出入口控制的安全管理一般分为人和物两方面管理。

　　对于人员管理来说，一般的做法是在出入口配备访客实名登记系统，所有访客进入需要进行证件登记，而访客机会利用认证对比、人脸识别等人工智能进行身份验证，充分保证了出入口的安全。

　　对于物的管理最主要的应用为车牌识别系统，车牌识别的技术在安防行业的应用由来已久，技术相对成熟，人工智能的应用提高了车牌识别的准确率。

　　人工智能的发展趋势在出入口控制同样势不可挡，不少出入口控制企业踏足人工智能领域，推出新产品、新理念，助推产品在出入口控制领域的落地。人工智能在门禁、通道、访客、梯控、停车场等出入口控制方面的应用，将对出入口控制产生深远的影响。

　　一、人工智能赋能出入口人员管理

　　（一）智慧社区出入口管理

　　人员管理是社区“单位化、网格化、责任化”管理的重中之重，也是治安防控、社区综合治理的必然要求。根据社区实际情况，合理设置软硬结合的隔离封闭实施，以地名地址管理为基础，以人口和房屋管理为主要内容，以网格管理为主要思路，以部门信息共享交换为主要支撑，在小区出入口、楼寓出入口设置出入口控制系统，规范住户门禁卡实名办理、访客实名登记，执行严格的出入管理流程，配合社区视频监控、入侵报警等安全防范系统，实现对社区各类人口信息的动态采集、更新和维护，并通过物管人员、社区民警移动端采集上报，保证数据录入的准确性、实时性和鲜活性，达到“以业管人、以房管人、以证管人”的目的。

　　1.实名制信息登记

　　人口基础数据是社区经济社会发展中各部门应用系统的重要基础，对劳动就业、税收征管、个人信用、社会保障、人口普查、计划生育、打击犯罪等系统的建设具有重要意义。建筑物数据库是社区内建筑物属性信息、空间信息、业务数据和服务数据的集合，是智慧社区的重要支撑数据，是社区网格化管理和服务的定位基础。

　　在社区建设出入口控制系统，实名登记社区内所有住户、房屋、车辆等基础信息，采用RFID、指纹、人脸识别等技术，为社区所有住户办理实名门禁卡，通过办理过程，一方面为住户建立出入小区的通行证，另一方面也为掌握小区实住人口数据、绑定人房车信息等提供新的渠道。在小区大门配备访客实名登记系统，所有访客进入需要办理实名登记手续，说明拜访对象后进行联系确认。访客实名信息与公安机关实时联网核实比对，发现异常状况及时报警。

　　2.动态化数据采集

　　实现了出入人员刷卡数据、人脸数据、出入影像、出入活动轨迹等信息的动态采集，通过数据研判、核实，做到人、房基本数据的底数清、情况明，实现了实有人口、房屋数据、人员活动情况的动态采集和动态管理。

　　社区物管人员和社区民警可通过出入口控制管理系统预警提示功能，实时掌握社区新增入住人员、注销离开人员、房屋居住人员变动等情况，动态掌握人、房关联信息，真正实现实有人口管理“来有登记、动有轨迹、走有注销”。

　　3.智能化分析研判

　　住户和访客进入小区大门都需要借助有效身份识别手段(RFID、指纹、人脸等)方能进入小区，并且通过与楼寓出入口控制形成联动，限定其可出入的楼寓，加强社区安全。对于人员在小区、楼寓的出入，通过基于出入口控制的人脸聚类识别，对同时段多位置出现的可疑人员、多次出入同一楼寓的人员进行预警，帮助打击盗窃踩点行为和传销活动。

　　小区、楼寓出入口通道进出记录、图片、报表信息采集存储及通过各个出入口点位的人脸识别智能终端，实现智能化辅助身份验证，协助社区民警实时掌握流动人口、重点出租屋变化趋势；自动识别出入口经过的人员并与布控的黑名单库进行比对，输出比对结果，对需要及时查找或抓捕的特殊对象实施布控预警。同时，对出入口控制系统采集的人员信息、人员影像及出入轨迹进行综合研判，形成有价值的情报信息，服务公安实战，减轻社区民警的工作负荷、提升社区民警的工作效率。

