人脸识别技术的困难在哪里？
事实上，别说是要识别越来越完美的整形手术的成果，即便是化个浓一点的妆，系统都有可能把你识别成另一个人。
人脸识别技术的困难在哪里呢？
（是识别一个人脸是谁，而不是相机里面的识别是不是一个人脸。）
34个答案
这个问题比较难回答，因为面部识别技术涉及很多方面的内容。有很多难点，比如人脸图像的最佳表示格式，存储方法，索引方法，匹配依据，甚至评估方案等等。
我觉得你要问的问题应该是：影响人脸识别准确度的因素都有哪些吧?
人脸识别的基本算法是计算面部轮廓，五官的特征点，然后根据这些点连接的结构来识别人脸，比如两眼之间的距离，两耳到鼻尖的距离，眼窝的深度等等吧，大概是这样。但是因为人脸图像不一定都是正面证件照那样的，所以光照，拍摄角度对图像的影响很大，如何在各种光照和视角环境中准确地获得人脸的特征，是其中一个难点。
第二个难点我个人觉得是匹配，本质上来讲人脸识别是一个分类(classification)任务：学习一组带标签(身份)的人脸图像，然后对未加标签的人脸图像和标签进行配对(图像-->身份)，怎么构造 "高效" "准确" 的算法来进行有督导学习也是一个难点。
我通俗的理解，假如可以按照鼻子眉毛眼睛嘴巴各种特征点识别到这是你的脸，但是另外一幅图，阴影重了，角度不端正了， 表情变了，等等，这些都是不确定因素。
1、程序算法的准确度。归根到底就是数学的问题了。代码写出来就是相对简单了。所以说数学是科学上的皇冠。
2、大数据的支持该算法的研究。算法肯定是需要试验的。记得电视上看到过一个新闻大概意思是这样的：美国FBI还是CIA想要搞个人脸识别发现收集的脸部图像不够多，最多的可能是企业：Facebook。
光线、角度、装扮、年龄变化都会对人脸识别的识别造成一定的阻碍，比如说，你自拍时的角度看起来脸小，但是实际上跟本人面貌有出入，对于机器识别来说，就跟人眼一样，会误判。
但是现在妆容这些，我们这边的技术已经不受影响了，当然如果是整容（大整），都已经变成另外一个人了，这个机器也没办法了。
以后，人工智能继续发展，相信会突破的。
可能你想问的是人像比对而不是人像识别采集，我以前在人像识别公司呆过，根据我浅显的认识来看：
人脸在识别时，识别这帧画面下有没有人脸以及有多少人脸再把人脸采集下来是比较成熟的，以前我公司能做到在比较理想的画面质量下，每帧识别最多10张人脸，并采集下来。
但是如果说到识别这个人脸是哪个人的人脸，或者说2个人脸图片是不是同一个人，人像比对的准确度相比指纹、虹膜就低一些，基本的唯一性特征度就没有指纹高。比对准确性难点还有需要比对的两个人脸需要很好的图像采集建模，采集时的设备清晰度要高，采光好，没有遮挡，角度好等等。采集好进行对比时，算法只是算出2个人脸的模型相似度，由我们自主设置相似度达到多少是可以认为2个人脸是同一个人。一般理想建模情况下，我们的公司的算法比对同一个人不同时间地点的人脸时，相似度70%到95%都有。而实际生活中的图像采集时，不会那么理想的建模（由于光照、角度，清晰度、脸部的遮挡比如眼镜、脸部占画面比例大小等原因）。
人像的识别比对是模糊识别，估计没有很多有效的唯一性特征点就难精准比对到底是谁，指纹、虹膜、DNA识别比对存在很多唯一性的特征点，是不是某人的指纹、虹膜能根据一些唯一性的特征就能判断。但是人脸的唯一性特征点比较少，不明显，很可能不唯一。稍微动动头的角度，稍微笑一点，稍微皱眉，稍微眨眼等等，都会使比对的相似度有明显起伏。而且人的脸是会变的，比如今天皮肤白点，明天晒了一下黑了点，明天长点痘痘，后天变瘦了等等，在理想采集环境和人员配合标准采集方式的情况下，你拿后天采集来的人像去比对今天采集的同一个人的人像，你可想相似度都会变的。就算是让人自己去分辨一个人的照片是不是某人，也不是能十拿九稳的，比如某人2年没见，减肥了60斤，有些朋友就是认不出来了。有的人还有外国人脸盲的情况，很难区分一些外国人谁是谁。
京公网安备11010502007133号