关于人脸识别门禁系统的介绍和其优点
人脸识别门禁系统就是把人脸识别技术和门禁系统相结合，通过对人脸的识别作为门禁开启的钥匙。它不仅免去了忘带钥匙或卡的烦恼，同时因为人脸识别门禁系统无需任何介质开门，而节省了不少成本，如人员变动不需要更换门锁、钥匙、IC 卡等，只需要重新对人脸进行注册即可；识别的过程是把一副新的图像投影到特征脸子空间，该特征空间捕1捉到已知面部图像之间的显著变化。另外人脸识别门禁系统还可根据出入人员情况设臵门禁权限，包括不同时间段，不同的门禁点等。
人脸识别技术发展，其实对社会有好有坏。比如，给小区监控装上人脸识别，既省下了居民出入时刷门禁卡的功夫，又对调查人员的安保工作有帮助。但是，不一定每个居民都愿意将自己的照片留在监控系统里，而且有心的分子也会通过头套等方式骗过人脸识别，反而加大了安保工作的难度。刷脸***方兴未艾之时，相关的新型也悄然出现。如此复杂的情况确实让人对人脸识别心生畏惧，然而说到底，它只是一行行藏匿在电子设备中的代码，只会听命于人类，无权决定自己的好坏。它不是恶，而是对人性恶的考验。当前效果的较好的一些人脸配准技术，基本通过深度学习框架实现，这些方法都是基于人脸检测的坐标框，按某种事先设定规则将人脸区域扣取出来，缩放的固定尺寸，然后进行关键点位置的计算。 所以，我们不能地肯定或否定人脸识别技术，而要辩证地看待它，正确地运用它。
人脸识别-局部二值模式（Local Binary Patterns，LBP）
局部二值模式（Local binary patterns LBP）是计算机视觉领域里用于分类的视觉算子。LBP，一种用来描述图像纹理特征的算子，该算子由芬兰奥卢大学的T.Ojala等人在1996年提出（《A comparative study of texturemeasures with classificatio1n based o1n featured distributio1ns》）。2002年，T.Ojala等人在PAMI上又发表了一篇关于LBP的文章（《Multiresolutio1n gray-scale androtatio1n invariant texture classificatio1n with local binary patterns》）。这一文章非常清楚的阐述了多分辨率、灰度尺度不变和旋转不变、等价模式的改进的LBP特征。LBP的核心思想就是：以中心像素的灰度值作为阈值，与他的领域相比较得到相对应的二进制码来表示局部纹理。人脸识别系统的发展相比传统测温法，红外测量速度快，通常检测时间较短，检测率高，测量过程中不需要和被测对象接触，不会因为消毒不彻底出现交1叉感1染的情况。
“人脸检测（Face Detection）”是检测出图像中人脸所在位置的一项技术。
人脸检测算法的输入是一张图片，输出是人脸框坐标序列（0个人脸框或1个人脸框或多个人脸框）。一般情况下，输出的人脸坐标框为一个正朝上的正方形，但也有一些人脸检测技术输出的是正朝上的矩形，或者是带旋转方向的矩形。
常见的人脸检测算法基本是一个“扫描”加“判别”的过程，即算法在图像范围内扫描，再逐个判定候选区域是否是人脸的过程。
