人臉識別中的八大難題，何時能解

最近在看人臉識別相關文獻，根據文獻總結歸納以下八大難點，我從難到易進行羅列。

其實，人臉識別演算法研究已久，在背景簡單的情形下，大部分演算法都能很好的處理。但是，人臉識別的應用範圍頗廣，僅是簡單影象測試，是遠遠不能滿足現實需求的。而能否應對複雜情形下的影象，則成了檢驗各家方法的硬標準。

以下羅列該八個難點（參考了中科大莊連生博士**--複雜光照條件下人臉識別關鍵演算法研究）：

一，光照問題

光照問題是機器視覺重的老問題，在人臉識別中的表現尤為明顯。目前方法未能達到使用的程度。

如何克服光照的影響？二，

姿態問題

與光照問題類似，姿態問題也是目前人臉識別研究中需要解決的乙個技術難點。針對姿態的研究相對比較的少，目前多數的人臉識別演算法主要針列正面、準正而人臉影象，當發生俯仰或者左右側而比較厲害的情況下，人臉識別演算法的識別率也將會急劇下降。

哭，笑，憤怒、仰頭、低頭，左側臉，右側臉，如何識別？三，

遮擋問題

對於非配合情況下的人臉影象採集，遮擋問題是乙個非常嚴重的問題。特別是在監控環境下，往往彼監控物件都會帶著眼鏡，帽子等飾物，使得被採集出來的人臉影象有可能不完整，從而影響了後面的特徵提取與識別，甚至會導致人臉檢測演算法的失效。

眼睛，帽子、劉海，傷疤，如何識別？四，

年齡變化

隨著年齡的變化，面部外觀也在變化，特別是對於青少年，這種變化更加的明顯。對於不同的年齡段，人臉識別演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。

五，影象質量

人臉影象的**可能多種多樣，由於採集裝置的不同，得到的人臉影象質量也不一樣，特別是對於那些低解析度、雜訊大、質量差的人臉影象(如手機攝像頭拍攝的人臉、遠端監控拍攝的等)如何進行有效地人臉識別是個需要關注的問題。同樣的，對於高分辨影象對人臉識別演算法的影響也需要進一步的研究。

攝像頭，攝像機，遠端監控，高階相機。。。。如何識別？影象質量參差不齊。

六，樣本缺乏

基於統計學習的人臉識別演算法是目前人臉識別領域中的主流演算法，但是統計學習方法需要大量的訓練。由於人臉影象在高維空間中的分布是乙個不規則的流形分布，能得到的樣本只是對人臉影象空間中的乙個極小部分的取樣，如何解決小樣本下的統計學習問題有待進一步的研究。

學習樣本不全怎麼辦，誰能保證樣本的完備性？

七，海量資料

傳統人臉識別方法如pca、lda等在小規模資料中可以很容易進行訓練學習。但是對於海量資料，這些方法其訓練過程難以進行，甚至有可能崩潰。

如何解決海量資料的學習問題？

八，大規模人臉識別

隨著人臉資料庫規模的增長，人臉演算法的效能將呈現下降。

如何維持或提高大規模應用環境下的人臉識別演算法的識別率？

我是悲觀態度持有者，特別是前四個難點。我將關注其發展動態，恕我孤陋寡聞，也許已經有了很好的解決。

1) 對於光照，人都未必能在黑燈瞎火下正確識別出乙個人，又怎能要求電腦能智慧型判斷出黑乎乎**上有什麼人臉影象呢。

2) 對於姿態，我想大家都有背後喊人，卻發現喊錯的情形吧，且絕對不只是一次。

3) 我不相信帶著面具，還能被輕而易舉認出來，我們即使能判斷出也因為別的因素，比如聲音，頭髮，味道，衣服，姿勢等。

4) 年齡變化更是，我甚至認為這是暫時不可解的問題。我們能確切知道乙個人一生外貌形態的變化嗎？有著規定的可以描述的規律嗎？能被計算機學習嗎？