用于表示人脸的大量特征从哪来?这便是深度学习(深度***网络)发挥作用的地方。它通过在千万甚至亿级别的人脸数据库上学习训练后,会自动总结出***适合于计算机理解和区分的人脸特征。
算法工程师通常需要一定的可视化手段才能知道机器到底学习到了哪些利于区分不同人的特征,咸宁人脸识别,当然这部分不是本节***。
阐明了不同人脸由不同特征组成后,动态人脸识别,我们便有了足够的知识来分析人脸识别,到底怎么识别。
人脸识别问题宏观上分为两类:1. 人脸验证(又叫人脸比对)2. 人脸识别。
人脸验证做的是 1 比 1 的比对,即判断两张图片里的人是否为同一人。***常见的应用场景便是人脸***,终端设备(如手机)只需将用户事先注册的照片与临场采集的照片做对比,判断是否为同一人,即可完成身份验证。
人脸识别做的是 1 比 N 的比对,即判断系统当前见到的人,为事先见过的众多人中的哪一个。比如***追1踪,小区门禁,人脸识别定制,会场签到,以及新零售概念里的客户识别。
同一人的不通照片提取出的特征,在特征空间里距离很近,不同人的脸在特征空间里相距较远。
再来考虑人脸识别领域的两个问题:人脸验证和人脸识别。
在光照较差,遮挡,形变(大笑),侧脸等诸多条件下,***网络很难提取出与“标准脸”相似的特征,异常脸在特征空间里落到错误的位置,导致识别和验证失败。这是现代人脸识别系统的局限,一定程度上也是深度学习(深度***网络)的局限。版权所有©2025 产品网