科葩慧眼人脸识别解决方案充分应用人脸识别技术，将员工、业主、访客、非法入侵人员通过针对性的子系统进行有效地管理，不仅提高了管理效率，也真正实现了提前预防。

访客管理子系统精准控制访问权限

相较于传统的安全通行证，慧眼人脸识别系统下访客管理子系统的优点在于：不可窃取，无法借用和复制，就是说，脸部识别是无法被效仿的，在未来，人脸识别也会成为未来可靠的通行证。

科葩访客子系统主要有v预约、访客数据自动下发功能，针对不同地点的安保等级，物业还可以选择安保再确认、远程开门等功能，全程数字化管理，为访客、被访公司、物业三方提升效率，提升用户体验。

人脸通行子系统更准确高效

传统通行系统具有人卡不一、卡片丢失、卡片易被破解复制、信息准确率没有保障等问题，而慧眼人脸识别系统下的人脸通行子系统不仅可以解放双手、速度快捷地完成通行管理任务，还能够明确责任、准确防伪，保证本人通行、不可替代的1性。

动态布控子系统可事先预警

科葩慧眼人脸识别系统下的动态布控子系统能高速抓拍，同时采集比对15张人脸，主要有陌生人预警、VIP迎宾等功能。

出现安全问题，传统摄像头只能事后排查，而科葩动态布控子系统能做到陌生人预警，黑名单报警等功能，只要有非*人员或黑名单人员出现，后台即会发出预警，让安保人员能及时排查，防止安全事件发生。

VIP迎宾功能可以设置VIP名单，当重要宾客到访时，大屏幕上会弹出迎宾画面，为重要嘉宾带来尊贵的体验。

不得不承认，人脸识别技术比现有的基于ID入口系统更快、更强大、更安全。凭借其灵活的设计, 科葩慧眼人脸识别系统还为开发和整合更多的应用程序和服务提供了充足的空间，以满足您未来的安全访问和管理需求。

科葩专业人脸识别设备与应用解决方案提供商

科葩X-Face慧眼人脸识别，助力行业应用智能化变革落地！

---------------------------------------------------

以及在实验中发现的： 除了 Adam 以外的任何一个 optimizer 都达不到理想效果，这可能是不同框架底层实现有所区别的原因，Sphereface,、AM-softmax都是基于 Caffe，本文所有实验全使用 TensorFlow，结论有区别也算正常。 另一点，Sandberg FaceNet 中的 resnet-inception-v1 搬过来套用 AM-softmax 在 lfw 上的结果达不到 97%，这是过程中不太理解的点。 从其他论文里看，如果 loss 选的没问题，那诸如 resnet-inception，不同深度的 Resnet，甚至 Mobile-net，Squeezenet 等结构的表现也不该有明显差距（AM-softmax 的情况下至少也该达到99%）。 此外，直接套用 Arcface 也无法拟合，需要进一步实验。 后，关于 Sandberg 的 code 中一个值得关注的点，他将 train_op 定义在了 facenet.train() 函数里，仔细阅读这个函数会发现，Sandberg 的代码中所有网络参数并不是采用每次更新梯度后的值，而是采用滑动平均值作为网络实际的参数值。 也正是因为这个原因，解释了 Sandberg 在 batch_norm 的参数 configuration中，甚至没把”is_training”的值交给 placeholder，而是默认 train 和 test 时都采用 local statistics 的模式。 如果不是因为所有参数都用了滑动平均，那么这种使用 batch_norm 的做法其实是错误的。Sandberg 这样实现的好坏只能交给实验结果来评判了。 如果想正常使用网络参数和 batch norm，而不是用滑动平均参数和全程开着“is_training”，只需要将 facenet.train() 函数替换成普通的 Optimizer，然后将 batch_norm的“is_training”交给 placeholder 处理，详细可以参考我的 AM-softmax 实现。