[VIP第1年] 指数:3
1.非配合场景
在配合场景下：比如ATM机刷脸取款，信阳进口人证核验访客机价格，用户会自主配合，将人脸以一个理想的角度通过识别。
而在非配合应用场景下，比如监控视频下的人脸识别，追踪违法犯罪分子的身份信息，情况就要困难得多。这种情况下，用户脸部会发生角度偏大，遮挡，光线不可控等问题。
2.跨人种，跨年龄识别问题
研究发现，在一个数据集上训练好的模型，想到迁移到另外一个人种上，信阳进口人证核验访客机价格，效果会出现较大程度的下降，信阳进口人证核验访客机价格。另 外，人脸随着年龄的变化带来的改变也给人脸识别带来不小的挑战。
要改善这样的问题，一个必要条件是需要建立一个足够完备的跨人种，跨年龄的人脸数据库；在国内的话，是 以汉族人为主，同时跨年龄的人脸数据库也比较难收集，需要不短的时间跨度。
3、产品体验
① 近来备受关注的刷脸支付，很多时候都会要求用户输入全手机号，或手机号后四位，以缩小用户搜索库大 小，实际上这是比较影响体验的。
② 西安一高校晨读刷脸签到，由于系统实际响应匹配时间过长，导致学生排百米长队。
人脸识别思路二：
1）年龄变化
随着年龄的变化，面部外观也在变化，特别是对于青少年，这种变化更加的明显。对于不同的年龄段，人脸识别算法的识别率也不同。一个人从少年变成青年，变成老年，他的容貌可能会发生比较大的变化，从而导致识别率的下降。对于不同的年龄段，人脸识别算法的识别率也不同。
2）人脸相似性
不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸器 官的结构外形都很相似。这样的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的
3）图像质量
人脸图像的来源可能多种多样，由于采集设备的不同，得到的人脸图像质量也不一样，特别是对于那些低分辨率、噪声大、质量差的人脸图像(如手机摄像头拍摄的人脸图片、远程监控拍摄的图片等)如何进行有效地人脸识别是个需要关注的问题。同样的，对于高 分辨图像对人脸识别算法的影响也需要进一步的研究。
4）样本缺乏
基于统计学习的人脸识别算法是目前人脸识别领域中的主流算法，但是统计学习方法需要大量的训练。由于人脸图像在高维空间中的分布是一个不规则的流形分布，能得到的样本只是对人脸图像空间中的一个极小部分的采样，如何解决小样本下的统计学习问题有待进一步的研究。
人脸识别在医疗行业的前景：
1、对接公安视频监控、医警联动平台：
系统满足公安现有标准要求，后续可与公安机关视频监控、医警联动等平台进行无缝对接，将报警信息及关联的视频、图片推送给辖区派出所，实现联动。
2、人脸身份查证：
输入目标人员照片，即可知道此人身份及其是否属于重点管控人员，是否曾经来过医院，及其出现时间、频次。可用于筛查可疑人员，找到其活动规律。
3、人员轨迹回放：
输入目标人员照片，即可查询此人是否来过医院，到过哪些地方。此功能可还原特定人员的行动轨迹，用于嫌疑人行为研判和事后取证。
4、对接门禁系统：
与门禁系统对接，预留刷脸开门、人脸考勤等高级功能，方便办公区、手术室、药品库、住院部等区域的出入管理。
5、对接刷卡系统：
与二代证、医保卡等刷卡系统对接，将采集的人脸照片与证件上存储的照片进行比对，验证刷卡人的真实身份。
文章来源地址: http://aqfh.huanbaojgsb.chanpin818.com/aqjcsb/deta_2726538.html
免责声明： 本页面所展现的信息及其他相关推荐信息，均来源于其对应的用户，本网对此不承担任何保证责任。如涉及作品内容、 版权和其他问题，请及时与本网联系，我们将核实后进行删除，本网站对此声明具有最终解释权。
