国产妖精视频,日韩精品视频免费观看,国产精品v欧美精品∨日韩,香蕉久久久久,中文字幕在线观看免费视频,久草小视频,久久精品.com

機器視覺(jué)系統應用之人臉識別，是基于人的臉部特征信息進(jìn)行身份識別的一種生物識別技術(shù)。用工業(yè)相機或者工業(yè)攝像機采集含有人臉的圖像或視頻流，并自動(dòng)在圖像中檢測和跟蹤人臉，進(jìn)而對檢測到的人臉進(jìn)行臉部的一系列相關(guān)技術(shù)，通常也叫做人像識別、面部識別。

最近在看人臉識別相關(guān)文獻，根據文獻總結歸納以下八大難點(diǎn)，我從難到易進(jìn)行羅列。

其實(shí)，人臉識別算法研究已久，在背景簡(jiǎn)單的情形下，大部分算法都能很好的處理。但是，人臉識別的應用范圍頗廣，僅是簡(jiǎn)單圖像測試，是遠遠不能滿(mǎn)足現實(shí)需求的。而能否應對復雜情形下的圖像，則成了檢驗各家方法的硬標準。

以下羅列該八個(gè)難點(diǎn)：

年齡變化

隨著(zhù)年齡的變化，面部外觀(guān)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。 不同時(shí)期的人臉像如何識別？少年、中年、老年。

圖像質(zhì)量

人臉圖像的來(lái)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、遠程監控拍攝的圖片等)如何進(jìn)行有效地人臉識別是個(gè)需要關(guān)注的問(wèn)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(jìn)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(zhì)量參差不齊。

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(jìn)行訓練學(xué)習。但是對于海量數據，這些方法其訓練過(guò)程難以進(jìn)行，甚至有可能崩潰。 如何解決海量數據的學(xué)習問(wèn)題？

大規模人臉識別

隨著(zhù)人臉數據庫規模的增長(cháng)，人臉算法的性能將呈現下降。 如何維持或提高大規模應用環(huán)境下的人臉識別算法的識別率？

光照問(wèn)題

光照問(wèn)題是機器視覺(jué)重的老問(wèn)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？

姿態(tài)問(wèn)題

與光照問(wèn)題類(lèi)似，姿態(tài)問(wèn)題也是目前人臉識別研究中需要解決的一個(gè)技術(shù)難點(diǎn)。針對姿態(tài)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(fā)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(huì )急劇下降。 哭，笑，憤怒、仰頭、低頭，左側臉，右側臉，如何識別？

遮擋問(wèn)題

對于非配合情況下的人臉圖像采集，遮擋問(wèn)題是一個(gè)非常嚴重的問(wèn)題。特別是在監控環(huán)境下，往往彼監控對象都會(huì )帶著(zhù)眼鏡，帽子等飾物，使得被采集出來(lái)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(huì )導致人臉檢測算法的失效。 眼睛，帽子、劉海，傷疤，如何識別？

樣本缺乏

基于統計學(xué)習的人臉識別算法是目前人臉識別領(lǐng)域中的主流算法，但是統計學(xué)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(gè)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(gè)極小部分的采樣，如何解決小樣本下的統計學(xué)習問(wèn)題有待進(jìn)一步的研究。 學(xué)習樣本不全怎么辦，誰(shuí)能保證樣本的完備性？