1、人脸识别简单介绍：
人脸识别(Human Face Recognition)，通常也叫做人像识别、面部识别，是基于人脸特有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，生产静态或者动态图像，以不同表情出现等形式存在，人脸识别硬件自动采集和检测、跟踪人脸，进而对检测到的人脸进行识别的一系列相关技术。
衡量人脸识别的算法能力的指标：拒识率、误识率、通过率、准确率。
人脸识别常用分类：人脸验证、人脸检索、N:N人脸识别
人脸识别闸机分类：人脸识别摆闸、人脸识别翼闸、人脸识别三辊闸、人脸识别旋转闸机等,闸机供应商：北京西莫罗
2、人脸识别闸机准确采集人脸的影响因素：
图像大小：人脸图像过小会影响识别效果，人脸图像过大会影响识别速度。非专业人脸识别摄像头常见规定的最小识别人脸像素为60*60或100*100以上。在规定的图像大小内，算法更容易提升准确率和召回率。图像大小反映在实际应用场景就是人脸离摄像头的距离。
图像分辨率：越低的图像分辨率越难识别。图像大小综合图像分辨率，直接影响摄像头识别距离。现4K摄像头看清人脸的最远距离是10米，7K摄像头是20米。
光照环境：过曝或过暗的光照环境都会影响人脸识别效果。可以从摄像头自带的功能补光或滤光平衡光照影响，也可以利用算法模型优化图像光线。
模糊程度：实际场景主要着力解决运动模糊，人脸相对于摄像头的移动经常会产生运动模糊。部分摄像头有抗模糊的功能，而在成本有限的情况下，考虑通过算法模型优化此问题。
遮挡程度：五官无遮挡、脸部边缘清晰的图像为最j佳。而在实际场景中，很多人脸都会被帽子、眼镜、口罩等遮挡物遮挡，这部分数据需要根据算法要求决定是否留用训练。
采集角度：人脸相对于摄像头角度为正脸较好。但实际场景中往往很难抓拍正脸。因此算法模型需训练包含左右侧人脸、上下侧人脸的数据。工业施工上摄像头安置的角度，需满足人脸与摄像头构成的角度在算法识别范围内的要求。
闸机硬件质量好：有兼容功能的闸机和二次开发功能的情况下，兼容更好的人脸识别软件，来共同应用完成采集任务。
