發(fā)表評論:
簡(jiǎn)析人臉識別的技術(shù)難點(diǎn)
人臉識別的運用確實(shí)給人們帶來(lái)了很大的便利,科技屆流傳著(zhù)這樣一句話(huà)“真正的科技是讓你感覺(jué)不到它的存在”。
1、光線(xiàn)問(wèn)題
光照一直是機器視覺(jué)的老問(wèn)題,對于人臉識別來(lái)說(shuō)更是明顯,由于人臉是一個(gè)3D的立體物,在不同方向和角度的光照下會(huì )增強或減弱臉部的某些特征,這就導致了機器讀取的信息有偏差導致識別失敗。
2、表情
姿態(tài)問(wèn)題涉及頭部在三維垂直坐標系中繞三個(gè)軸的旋轉造成的面部變化,其中垂直于圖像平面的兩個(gè)方向的深度旋轉會(huì )造成面部信息的部分缺失。而目前大多數算法主要是對于正面且準正的人臉來(lái)識別,如果當發(fā)生俯仰或者左右傾斜比較厲害時(shí),算法的識別率會(huì )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(zhù)面部識別的準確率。
3、遮擋問(wèn)題
由于人臉識別需要完整采集人臉的信息,而如果在有遮擋的情況下無(wú)法收集完整信息從而導致無(wú)法識別。拿IPhone X舉例子,平時(shí)正常情況下拿起手機即可解鎖,而在戴口罩時(shí)就會(huì )完全失效。其原因正是被采集出來(lái)的人臉圖像有不完整,從而影響了后面的特征提取與識別,導致人臉檢測算法的失效。
4、人臉相似性
全球人口眾多,除了親子關(guān)系長(cháng)相相似,甚至有許多毫無(wú)血緣關(guān)系的人也有相似,這點(diǎn)對于利用人臉進(jìn)行定位是有利的,但是對于利用人臉區分人類(lèi)個(gè)體是不利的。
5、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。
以上是關(guān)于鑫建星對人臉識別技術(shù)難點(diǎn)的介紹,希望能夠幫助到大家,還有關(guān)于其他人臉識別的問(wèn)題,歡迎咨詢(xún)我們,我們時(shí)刻為您解答。