人臉識別技術應用過程中存在哪些問題?
分類: 家具
常識詞典
編輯 : 常識
發布 : 04-15
閱讀 :337
人臉識別技術雖然對于大部分人來說是一種新型的技術,但其實這項技術很早之前就開始研究了,現在應用的范圍也很廣,但是人臉識別技術應用過程中也存在不少的問題,下面來跟著小編一起看看都有哪些問題吧! 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。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算法主要針列正面、準正而人臉圖像,當發生俯仰或者左右側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。哭,笑,憤怒、仰頭、低頭,左側臉,右側臉,如何識別? 三、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。特別是在監控環境下,往往彼監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。四、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。五、圖像質量,人臉圖像的來源可能多種多樣,由于采集設備的不同,得到的人臉圖像質量也不一樣,特別是對于那些低分辨率、噪聲大、質量差的人臉圖像(如手機攝像頭拍攝的人臉圖片、遠程監控拍攝的圖片等)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。攝像頭,攝像機,遠程監控,高端相機。。。。如何識別?圖像質量參差不齊。六、樣本缺乏,基于統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計學習問題有待進一步的研究。七、海量數據,傳統人臉識別方法如PCA、LDA等在小規模數據中可以很容易進行訓練學習。但是對于海量數據,這些方法其訓練過程難以進行,甚至有可能崩潰。八、大規模人臉識別,隨著人臉數據庫規模的增長,人臉算法的性能將呈現下降。在使用人臉識別技術的過程中,像光照問題、姿態問題、遮擋問題、年齡變化、圖像質量等都是會影響到具體使用體驗感的問題,對于這些問題還需要有關專家們多研究多改進才好。