在使用App的人臉識別功能時(shí)，應(yīng)該注意穿好衣服，因?yàn)閿z像頭采集的畫面不僅僅是被識別者的臉部。

人臉局部特征如何識別

第一步，需要對局部區(qū)域進(jìn)行定義;

第二步，人臉局部區(qū)域特征的提取，依據(jù)經(jīng)過樣本訓(xùn)練后得到的變換矩陣將人臉圖像向量映射為人臉特征向量;

第三步，局部特征選擇(可選);后一步是進(jìn)行分類。分類器多采用組合分類器的形式，每個(gè)局部特征 對應(yīng)一個(gè)分類器，后可用投票或線性加權(quán)等方式得到終識別結(jié)果。 人臉識別綜合運(yùn)用了數(shù)字圖像/視頻處理、模式識別、計(jì)算機(jī)視覺等多種技術(shù)，核心技 術(shù)是人臉識別算法。

人臉局部特征識別技術(shù)解說

作為人臉識別的第一步，人臉檢測所進(jìn)行的工作是將人臉從圖像背景中檢測出來，由于受圖像背景、亮度變化以及人的頭部姿勢等因素影響使人臉檢測成為一項(xiàng)復(fù)雜研究內(nèi)容。

檢測定位：

檢測是判別一幅圖像中是否存在人臉，定位則是給出人臉在圖像中的位置。定位后得到的臉部圖像信息是測量空間的模式，要進(jìn)行識別工作，首先要將測量空間中的數(shù)據(jù)映射到特征空間中。

采用主分量分析方法：

原理是將一高維向量，通過一個(gè)特殊的特征向量矩陣，投影到一個(gè)低維的向量空間中，表征為一個(gè)低維向量，并且僅僅損失一些次要信息。通過對經(jīng)過檢測和定位過的人臉圖像進(jìn)行特征提取操作可以達(dá)到降低圖像維數(shù)，從而可以減小識別計(jì)算量，提高識別精度的作用。

人臉識別系統(tǒng)采用基于特征臉的主 成分分析法(PCA)：

根據(jù)一組人臉訓(xùn)練樣本構(gòu)造主元子空間，檢測時(shí)，將測試圖像投影到 主元空間上，得到一組投影系數(shù)，再和各已知的人臉圖像模式比較，從而得到檢測結(jié)果。

人臉識別系統(tǒng)有哪些難點(diǎn)

相似性

不同個(gè)體之間的區(qū)別不大，所有的人臉的結(jié)構(gòu)都相似，甚至人臉器官的結(jié)構(gòu)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(qū)分人類個(gè)體是不利的。

易變性

人臉的外形很不穩(wěn)定，人可以通過臉部的變化產(chǎn)生很多表情，而在不同觀察角度，人臉的視覺圖像也相差很大，另外，人臉識別還受光照條件(例如白天和夜晚，室內(nèi)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。

用戶配合度

現(xiàn)有的人臉識別系統(tǒng)在用戶配合、采集條件比較理想的情況下可以取得令人滿意的結(jié)果。但是，在用戶不配合、采集條件不理想的情況下，現(xiàn)有系統(tǒng)的識別率將陡然下降。比如，人臉比對時(shí)，與系統(tǒng)中存儲(chǔ)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。也就是說，人如果發(fā)生較大變化，系統(tǒng)可能就會(huì)認(rèn)證失敗。光照、姿態(tài)、裝飾等，對機(jī)器識別人臉都有影響。

人臉識別有怎樣的發(fā)展趨勢

二維與三維人臉識別相結(jié)合，多種模式的識別使用，可以有效地提高人臉識別精確度;二維識別算法逐步應(yīng)用于三維人臉識別;人臉識別算法要能克服：姿勢、表情的變化，佩戴眼睛、珠寶和其它一些因素及光線等因素影響;識別算法應(yīng)該需要更少的計(jì)算量。