞胎一般可分为同卵双胞胎和异卵双胞胎两类。在人类社会，全世界双胞胎平均出生率为1∶89。对于人类的双胞胎现象，有些双胞胎面部存在差异，有些双胞胎甚至从面部特征来看相似度极高，对于人脸识别系统形成非常大的挑战，几乎从生物特征上很难区别出每个个体。

　　易变性。人脸的外形很不稳定，人可以通过脸部的变化产生很多表情，而在不同观察角度，人脸的视觉图像也相差很大，另外，人脸识别还受光照条件（例如白天和夜晚，室内和室外等）、人脸的很多遮盖物（例如口罩、墨镜、头发、胡须等）、年龄等多方面因素的影响。

　　易攻击性。随着数字拍照、视频合成技术等发展，越来越容易获得某个指定人的人脸信息或者合成人脸信息。更甚至随着对抗训练（Adversarial Training）的深度学习技术的发展，计算机可以合成高精度的任何人的人脸等生物特征信息。某些生成对抗网络训练的反人脸识别，身份欺骗成功率达99.5％，甚至成为许多人脸识别系统的克星。

　　产品的场景化分类分级模型

　　人脸识别门禁控制系统基于先进的人脸识别技术在门禁出入口领域的应用创新。相比钥匙门禁、IC卡门禁、指纹门禁、虹膜门禁等其它技术手段，人脸门禁如果有以下优势：

　　人脸识别无卡进入，免去携带卡证的额外工作；

　　高速准确方便快捷，人脸识别通常在1秒以内完成甚至可实现无感自然通行；

　　照片记录可追溯验证；

　　同时人脸门禁也存在一些风险：

　　对于高相似人脸或者双胞胎等存在一定的误识风险；

　　人脸识别容易受到一些技术手段的攻击；

　　人脸识别涉及到隐私权等风险。

　　总体来说人脸识别门禁是门禁系统的一次重大技术变革，将门禁智能通行带入了全新的AI时代。

　　本白皮书的关键内容，是对人脸门禁的产品应用场景、产品技术形态分为三类六等，树立了对人脸门禁产品应用和开发的技术指导，这也是本次白皮书重大的创新。这个分类办法结合了对门禁应用场景和人脸识别技术的深入调研需求提炼和技术分析，欢迎广大读者提出宝贵意见以便于编者修改完善。

　　门禁通行的应用场景分为三类：

　　强配合类。人脸与设备距离0.5米以内，人脸角度在15度以内，人脸比对模式为1:1人证比对或者