目前人脸识别中存在的主要技术难题

一,光照问题

光照问题是机器视觉重的老问题,在人脸识别中的表现尤为明显。目前方法未能达到使用的程度。

如何克服光照的影响?

二,姿态问题

与光照问题类似,姿态问题也是目前人脸识别研究中需要解决的一个技术难点。针对姿态的研究相对比较的少,目前多数的人脸识别算法主要针列正面、准正而人脸图像,当发生俯仰或者左右侧而比较厉害的情况下,人脸识别算法的识别率也将会急剧下降。

哭,笑,愤怒、仰头、低头,左侧脸,右侧脸,如何识别?

三,遮挡问题

对于非配合情况下的人脸图像采集,遮挡问题是一个非常严重的问题。特别是在监控环境下,往往彼监控对象都会带着眼镜,帽子等饰物,使得被采集出来的人脸图像有可能不完整,从而影响了后面的特征提取与识别,甚至会导致人脸检测算法的失效。

眼睛,帽子、刘海,伤疤,如何识别?

四,年龄变化

随着年龄的变化,面部外观也在变化,特别是对于青少年,这种变化更加的明显。对于不同的年龄段,人脸识别算法的识别率也不同。

不同时期的人脸像如何识别?少年、中年、老年。

五,图像质量

人脸图像的来源可能多种多样,由于采集设备的不同,得到的人脸图像质量也不一样,特别是对于那些低分辨率、噪声大、质量差的人脸图像(如手机摄像头拍摄的人脸图片、远程监控拍摄的图片等)如何进行有效地人脸识别是个需要关注的问题。同样的,对于高分辨图像对人脸识别算法的影响也需要进一步的研究。

摄像头,摄像机,远程监控,高端相机。。。。如何识别?图像质量参差不齐。

六,样本缺乏

基于统计学习的人脸识别算法是目前人脸识别领域中的主流算法,但是统计学习方法需要大量的训练。由于人脸图像在高维空间中的分布是一个不规则的流形分布,能得到的样本只是对人脸图像空间中的一个极小部分的采样,如何解决小样本下的统计学习问题有待进一步的研究。

学习样本不全怎么办,谁能保证样本的完备性?

七,海量数据

传统人脸识别方法如PCALDA等在小规模数据中可以很容易进行训练学习。但是对于海量数据,这些方法其训练过程难以进行,甚至有可能崩溃。

如何解决海量数据的学习问题?

八,大规模人脸识别

随着人脸数据库规模的增长,人脸算法的性能将呈现下降。

如何维持或提高大规模应用环境下的人脸识别算法的识别率?

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值