機(jī)器視覺系統(tǒng)應(yīng)用之人臉識別中的八大難題
發(fā)布時間:2015-07-09 新聞來源:中國電氣自動化網(wǎng)
機(jī)器視覺系統(tǒng)應(yīng)用之人臉識別中的八大難題
機(jī)器視覺系統(tǒng)應(yīng)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(jī)或者工業(yè)攝像機(jī)采集含有人臉的圖像或視頻流,并自動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(xiàn),根據(jù)文獻(xiàn)總結(jié)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(yīng)用范圍頗廣,僅是簡單圖像測試,是遠(yuǎn)遠(yuǎn)不能滿足現(xiàn)實(shí)需求的。而能否應(yīng)對復(fù)雜情形下的圖像,則成了檢驗(yàn)各家方法的硬標(biāo)準(zhǔn)。
以下羅列該八個難點(diǎn):
年齡變化
隨著年齡的變化,面部外觀也在變化,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
人臉圖像的來源可能多種多樣,由于采集設(shè)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(jī)攝像頭拍攝的人臉圖片、遠(yuǎn)程監(jiān)控拍攝的圖片等)如何進(jìn)行有效地人臉識別是個需要關(guān)注的問題。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(jī),遠(yuǎn)程監(jiān)控,高端相機(jī)。。。。如何識別?圖像質(zhì)量參差不齊。
海量數(shù)據(jù)
傳統(tǒng)人臉識別方法如PCA、LDA等在小規(guī)模數(shù)據(jù)中可以很容易進(jìn)行訓(xùn)練學(xué)習(xí)。但是對于海量數(shù)據(jù),這些方法其訓(xùn)練過程難以進(jìn)行,甚至有可能崩潰。 如何解決海量數(shù)據(jù)的學(xué)習(xí)問題?
大規(guī)模人臉識別
隨著人臉數(shù)據(jù)庫規(guī)模的增長,人臉?biāo)惴ǖ男阅軐⒊尸F(xiàn)下降。 如何維持或提高大規(guī)模應(yīng)用環(huán)境下的人臉識別算法的識別率?
光照問題
光照問題是機(jī)器視覺重的老問題,在人臉識別中的表現(xiàn)尤為明顯。目前方法未能達(dá)到使用的程度。 如何克服光照的影響?
姿態(tài)問題
與光照問題類似,姿態(tài)問題也是目前人臉識別研究中需要解決的一個技術(shù)難點(diǎn)。針對姿態(tài)的研究相對比較的少,目前多數(shù)的人臉識別算法主要針列正面、準(zhǔn)正而人臉圖像,當(dāng)發(fā)生俯仰或者左右側(cè)而比較厲害的情況下,人臉識別算法的識別率也將會急劇下降。 哭,笑,憤怒、仰頭、低頭,左側(cè)臉,右側(cè)臉,如何識別?
遮擋問題
對于非配合情況下的人臉圖像采集,遮擋問題是一個非常嚴(yán)重的問題。特別是在監(jiān)控環(huán)境下,往往彼監(jiān)控對象都會帶著眼鏡,帽子等飾物,使得被采集出來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?xí)䦟?dǎo)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(tǒng)計學(xué)習(xí)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(tǒng)計學(xué)習(xí)方法需要大量的訓(xùn)練。由于人臉圖像在高維空間中的分布是一個不規(guī)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極小部分的采樣,如何解決小樣本下的統(tǒng)計學(xué)習(xí)問題有待進(jìn)一步的研究。 學(xué)習(xí)樣本不全怎么辦,誰能保證樣本的完備性?
【打印】 【關(guān)閉】
分享到: | qq空間 | 新浪微博 | 人人網(wǎng) | 豆瓣網(wǎng) | MSN | 騰訊微博 |