双目人脸识别测温终端定制商佩特科技介绍人脸识别终端技术点

人脸识别过程的关键环节有人脸检测、特征值抽取、活体识别、跟踪抽取。这几个要么是通过基于深度学习的AI算法，抽取图像特征值进行比较来实现，要么就是通过设计好的传统特征值算法来实现。下面佩特科技就来给大家介绍下人脸识别终端技术点。

1、检测（Detector）

通过深度学习模型对图像进行层级缩放，分割遍历，抽取特征值，和阀值比较。经典的人脸检测算法模型有MTCNN，Facebox。

2、人脸特征值计算

可以采用深度学习模型有ResNet100, MobileNet、MobileFaceNet等。不同的模型适用于不同的场景，有着不同的精度输出，可以根据具体的硬件配置，样本特征来灵活选择。

3、活体识别（AntiSpoofing）

采集各种攻击样本基于MobilenetV2，ResNet18模型进行标注训练，通常这类轻量级模型在嵌入式Pad终端上（RK3288，RK3388）处理速度可在30-80ms之间，可以满足业务需求。

4、跟踪算法（Tracker）

采用google的TensorFlow Android demo里面的开源算法，此外旷世Face++也开源了其跟踪算法。

5、算法模型的产生过程

获取样本，标记样本，通过GPU服务器训练，不断的反复调整相关模型的各个层级的权重参数，重复训练输出模型。

智能防疫人脸测温管控系统是佩特科技推出的一款高性能双目测温型人脸识别终端，基于瑞芯微RK3288主板，性能稳定。终端集成脱机人脸识别、体温检测、口罩识别、身份核验、现场人脸采集、黑名单预警、人过留影、活体检测等功能为一体，采用宽动态高清人脸识别摄像头，完全适应强光逆光弱光等苛刻环境，具有识别速度快、准确率高、名单库容量大等特点。