人臉識別數據
人臉識別需要積累采集到的大量人臉圖像相關(guān)的數據，用來(lái)驗證算法，不斷提高識別準確性，這些數據諸如A Neural Network Face Recognition Assignment(神經(jīng)網(wǎng)絡(luò )人臉識別數據)、orl人臉數據庫、麻省理工學(xué)院生物和計算學(xué)習中心人臉識別數據庫、埃塞克斯大學(xué)計算機與電子工程學(xué)院人臉識別數據等。
人臉識別配合程度
現有的人臉識別系統在用戶(hù)配合、采集條件比較理想的情況下可以取得令人滿(mǎn)意的結果。但是，在用戶(hù)不配合、 采集條件不理想的情況下，現有系統的識別率將陡然下降。比如，人臉比對時(shí)，與系統中存儲的人臉有出入，例如剃了胡子、換了發(fā)型、多了眼鏡、變了表情都有可能引起比對失敗。
人臉識別優(yōu)勢與困難
優(yōu)勢
人臉識別的優(yōu)勢在于其自然性和不被被測個(gè)體察覺(jué)的特點(diǎn)。
所謂自然性，是指該識別方式同人類(lèi)（甚至其他生物）進(jìn)行個(gè)體識別時(shí)所利用的生物特征相同。例如人臉識別，人類(lèi)也是通過(guò)觀(guān)察比較人臉區分和確認身份的，另外具有自然性的識別還有語(yǔ)音識別、體形識別等，而
指紋識別、虹膜識別等都不具有自然性，因為人類(lèi)或者其他生物并不通過(guò)此類(lèi)生物特征區別個(gè)體。
不被察覺(jué)的特點(diǎn)對于一種識別方法也很重要，這會(huì )使該識別方法不令人反感，并且因為不容易引起人的注意而不容易被欺騙。人臉識別具有這方面的特點(diǎn)，它完全利用可見(jiàn)光獲取人臉圖像信息，而不同于指紋識別或者虹膜識別，需要利用電子壓力傳感器采集指紋，或者利用 紅外線(xiàn)采集虹膜圖像，這些特殊的采集方式很容易被人察覺(jué)，從而更有可能被偽裝欺騙。 困難
人臉識別被認為是 生物特征識別領(lǐng)域甚至 人工智能領(lǐng)域最困難的研究課題之一。人臉識別的困難主要是人臉作為 生物特征的特點(diǎn)所帶來(lái)的。 相似性
不同個(gè)體之間的區別不大，所有的人臉的結構都相似，甚至人臉器官的結構外形都很相似。這樣的特點(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。
易變性
人臉的外形很不穩定，人可以通過(guò)臉部的變化產(chǎn)生很多表情，而在不同觀(guān)察角度，人臉的視覺(jué)圖像也相差很大，另外，人臉識別還受光照條件（例如白天和夜晚，室內和室外等）、人臉的很多遮蓋物（例如口罩、墨鏡、頭發(fā)、胡須等）、年齡等多方面因素的影響。
在人臉識別中，第一類(lèi)的變化是應該放大而作為區分個(gè)體的標準的，而第二類(lèi)的變化應該消除，因為它們可以代表同一個(gè)個(gè)體。通常稱(chēng)第一類(lèi)變化為類(lèi)間變化（inter-class difference），而稱(chēng)第二類(lèi)變化為類(lèi)內變化（intra-class difference）。對于人臉，類(lèi)內變化往往大于類(lèi)間變化，從而使在受類(lèi)內變化干擾的情況下利用類(lèi)間變化區分個(gè)體變得異常困難。
|
