1. 人脸识别概述：技术发展史、应用场景与课程架构

各位同学，欢迎来到《门禁系统人脸识别模块开发实战》的第一章。

人脸识别，说白了就是让机器学会「认脸」。这技术现在听起来不稀奇，但你想想看，十几年前这还是科幻片里的桥段。我入行那会儿，做个简单的人脸检测都得调半天参数，哪像现在，几行代码就能跑起来。

这一章，我们先不急着写代码。先把人脸识别这门技术的来龙去脉理清楚，看看它到底能干什么，以及我们这个课程项目要做什么。嗯，打好基础，后面才走得稳。

1.1 人脸识别技术发展史：从实验室到千万门禁

人脸识别技术的发展，大致可以分为三个阶段。我习惯用「手工特征 → 机器学习 → 深度学习」来概括。

阶段	时间	核心技术	代表方法	我个人的评价
第一阶段	1960s - 1990s	几何特征、模板匹配	Eigenfaces (PCA)	很原始，光照一变就崩
第二阶段	1990s - 2010s	手工特征 + 分类器	LBP、Haar + AdaBoost	OpenCV 的看家本领，至今仍有用
第三阶段	2012 - 至今	深度学习 (CNN)	FaceNet、ArcFace	精度飞跃，真正进入实用阶段

第一阶段：几何特征时代

最早的人脸识别，靠的是测量人脸器官之间的距离、角度。比如两只眼睛的距离、鼻子到嘴巴的距离。这种方法非常脆弱。我记得看过一篇早期的，测试者必须正对摄像头，背景纯白，表情还不能变。稍微歪个头，识别率就掉到没法看。

第二阶段：机器学习时代

后来大家发现，与其手工设计几何规则，不如让算法自己学「什么特征最重要」。于是就有了 LBP（局部二值模式）和 Haar-like 特征。配合 AdaBoost 分类器，OpenCV 在 2001 年推出了第一个实时人脸检测器。我在项目中遇到过，用 Haar 级联检测器在嵌入式设备上跑，帧率能到 30fps，但缺点是角度一偏就检测不到，而且容易把背景里的纹理误判成人脸。

第三阶段：深度学习时代

2012 年 AlexNet 在 ImageNet 上大杀四方，人脸识别领域也迅速转向 CNN。2015 年 Google 的 FaceNet 提出三元组损失（Triplet Loss），直接把人脸映射到 128 维的欧几里得空间。后来 ArcFace 又加了角度间隔，让同类更紧凑、异类更分散。说白了，深度学习让机器学会了「看气质」，而不是「量尺寸」。现在主流门禁系统的人脸识别模块，底层基本都是 ArcFace 或其变体。

1.2 应用场景：门禁、考勤、支付，各有各的坑

人脸识别现在遍地都是。但不同场景，对算法的要求完全不同。我挑三个最典型的说说。

• 门禁场景： 核心要求是「快」和「准」。用户走到门前，1 秒内必须完成识别并开门。环境光照复杂，有逆光、有暗光。而且门禁系统通常部署在嵌入式设备上，算力有限。我做过一个项目，客户要求在树莓派上跑实时识别，模型必须压缩到 10MB 以内，还得保证 99% 以上的通过率。嗯，那段时间没少熬夜调参。
• 考勤场景： 核心要求是「防作弊」。有人会拿照片、视频来冒充。所以考勤机必须支持活体检测。我曾经遇到一个案例，某公司用普通摄像头做考勤，结果员工拿手机里的照片一晃就通过了。后来我们加了红外双目摄像头，通过分析深度信息和红外纹理来防伪。
• 支付场景： 核心要求是「极致安全」。金融级的人脸识别，误识率必须低于百万分之一。而且需要 3D 结构光或 ToF 摄像头，能重建人脸三维模型。这个场景门槛最高，一般门禁系统用不到这么高的规格。

场景	核心指标	典型硬件	常见坑
门禁	速度、通过率	普通 RGB 摄像头	逆光、侧脸、遮挡
考勤	防伪、活体检测	红外双目摄像头	照片攻击、视频重放
支付	极低误识率	3D 结构光 / ToF	3D 面具攻击、光线干扰

1.3 课程项目整体架构：我们到底要做什么？

这门课，我们不是纸上谈兵。我们要从零开始，搭建一个完整的门禁系统人脸识别模块。下面这张图，就是我们整个课程的知识体系和技术路线。

从架构图可以看得很清楚，整个流程是流水线式的：

1. 摄像头采集视频流 — 这是系统的输入，我们会在第 2 章搞定摄像头驱动。
2. 人脸检测 — 从画面里把人脸框出来。这一步做不好，后面全是白搭。我习惯用 MTCNN 或 RetinaFace，精度高，速度也还行。
3. 人脸对齐 & 预处理 — 检测到的人脸可能是歪的、大小不一。我们需要通过关键点（眼睛、鼻子、嘴角）做仿射变换，把人脸摆正。这一步能显著提升识别率。
4. 特征提取 — 把对齐后的人脸图片，通过 CNN 模型转换成 128 维或 512 维的特征向量。这个向量就是人脸的「数字指纹」。
5. 特征比对 & 决策 — 把提取到的特征向量，和数据库里预存的特征做比对。计算余弦相似度或欧氏距离。超过阈值就开门，否则拒绝。