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PCA、LDA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？