多數(shù)據(jù)互聯(lián)，實現(xiàn)跨門口管理，同個單位有多個的情況下，可裝配多個人臉閘機，不同區(qū)域的人臉閘機有統(tǒng)一的數(shù)據(jù)庫和終端管理平臺，讓各區(qū)域的人臉閘機實現(xiàn)數(shù)據(jù)互聯(lián)，并對多個進行統(tǒng)一化管理。具體到不同單位，也會根據(jù)實際情況制定相對應的訂制人臉閘機解決方案。

人臉識別器是數(shù)字信息發(fā)展中的一種生物特征識別技術，通過攝像機采集含有人臉的圖像或者視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行人臉定位、人臉識別預處理、記憶存儲和比對，從而達到識別不同人身份的目的。

人臉識別器利用3D圖像處理技術從視頻中提取人臉凹凸邏輯數(shù)字特征，再利用生物統(tǒng)計學、物理光學的原理轉(zhuǎn)化為數(shù)字信息，通過小型計算機運算和轉(zhuǎn)化，然后建立起人臉3D數(shù)學模型，將芯片中記錄的照片數(shù)據(jù)與邊檢處攝像頭拍攝的照片通過計算機進行比對，確認是否為同一人。

人臉識別是指能夠識別或驗證圖像或視頻中的主體的身份的技術。人臉識別算法誕生于七十年代初 [1,2]。自那以后，它們的準確度已經(jīng)大幅提升，現(xiàn)在相比于指紋或虹膜識別等傳統(tǒng)上被認為更加穩(wěn)健的生物識別方法，人們往往更偏愛人臉識別。讓人臉識別比其它生物識別方法更受歡迎的不同之處是人臉識別本質(zhì)上是非侵入性的。比如，指紋識別需要用戶將手指按在傳感器上，虹膜識別需要用戶與相機靠得很近，語音識別則需要用戶大聲說話。相對而言，現(xiàn)代人臉識別系統(tǒng)僅需要用戶處于相機的視野內(nèi)（假設他們與相機的距離也合理）。這使得人臉識別成為了對用戶友好的生物識別方法。這也意味著人臉識別的潛在應用范圍更廣，因為它也可被部署在用戶不期望與系統(tǒng)合作的環(huán)境中，比如系統(tǒng)中。人臉識別的其它常見應用還包括訪問控制、欺詐檢測、身份認證和社交媒體。

人臉對齊。人臉對齊的目標是使用一組位于圖像中固定位置的參考點來縮放和裁剪人臉圖像。這個過程通常需要使用一個特征點檢測器來尋找一組人臉特征點，在簡單的 2D 對齊情況中，即為尋找適合參考點的佳仿射變換。圖 3b 和 3c 展示了兩張使用了同一組參考點對齊后的人臉圖像。更復雜的 3D 對齊算法(如 [16])還能實現(xiàn)人臉正面化，即將人臉的姿勢調(diào)整到正面向前。

在人臉表征階段，人臉圖像的像素值會被轉(zhuǎn)換成緊湊且可判別的特征向量，這也被稱為模板(template)。理想情況下，同一個主體的所有人臉都應該映射到相似的特征向量。
人臉匹配。在人臉匹配構(gòu)建模塊中，兩個模板會進行比較，從而得到一個相似度分數(shù)，該分數(shù)給出了兩者屬于同一個主體的可能性。