人臉識別的運用確實給人們帶來了很大的便利，科技屆流傳著這樣一句話“真正的科技是讓你感覺不到它的存在”。事實上，人臉識別做到了，用戶不需做任何多余的動作，只需將臉在鏡頭前照一照就可以解鎖權限。那開發南京人臉識別技術的難點在哪里呢？鑫建星為您介紹南京人臉識別的技術的難點。

    1、光線問題

    光照一直是機器視覺的老問題，對于人臉識別來說更是明顯，由于人臉是一個3D的立體物，在不同方向和角度的光照下會增強或減弱臉部的某些特征，這就導致了機器讀取的信息有偏差導致識別失敗。

    2、表情

    姿態問題涉及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，其中垂直于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。而目前大多數算法主要是對于正面且準正的人臉來識別，如果當發生俯仰或者左右傾斜比較厲害時，算法的識別率會急劇下降。面部幅度較大的哭、笑、憤怒等表情變化同樣影像著面部識別的準確率。

    3、遮擋問題

    由于人臉識別需要完整采集人臉的信息，而如果在有遮擋的情況下無法收集完整信息從而導致無法識別。拿IPhone X舉例子，平時正常情況下拿起手機即可解鎖，而在戴口罩時就會完全失效。其原因正是被采集出來的人臉圖像有不完整，從而影響了后面的特征提取與識別，導致人臉檢測算法的失效。

    4、人臉相似性

    全球人口眾多，除了親子關系長相相似，甚至有許多毫無血緣關系的人也有相似，這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。

    5、樣本缺乏

    基于統計學習的人臉識別算法是目前人臉識別領域中的主流算法，但是統計學習方法需要大量的訓練。由于人臉圖像在高維空間中的分布是一個不規則的流形分布，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計學習問題有待進一步的研究。

    以上是關于鑫建星對人臉識別技術難點的介紹，希望能夠幫助到大家，還有關于其他人臉識別的問題，歡迎咨詢我們，我們時刻為您解答。