在使用App的人臉識別功能時，應該注意穿好衣服，因為攝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，需要對局部區域進行定義;

第二步，人臉局部區域特征的提取，依據經過樣本訓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);后一步是進行分類。分類器多采用組合分類器的形式，每個局部特征 對應一個分類器，后可用投票或線性加權等方式得到終識別結果。 人臉識別綜合運用了數字圖像/視頻處理、模式識別、計算機視覺等多種技術，核心技 術是人臉識別算法。

人臉局部特征識別技術解說

作為人臉識別的第一步，人臉檢測所進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復雜研究內容。

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，要進行識別工作，首先要將測量空間中的數據映射到特征空間中。

采用主分量分析方法：

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

人臉識別系統采用基于特征臉的主 成分分析法(PCA)：

根據一組人臉訓練樣本構造主元子空間，檢測時，將測試圖像投影到 主元空間上，得到一組投影系數，再和各已知的人臉圖像模式比較，從而得到檢測結果。

人臉識別系統有哪些難點

相似性

不同個體之間的區別不大，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。這樣的特點對于利用人臉進行定位是有利的，但是對于利用人臉區分人類個體是不利的。

易變性

人臉的外形很不穩定，人可以通過臉部的變化產生很多表情，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，室內和室外等)、人臉的'很多遮蓋物(例如口罩、墨鏡、頭發、胡須等)、年齡等多方面因素的影響。

用戶配合度

現有的人臉識別系統在用戶配合、采集條件比較理想的情況下可以取得令人滿意的結果。但是，在用戶不配合、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，與系統中存儲的人臉有出入，例如剃了胡子、換了發型、多了眼鏡、變了表情都有可能引起比對失敗。也就是說，人如果發生較大變化，系統可能就會認證失敗。光照、姿態、裝飾等，對機器識別人臉都有影響。

人臉識別有怎樣的發展趨勢

二維與三維人臉識別相結合，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;識別算法應該需要更少的計算量。