產(chǎn)品
文章
搜索
新聞動態(tài)
NEWS
人臉識別技術(shù)的分析
來源:
|
作者:jungle
|
發(fā)布時間: 2019-04-11
|
4690 次瀏覽
|
分享到:
武漢為安科技人臉識別產(chǎn)品已經(jīng)成功應用在：工廠門禁考勤機系統(tǒng)、企業(yè)大廈訪客門禁考勤系統(tǒng)、小區(qū)大門人臉門禁、單元門人臉識別門禁系統(tǒng)、人臉識別會議簽到系統(tǒng)、人臉識別儲物柜等
人臉識別雖說發(fā)展到現(xiàn)在也有30到40年的時間了，但一直存在的幾個難點沒能徹底解決。
1、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(xiàn)尤為明顯。由于人臉的3D結(jié)構(gòu)，光照投射出的陰影，會加強或減弱原有的人臉特征。
2、表情姿態(tài)問題
與光照問題類似，姿態(tài)問題也是目前人臉識別研究中需要解決的一個技術(shù)難點。姿態(tài)問題涉及頭部在三維垂直坐標系中繞三個軸的旋轉(zhuǎn)造成的面部變化，其中垂直于圖像平面的兩個方向的深度旋轉(zhuǎn)會造成面部信息的部分缺失。針對姿態(tài)的研究相對比較的少，目前多數(shù)的人臉識別算法主要針列正面、準正而人臉圖像，當發(fā)生俯仰或者左右側(cè)而比較厲害的情況下，人臉識別算法的識別率也將會急劇下降。面部幅度較大的哭、笑、憤怒等表情變化同樣影像著面部識別的準確率。
3、遮擋問題
對于非配合情況下的人臉圖像采集，遮擋問題是一個非常嚴重的問題。特別是在監(jiān)控環(huán)境下，往往彼監(jiān)控對象都會帶著眼鏡，帽子等飾物，使得被采集出來的人臉圖像有可能不完整，從而影響了后面的特征提取與識別，甚至會導致人臉檢測算法的失效。
4、年齡變化
隨著年齡的變化，面部外觀也在變化，特別是對于青少年，這種變化更加的明顯。對于不同的年齡段，人臉識別算法的識別率也不同。一個人從少年變成青年，變成老年，他的容貌可能會發(fā)生比較大的變化，從而導致識別率的下降。對于不同的年齡段，人臉識別算法的識別率也不同。
5、人臉相似性
不同個體之間的區(qū)別不大，所有的人臉的結(jié)構(gòu)都相似，甚至人臉器官的結(jié)構(gòu)外形都很相似。這樣的特點對于利用人臉進行定位是有利的，但是對于利用人臉區(qū)分人類個體是不利的。
6、圖像質(zhì)量
人臉圖像的來源可能多種多樣，由于采集設備的不同，得到的人臉圖像質(zhì)量也不一樣，特別是對于那些低分辨率、噪聲大、質(zhì)量差的人臉圖像（如手機攝像頭拍攝的人臉圖片、遠程監(jiān)控拍攝的圖片等）如何進行有效地人臉識別是個需要關(guān)注的問題。同樣的，對于高分辨圖像對人臉識別算法的影響也需要進一步的研究。
7、樣本缺乏
基于統(tǒng)計學習的人臉識別算法是目前人臉識別領域中的主流算法，但是統(tǒng)計學習方法需要大量的訓練。由于人臉圖像在高維空間中的分布是一個不規(guī)則的流形分布，能得到的樣本只是對人臉圖像空間中的一個極小部分的采樣，如何解決小樣本下的統(tǒng)計學習問題有待進一步的研究。
8、海量數(shù)據(jù)
傳統(tǒng)人臉識別方法如PCA、LDA等在小規(guī)模數(shù)據(jù)中可以很容易進行訓練學習。但是對于海量數(shù)據(jù)，這些方法其訓練過程難以進行，甚至有可能崩潰。
9、大規(guī)模人臉識別
隨著人臉數(shù)據(jù)庫規(guī)模的增長，人臉算法的性能將呈現(xiàn)下降。
人臉識別雖說發(fā)展到現(xiàn)在也有30到40年的時間了，但一直存在的幾個難點沒能徹底解決。
1、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(xiàn)尤為明顯。由于人臉的3D結(jié)構(gòu)，光照投射出的陰影，會加強或減弱原有的人臉特征。
2、表情姿態(tài)問題
與光照問題類似，姿態(tài)問題也是目前人臉識別研究中需要解決的一個技術(shù)難點。姿態(tài)問題涉及頭部在三維垂直坐標系中繞三個軸的旋轉(zhuǎn)造成的面部變化，其中垂直于圖像平面的兩個方向的深度旋轉(zhuǎn)會造成面部信息的部分缺失。針對姿態(tài)的研究相對比較的少，目前多數(shù)的人臉識別算法主要針列正面、準正而人臉圖像，當發(fā)生俯仰或者左右側(cè)而比較厲害的情況下，人臉識別算法的識別率也將會急劇下降。面部幅度較大的哭、笑、憤怒等表情變化同樣影像著面部識別的準確率。
3、遮擋問題
對于非配合情況下的人臉圖像采集，遮擋問題是一個非常嚴重的問題。特別是在監(jiān)控環(huán)境下，往往彼監(jiān)控對象都會帶著眼鏡，帽子等飾物，使得被采集出來的人臉圖像有可能不完整，從而影響了后面的特征提取與識別，甚至會導致人臉檢測算法的失效。
4、年齡變化
隨著年齡的變化，面部外觀也在變化，特別是對于青少年，這種變化更加的明顯。對于不同的年齡段，人臉識別算法的識別率也不同。一個人從少年變成青年，變成老年，他的容貌可能會發(fā)生比較大的變化，從而導致識別率的下降。對于不同的年齡段，人臉識別算法的識別率也不同。
5、人臉相似性
不同個體之間的區(qū)別不大，所有的人臉的結(jié)構(gòu)都相似，甚至人臉器官的結(jié)構(gòu)外形都很相似。這樣的特點對于利用人臉進行定位是有利的，但是對于利用人臉區(qū)分人類個體是不利的。
6、圖像質(zhì)量
人臉圖像的來源可能多種多樣，由于采集設備的不同，得到的人臉圖像質(zhì)量也不一樣，特別是對于那些低分辨率、噪聲大、質(zhì)量差的人臉圖像（如手機攝像頭拍攝的人臉圖片、遠程監(jiān)控拍攝的圖片等）如何進行有效地人臉識別是個需要關(guān)注的問題。同樣的，對于高分辨圖像對人臉識別算法的影響也需要進一步的研究。
7、樣本缺乏
基于統(tǒng)計學習的人臉識別算法是目前人臉識別領域中的主流算法，但是統(tǒng)計學習方法需要大量的訓練。由于人臉圖像在高維空間中的分布是一個不規(guī)則的流形分布，能得到的樣本只是對人臉圖像空間中的一個極小部分的采樣，如何解決小樣本下的統(tǒng)計學習問題有待進一步的研究。
8、海量數(shù)據(jù)
傳統(tǒng)人臉識別方法如PCA、LDA等在小規(guī)模數(shù)據(jù)中可以很容易進行訓練學習。但是對于海量數(shù)據(jù)，這些方法其訓練過程難以進行，甚至有可能崩潰。
9、大規(guī)模人臉識別
隨著人臉數(shù)據(jù)庫規(guī)模的增長，人臉算法的性能將呈現(xiàn)下降。
服務熱線：027-87785008