动态人脸识别闸机是硬件闸机的基础上，增加了面部识别模块，通过采集访客面部信息，经过一定的算法处理判断出访问权限，人员过通道不需要停驻等待，你只要出现在一定识别范围内，无论你是行走还是停立，系统就会自动进行识别，也就是说，人以自然的形态走过去，摄像头会进行信息的抓拍和采集，发出相应的指令，进行动态人脸识别，动态人脸识别出是本人通道闸机就会将门自动打开。
人脸识别的发展历
人脸识别应用
动态
人脸识别闸机是硬件闸机的基础上，增加了面部识别模块，通过采集访客面部信息，经过一定的算法处理判断出访问权限，人员过通道不需要停驻等待，你只要出现在一定识别范围内，无论你是行走还是停立，系统就会自动进行识别，也就是说，人以自然的形态走过去，摄像头会进行信息的抓拍和采集，发出相应的指令，进行动态人脸识别，动态人脸识别出是本人通道闸机就会将门自动打开。
人脸识别的发展历史
第壹阶段（1950s—1980s）初级阶段
人脸识别被当作一个一般性的模式识别问题，主流技术基于人脸的几何结构特征。这集中体现在人们对于剪影（Profile）的研究上，人们对面部剪影曲线的结构特征提取与分析方面进行了大量研究。人工神经网络也一度曾经被研究人员用于人脸识别问题中。较早从事 AFR 研究的研究人员除了布莱索（Bledsoe）外还有戈登斯泰因（Goldstein）、哈蒙（Harmon）以及金出武雄(Kanade Takeo)等。总体而言，这一阶段是人脸识别研究的初级阶段，非常重要的成果不是很多，也基本没有获得实际应用。
第二阶段（1990s）高潮阶段
这一阶段尽管时间相对短暂，但人脸识别却发展迅速，不但出现了很多经典的方法，还出现了若干商业化运作的人脸识别系统，比如为的 Visionics（现为 Identix）的 FaceIt 系统。 从技术方案上看， 2D人脸图像线性子空间判别分析、统计表观模型、统计模式识别方法是这一阶段内的主流技术。
第三阶段（1990s末~现在）
人脸识别的研究不断深入，研究者开始关注面向真实条件的人脸识别问题，主要包括以下四个方面的研究：
1）提出不同的人脸空间模型，包括以线性判别分析为代表的线性建模方法，以Kernel方法为代表的非线性建模方法和基于3D信息的3D人脸识别方法。
2）深入分析和研究影响人脸识别的因素，包括光照不变人脸识别、姿态不变人脸识别和表情不变人脸识别等。
3）利用新的特征表示，包括局部描述子（Gabor Face, LBP Face等）和深度学习方法。
4）利用新的数据源，例如基于视频的人脸识别和基于素描、近红外图像的人脸识别。
什么是人脸检测？
人脸检测是
人脸识别的流程之一，在图像中准确标定出人脸的位置和大小，并把其中有用的信息挑出来（如直方图特征、颜色特征、模板特征、结构特征及Haar特征等），然后利用信息来达到人脸检测的目的。
人脸关键点检测（人脸对齐）自动估计人脸图片上脸部特征点的坐标。
基于检测出的特征采用Adaboost学习算法（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）挑选出一些蕞能代表人脸的矩形特征（弱分类器），按照加权投僄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。
近人脸检测算法模型的流派包括三类及其之间的组合：viola-jones框架（性能一般速度尚可，适合移动端、嵌入式上使用），dpm（速度较慢），cnn（性能不错）。
（作者： 来源：）
