如何识别人脸

⼈脸识别遇到的问题及相应的解决⽅法

⼀，光照问题

光照问题是机器视觉中的⽼问题，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？

⽬前经常使⽤的⽅法有：直⽅图均衡化处理，必要的话会对⼈脸区域的左、右脸分别进⾏直⽅图均衡化，然后合并成整脸来克服光照的影

响。

Gabor⼩波受光照的影响较⼩。

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？

对于有⼀定偏转⾓度的⼈脸，我们会⾸先对其进⾏摆正，即将⼈脸摆正成正脸，然后进⾏识别；对于表情变化较⼤的⼈脸，本⼈还没有找到

⽐较有效的⽅法。

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？

进⾏⼈脸识别前，我们会⾸先对⼈脸部分进⾏特征点的标记，⽽且现在标记特征点时基本可以有效地避免以上因素的影响，问题就是在提取

特征点周围的特征时，这些遮挡会有⼀定的影响，不过影响不会太⼤。

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。

这个问题最直接的例⼦就是⾝份证照⽚的识别，在我国⾝份证的有效期⼀般都是20年，这20年间每个⼈的容貌必然会发⽣相当⼤的变化，

所有在识别上也同样存在很⼤的问题。

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(如拍摄的⼈脸图⽚、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。

现在，我们在⼈脸识别时，⼀般采⽤的都是相同尺⼨，清晰度很接近的⼈脸图⽚，所以图像质量问题基本可以解决，但是⾯对现实中更加复

杂的问题，还需要继续优化处理。

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？

当前的问题不仅有样本不全的问题，还有就是，现在参与训练的⼈脸图像库基本都是外国⼈的图像，有关中国⼈、亚洲⼈的⼈脸图像库少之

⼜少，给训练⼈脸识别模型增加了难度。

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？

当前我使⽤的系统的基本可以训练上万张的⼈脸图像，但是训练时间较长，使⽤并⾏处理会有较⼤的提升。对于更多的图像数据，现在的深

度学习、神经⽹络也可以解决，不过对图像的规格有很严格的要求，如：尺⼨⼀致等等。

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？

当训练图像库越来越⼤时，训练的速度会有⼤幅度下降，但是对于⼀般的算法，识别率会有所提⾼。影响识别率的主要原因还是采集到的图

像质量。

综上所述，我认为最最主要的问题是：光照、表情、年龄变化。