深圳供应3D人脸识别仪生产 监所应用识别双胞胎信息

深圳市骏裕隆智能系统有限公司

现代化监狱，监狱远瞩，在2014 年
已经建设了一套智能化全数字的人行通道管理系统，基于国密算法cpu 卡的基础，引进
了国内的虚拟换证技术，达到了国内ab 门管理的水平。随着科技发展和设备
老化、同时有效解决人脸登记注册与验证的精/准/快生物识别问题, 通行旋转蝴蝶闸
的控制问题, 外来人员探访申请管理与电子审批问题。广东省揭阳监狱相关进一步
提出了升级改造现有ab 门3D 人脸出入验证和区域隔离控制门的需求，以适应当代重
型危安犯监狱看押的管理需求，进一步将广东省揭阳监狱建设成为国内监狱改造的样板
工程而努力。根据监狱思想，为了与时俱进计划对本监狱的ab 门禁升级及隔
离门建设。
1、3D 三维脸形识别仪成像技术： 
3D三维脸形识别仪，它运用了了**的光学、目标定向与影像追踪技术，和高速运算能力的识别演算法建立脸部的三维计量学与摄影追踪系统，这个系统通过获取与处理三维脸形资料方面的，使其得以提供实时准确的脸形识别，并因此取得了同业的地位。 
三维脸形识别系统特有的比对引擎与演算法，及近红外光即时三维表面扫描的运用，使高速准确的识别成为可能。传统门禁系统中的身份验证存在着严重的安全性隐患，如、的和盗用、不正当的转借、 遗失等问题。问题的根本是由于这些传统的身份认证技术并不是真正的对人本身的认证，而只是对 或某种物品的认证。生物识别是利用人体生物特征进行身份认证，避免了传统身份验证存在的严重的安 全性隐患。人们已经发展了手形识别、指纹识别、面部识别、发音识别、虹膜识别等多种生物识别技术。 目前市场上用得较多的是接触式的指纹识别和手形识别。人脸识别技术是非接触式识别、使用方便，而且准确率高、识别速度快，深受金融行业、公狱、行业、边境管制等对保安要求较高的行业欢迎。 
BIOSCRYPT推出了**个突破性的3D（三维）人脸生物识别技术和产品。因为人的脸部并不是平坦的，所以3D人脸识别技术的算法比2D(二维)的算法有高的度。远远其他的人脸识别产品，在业界创造了地位。3D人脸识别技术适用于度要求高的门禁控制、边境管制、电子和等。
2、实时分析重建三维脸形表面
• 面容几何学到毫米内
• 真实基于在x-y-z三维空间中捕捉
• 基于头骨结构捕捉脸部特征 
• 头骨、长久不改变 
• 允许区分“一样”的双胞胎
• 可攻取的生物模板(4个字节)
• 1秒内实时辨别     
3、三维脸形识别的技术优势
• 高度
• 能出分一样的双胞胎
• 现实环境中全面、
• 平衡光线, 包括在黑夜中 
•  Outdoor products available from 2007
•  30º视角以提高易用性 
• 不被视屏或照片易用性
• 无故障登记
• Ergonometric & 用户友好
• 简单调整视听反馈 
• 操作协调
• 高性能
• 实时视屏捕捉 & 高速识别匹配 
• 能在1秒内辨认、识别和判断 
• 拒绝入侵 & 加强保密性
• 充分利用光谱学原理, 无干扰识别 
• 公开的自然的脸形识别（ICao mandated）

3D 人脸识别仪基本技术参数
 
尺寸  355 x 132 x 116 mm 
认证方式  1：1或者1：N 
模板容量  6万个人脸模板 
登录事件储存  100,000个事件 
认证方式  脸形/卡＋脸形/＋脸形 
联网方式  TCP/IP, RS232 
Wiegand接口 2个端口（输入/输出），支持韦根26/34/64等格式 
LCD          4英寸彩色显示屏 
声音与界面  中英文语音 
工作电压  24VDC 
工作温度  0℃～35℃

3D 人脸识别技术在实验室中心测试
二维识别与三维识别         验证效果

登记过程
认证机构新加坡外来检查站(ICA)测试单

登记过程
登记人数 ~ 1018
72% 人
45% 带眼镜
实验时间 – ,每天 ，一个月内

三维脸形登记结果
98.3% 自行登记
1.7% 需要操作员协助
0% 错误登记
3-5 秒/1 次识别
平均1 秒内能识别
结果: 二维 -- -- 三维 对析如图

2D 脸形识别
错误接受概率: 1.2%
错误拒绝概率: 9.79%
1/100 错误接受率, 近1/10 的错误拒绝率

3D 脸形识别
错误接受概率: 0.0047%
错误拒绝概率: 0.103%
47/1,000,000 错误接受率, 1/1000 错误拒绝率
ICA 测试结果
相同的时间和图像,三维脸形识别比二维脸形识别得到好的结果.

三维脸形识别
能够成功地辨认识别, 每次, 99.7% of 参与者.
- 12 -
3 个星期后,参与者得到了验证
 识别速率 (1:1) 可以达到
ICA 公认基本参数

技术流程
人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。
人脸图像采集及检测
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。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。
主流的人脸检测方法基于以上特征采用Adaboost学习算法，Adaboost算法是一种用来分类的方法，它把一些比较弱的分类方法合在一起，组合出新的很强的分类方法。
人脸检测过程中使用Adaboost算法挑选出一些能代表人脸的矩形特征(弱分类器)，按照加权的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。
人脸图像预处理：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。