目前人臉識別中存在的主要技術難題

https://blog.csdn.net/wangpengfei163/article/details/46968897

一，光照問題

光照問題是機器視覺重的老問題，在人臉識別中的表現尤為明顯。目前方法未能達到使用的程度。

如何克服光照的影響？

二，姿態問題

與光照問題類似，姿態問題也是目前人臉識別研究中需要解決的一個技術難點。針對姿態的研究相對比較的少，目前多數的人臉識別演算法主要針列正面、準正而人臉影像，當發生俯仰或者左右側而比較厲害的情況下，人臉識別演算法的識別率也將會急劇下降。

哭，笑，憤怒、仰頭、低頭，左側臉，右側臉，如何識別？

三，遮擋問題

對於非配合情況下的人臉影像採集，遮擋問題是一個非常嚴重的問題。特別是在監控環境下，往往彼監控物件都會帶著眼鏡，帽子等飾物，使得被採集出來的人臉影像有可能不完整，從而影響了後面的特徵提取與識別，甚至會導致人臉檢測演算法的失效。

眼睛，帽子、劉海，傷疤，如何識別？

四，年齡變化

隨著年齡的變化，面部外觀也在變化，特別是對於青少年，這種變化更加的明顯。對於不同的年齡段，人臉識別演算法的識別率也不同。

不同時期的人臉像如何識別？少年、中年、老年。

五，影像質量

人臉影像的來源可能多種多樣，由於採集裝置的不同，得到的人臉影像質量也不一樣，特別是對於那些低解析度、噪聲大、質量差的人臉影像(如手機攝像頭拍攝的人臉圖片、遠端監控拍攝的圖片等)如何進行有效地人臉識別是個需要關注的問題。同樣的，對於高分辨影像對人臉識別演算法的影響也需要進一步的研究。

攝像頭，攝像機，遠端監控，高階相機。。。。如何識別？影像質量參差不齊。

六，樣本缺乏

基於統計學習的人臉識別演算法是目前人臉識別領域中的主流演算法，但是統計學習方法需要大量的訓練。由於人臉影像在高維空間中的分佈是一個不規則的流形分佈，能得到的樣本只是對人臉影像空間中的一個極小部分的取樣，如何解決小樣本下的統計學習問題有待進一步的研究。

學習樣本不全怎麼辦，誰能保證樣本的完備性？

七，海量資料

傳統人臉識別方法如PCA、LDA等在小規模資料中可以很容易進行訓練學習。但是對於海量資料，這些方法其訓練過程難以進行，甚至有可能崩潰。

如何解決海量資料的學習問題？

八，大規模人臉識別

隨著人臉資料庫規模的增長，人臉演算法的效能將呈現下降。

如何維持或提高大規模應用環境下的人臉識別演算法的識別率？

--------------------- 

作者：修煉_人生 

來源：CSDN 

原文：https://blog.csdn.net/wangpengfei163/article/details/46968897 

版權宣告：本文為博主原創文章，轉載請附上博文連結！