車站智能化人臉識別閘機應用介紹：
一、車站出入場景：人、證、票驗證，主要應用區域體現在：
入口區域
在候車入口處布置智能人臉識別閘機，對進入候車室的人員進行身份核實，有效提升站內的安全級別；各智能化閘機均可按需要配置，對職工/旅客進行身份識別；各終端閘機，均與后臺的對應的業務系統對接，業務之間既有關聯又有互聯，實現系統的完整性；
出口區域
職工、旅客可通過北京西莫羅出口通道閘機進出；
二、系統邏輯層次架構
1、采集層
系統需能為系統獲取開展人臉識別分析應用所需基礎圖像數據的各種采集方式，主要包括以下幾種：
2、數據庫信息批量采集
可以從中山大學原有的教職工、學生相片庫等第三方系統批量獲得建庫所需人員信息及相片數據，用以建立系統自己的人員數據庫。
3、數據層
包括相片庫、基礎模板庫和索引庫三種數據庫。
4、相片庫
l教職工/學生庫、外來人員庫、預約來訪人員庫、黑名單人員庫信息及相片。
5、基礎模板庫
l與相片庫相對應的人像識別比對基礎模板庫。
6、索引庫
索引庫是本平臺的重要核心，是應用和特征庫之間的重要橋梁，索引庫在各相片庫及基礎特征庫之間按人員信息建立索引，可以為各警種的人像智能識別比對應用提供數據共享；此外還可根據不同警種業務需求建立相應的業務特征庫索引，縮小識別比對范圍，提高識別比對效率。
7、支撐層
人臉建模
該模塊負責從靜態圖片以及人臉中定位和提取出人臉數據，并對人臉數據進行建模和局部分析，抽取出相應的人臉特征，進而對局部特征作結構化處理。
人臉識別比對
該模塊是人臉識別分析技術應用的核心，負責完成從獲取的人臉圖像與數據庫中的人臉圖像進行特征比對和檢索等關鍵功能。
8、功能層
包括了系統應用的所有基礎功能模塊：人員建庫、人臉特征采集、實時數據上傳、基礎信息管理、人臉特征比對分析、人臉特征比對報警及人像抓拍分布統計等功能模塊或子系統。
9、應用層
具有人像識別比對相關業務需求的應用功能。
三、車站智能人臉識別閘機系統特色
模塊化的系統結構功能。
系統采用“服務器+工作站”的模塊化結構，這種結構便于不同智能部門根據權限來進行獨立管理，避免權限交叉和管理混亂等現象。如數據服務器專門用于數據交換和存儲；維護工作站用于系統維護；應用工作站用于對旅客、職工進行管理；
強大的脫機使用功能
像素人臉識別閘機門禁管理系統具有強大的脫機使用功能，當硬件系統與控制系統無法正常通訊時，門禁系統仍能正常使用而不影響旅客出入。硬件控制器的存儲容量可達10萬張照片和10萬條歷史記錄，不會因為短期通訊故障而造成數據丟失。
強大的聯動功能
系統具有強大的聯動功能，能與人臉識別、語音播報等設備進行無縫聯動，當系統觸發報警時，自動自動保存現場照片和語音播報進行語音提示。如：使用非法卡進入通道時，系統自動進行圖像抓拍和語音提示，同時聯動聲光報警。
基于人臉大數據的深度學習人臉識別，極大提升系統魯棒性和識別準確率。
人臉識別算法采用基于神經網絡的深度學習模式。通過利用大量簡單處理單元互聯而構成復雜系統，模仿人的學習認知系統，在學習的過程中獲得其他方法難以實現的關于人臉識別的規律和規則的隱性表達。通過利用形狀特征、灰度特征、皮膚紋理特征等多種傳統特征并進行融合，采用了空間分析和調度學習技術，實現高性能、高精度、高魯棒性、可靠的人臉比對算法；
基于安防、教育、金融等行業的實際應用，已具備上億級不同質量、姿態、光線、性別等用于深度學習的人臉大數據，利用海量數據，采用深度學習，自動學習得到人臉特征。算法在經過大量人臉正負樣本數據的訓練后，在準確率、容錯性、魯棒性等方面均有明顯優勢，已經過眾多大型項目的實際考驗，*實戰應用。
提供強大的人臉圖像預處理工具 在關注名單庫建庫過程中，照片質量參差不齊，可對相片圖像進行自動或者人工處理，使之符合有關標準和要求。人臉相片處理功能如下：
l支持通過插件或其他方式，對人臉相片進行人工剪裁處理。
l支持調用第三方圖像處理、分析工具。
l圖像處理工具包括：顏色處理、亮度調節、對比度調節、飽和度調節、銳度調節、色彩調節、魚眼矯正、光線均衡、橡皮擦、清理背景、恢復原圖、裁剪工具、超分辨率、自動多階亮度、自動多階對比度、自動多階飽和度、自動多階銳度等。對于對魚眼攝像頭、較差光線下的圖像自動化處理，能在這些條件下提高人臉識別算法的準確率。