　　4.化帮扶管控

　　以网格化管理为主要思路，通过对出入人员刷卡数据、人脸数据、出入影像、出入活动轨迹等信息的动态采集和智能分析研判，实现对刑释解教人、社区服刑人、吸毒重点人、精神病人、犯罪青少年和其他重点人等各类重点人群信息的全掌握和行动的全监控；对社区矫正帮扶对象日常表现实行动态监控，帮助社区矫正工作人员更有效地对社区服刑人员进行矫正教育及社会监管，保证社区矫正工作有序有效的开展。

　　在小区出入口人员管理中，运用最多的人工智能技术就是人脸识别了。人脸识别技术的应用模式已经足够成熟，通过人脸采集系统录入人脸数据，智能门禁子系统将出入人员与录入数据进行比对，从而实现对社区人员进出权限的控制，为社区居民的生活以及社区管理都带来了便利；而且还可以对出入人员进行留底，提高社区安全性。基于人脸识别技术的门禁系统，安全性和实用性都是不容小觑的，正是因为具备了如此明显的功能优势，才会拓宽了小区人脸识别门禁系统的应用范围。

　　（二）更多领域的出入口管理

　　而随着人脸识别技术的发展，人脸识别技术在出入口控制领域也正广泛的运用，如延伸出不少以人脸识别的人行、车行、物检为入口的场景化应用，目前视频流人脸识别门禁控制管理系统，主要应用于机关单位、高端商业体等，同时有大量的人证合一身份识别应用，在酒店登记、交通枢纽、公共场所开始部署，如刷脸安检、刷脸过闸等。

　　应民航安保措施的新要求，人脸识别与智能门禁系统结合逐步成为趋势。机场在机场候机楼、预安检通道和临时身份确认等场合使用人证比对功能，给旅客带来巨大的便利。未来，人脸识别门禁系统，将在机场各领域应用，不仅提高旅客出行效率，同时，优化机场管理、运营效率，助力智慧机场的全新升级。

　　基于先进人脸识别技术，结合成熟ID卡和生物识别技术推出的智能安全门禁产品。产品采用分体式设计，人脸识别、生物识别和ID卡信息的采集、识别及门禁控制内外分离，实用性高、安全可靠。人脸识别门禁系统，最大的特点就是将人脸识别技术与门禁系统的结合，实现人脸开门以及人证核验的功能。

　　二、人工智能赋能出入口物的管理

　　对于物的管理最主要的应用为车牌识别系统，车牌识别的技术在安防行业的应用由来已久，技术相对成熟，人工智能的应用提高了车牌识别的准确率，主要体现在以下几个方面：

　　运用人工智能技术的车牌识别，像扫描二维码一样简单，0.5s，便可快速准确的识别出车牌号码。

　　车牌自动识别系统可对所有出入的机动车辆进行图像捕获，支持地感线圈检测及视频检测等多种检测方式。系统还支持多种检测方式间的备份，当地感线圈检测设备出现故障时，系统可自动转换为视频检测模式，大大地降低了漏拍的几率。

　　配合车牌自动识别系统，在高清晰CCD摄像机的基础上，辅以专利的照明技术和控制技术，确保在各种时段、各种环境光(强顺光、强逆光情况下)及各种天气下均能获得清晰的驾驶人脸像信息。抓拍车辆信息的同时，也能记录当前车辆实际驾驶人，方便管理人员进行身份验证。

　　通过先进的特征分析和运动检测算法，可以做到对非机动车和行人的准确抓拍，并将抓拍图片和记录保存在服务器中，查询取证简单便捷。在人车混行、管控难度更大的出入口，系统也能够提供完善出色的安全保障。

