根据《DWFACE人脸识别SDK接口》，基于机器视觉的大数据训练优化下的，深度学习卷积网络动态人脸识别算法，将人脸标定、人脸检测、人脸比对及活体检测等嵌入到linux系统中，优化了人脸识别特征值提取步骤：

1.预处理图片提取特征，临时保存特征到内存（数组）或持久化到数据库/文件

2. 利用特征来比较

3. 如果图片与库比较，图片是动态的，提取动态图片的特征与库中已经保存的特征比较

创建引擎-》人脸检测-》特征比较 这三个步骤，在Linux服务器环境下，比对图库及动态图片在CPU 3G，内存4G的运行环境中，实现人脸识别1：N在1秒内。

基于大兀现有的开源门禁系统，现可提供大流量下动态人脸识别门禁解决方案，欢迎各界定制人脸识别应用，或定制软硬件一体化在相应的行业软件中。

目前已经开发过的有全志、海思、瑞芯微、树莓派等芯片平台，根据平台资源的负荷程度，实现疲劳检测、前端人脸终端模块开发等，可封装成各类外观，如摄像头外壳、圆柱外壳、防水外壳等。

注：嵌入式人脸开发只适合人数比较少（2万以内人）、系统资源要求不高的场合，大规模动态人脸识别及控制系统集中管理仍需要采用人脸服务器或服务器集群方式。