導讀
科技的發展，人臉識別技術正廣泛應用在我們的生活，也在逐漸改變我們的生活，給我們帶來更多的方便。今天給大家介紹一下人臉識別特徵有哪些？人臉識別技術的應用有哪些難題存在呢？
科技的發展，人臉識別技術正廣泛應用在我們的生活，也在逐漸改變我們的生活，給我們帶來更多的方便。今天給大家介紹一下人臉識別特徵有哪些？人臉識別技術的應用有哪些難題存在呢？
人臉識別特徵介紹
1、幾何特徵，這是從面部點之間的距離和比率作為特徵，識別速度快，需要內存比較小，對於光照敏感度降低。
2、基於模型特徵，這是根據不同特徵狀態所具備的概率不同來提取人臉圖像特徵。
3、基於統計特徵，就是將人臉圖像視為隨機向量，並用統計方法辨別不同人臉特徵模式，比較典型的有特徵臉、獨立成分分析、奇異值分解等。
4、基於神經網絡特徵，這是利用很多的神經單元對人臉圖像特徵進行聯想存儲和記憶，根據不同神經單元狀態的概率實現對人臉圖像準確識別。
難題概括
1、光照問題，光照變化是影響人臉識別性能的關鍵因素，對於這個問題的解決程度關係著人臉識別應用進程的成敗。因為人臉的3D結構，光照投射出的陰影會加強或減弱原有的人臉特徵。特別是在晚上，可能是因為光線不足造成的面部陰影，會導致識別率的下降，使得人臉識別系統難以滿足應用需求。
2、姿態問題，人臉識別是依據人的面部表象特徵來進行識別，如何識別由姿態引起的面部變化是這項技術的難點之一。姿態問題關聯到頭部在三維垂直坐標系中繞三個軸的旋轉造成的面部變化，垂直於圖像平面的兩個方向的深度旋轉會造成面部信息的部分缺失，使得姿態問題成為人臉識別的一個技術難題。
3、表情問題，面部幅度較大的哭、笑、憤怒等表情變化也會影響著人臉識別的準確率。但現在，不管是張嘴還是做一些誇張的表情，計算機可以通過三維建模和姿態表情校正的方法來把它糾正。
4、遮擋問題，這個問題是對於沒有在配合情況下的人臉圖像採集，是一個比較嚴重的問題。尤其是在監控環境下，被監控對象都會帶著眼鏡、帽子等飾物，使得被採集出來的人臉圖像可能不完整，從而影響後面的特徵提取與識別，還有可能導致人臉檢測算法的失效。
5、年齡變化，每一個人都會隨著年齡的變化，從少年變成青年，變成老年，容貌也會發生變化，從而導致識別率的下降。而對於不同的年齡段，人臉識別算法的識別率也不同。
6、人臉相似性，因為不同個體之間的區別不大，所有的人臉的結構都相似，有可能人臉器官的結構外形也是相似的。這樣的特點對於利用人臉進行定位是有利的，但利用人臉來分別人類個體是不利的。
7、動態識別，這是在非配合性的人臉識別情況下，運動會可能導致面部圖像模糊或攝像頭對焦不正確，這樣也會影響到人臉識別的準確率。例如在地鐵、高速公路卡口、邊檢等安保和監控識別的使用中，這個問題比較明顯。
8、人臉防偽，偽造人臉圖像進行識別是比較常見的欺騙手段，是通過建立一個三維模型，或者是一些表情的嫁接進行偽造識別。但隨著人臉防偽技術的完善、3D人臉識別技術、攝像頭等智能計算視覺技術的引入，偽造人臉圖像進行識別的準確率大大的降低。
9、圖像質量問題，因為人臉圖像的來源有可能是多種多樣的，而且由於採集設備的不同，得到的人臉圖像質量也會不用，而對於低解析度、噪聲大、質量差的人臉圖像如何進行有效的人臉識別是需要要關注的問題。而對於高解析度圖像的人臉識別算法的影響也需要進一步的研究。
10、樣本缺乏，基於統計學習的人臉識別算法是現在人臉識別中的主流算法，但統計學習方法要很多的訓練。因為人臉圖像在高維空間中的分布是一個不規則的流形分布，可以得到的樣本只是對人臉圖像空間中的很小部分的採樣，如何解決小樣本下的統計學習問題，這需要近一步的研究。
隨著人工智慧的發展，科學技術的不斷進步，人臉識別技術會有更多的應用方向，它的安全問題也會逐漸被重視。更多關於人臉識別資訊，人臉識別產品，人臉識別技術，請關注暢視智能。