　　当前，人工智能分析及深度学习比较成熟的应用技术以车牌识别算法最为理想，虽然目前很多厂商都宣称自己的车牌识别率已经达到了99%，但这也只是在标准卡口的视频条件下再加上一些预设条件来达到的。在针对很多简易卡口和卡口图片进行车牌定位识别时，较好的车牌识别也很难达到90%。不过随着采用人工智能、深度学习的应用，这一情况将会得到很大的改善。

　　车辆识别技术出入口控制系统中至关重要的环节之一，通过车牌提取、图像预处理、特征提取等技术，识别车辆牌号。

　　在传统的图像处理和机器学习算法研发中，很多特征都是人为制定的，比如hog、sift特征，在目标检测和特征匹配中占有重要的地位，安防领域中的很多具体算法所使用的特征大多是这两种特征的变种。人为设计特征和机器学习算法，从以往的经验来看，由于理论分析的难度大，训练方法又需要很多经验和技巧，一般需要5到10年的时间才会有一次突破性的发展，而且对算法工程师的知识要求也一直在提高。人工智能的深度学习则不然，在进行图像检测和识别时，无需人为设定具体的特征，只需要准备好足够多的图进行训练即可，通过逐层的迭代就可以获得较好的结果。从目前的应用情况来看，只要加入新数据，并且有充足的时间和计算资源，随着深度学习网络层次的增加，识别率就会相应提升，比传统方法表现更好。

　　另外，人工智能在车辆颜色、车辆厂商标志识别、无牌车检测、非机动车检测与分类、车头车尾判断、车辆检索、人脸识别等相关的技术方面也比较成熟。

　　1.车牌颜色识别

　　在车辆颜色识别方面，基本上克服了由于光照条件变化、相机硬件误差所带来的颜色不稳定、过曝光等一系列问题，因此解决了图像颜色变化导致的识别错误问题，卡口车辆颜色识别率从80%提升到85%，电警车辆主颜色识别率到从75%提升到80%以上。

　　2.车辆厂商标志识别

　　在车辆厂商标志识别方面，使用传统的HOG、LBP、SIFT、SURF等特征，采用SVM机器学习技术训练一个多级联的分类器来识别厂商标志很容易出现误判，采用大数据加深度学习技术后，车辆车标的过曝光或者车标被人为去掉等引起的局部特征会随之消失，其识别率可以从89%提升到93%以上。

　　3.车辆检索

　　在车辆检索方面，车辆的图片在不同场景下会出现曝光过度或者曝光不足，或者车辆的尺度发生很大变化，导致传统方法提取的特征会发生变化，因此检索率很不稳定。深度学习能够很好地获取较为较稳定的特征，搜索的相似目标更精确，Top5的搜索率在95%以上。在人脸识别项目中，由于光线、姿态和表情等因素引起人脸变化，目前很多应用都是固定场景、固定姿态，采用深度学习算法后，不仅固定场景的人脸识别率从89%提升到99%，而且对姿态和光线也有了一定的放松。

　　4.车牌识别

　　在车辆识别方面，基于深度学习的车辆识别技术将特征范围由单纯的车牌或车标扩展到整个车身。车辆的车灯、格栅、车窗等均是车辆的重要特征，对车辆这些特征的引入，不仅大大提升了车辆识别的准确率，对干扰、遮挡等问题的适应性也更强，识别的类别也更加细化，不仅能识别车辆的品牌，而且能识别车辆的子品牌、型号、年款等详细类别。指定车辆在视频图像数据中的检索除了可以通过车牌、品牌、型号、颜色等描述信息进行外，还可以通过车辆图片或年检标、挂饰等局部特征进行。

　　与传统车牌识别技术相比，基于AI深度学习的车牌检测算法，框架相对简单，在硬件性能较强且有足够训练样本的情况下，能够在短时间内获得更好的识别效果，网络的进一步优化也保证了识别的实时性。