2020-10-23
1、光照问题
光照问题是一个机器视觉重的老问题，在人脸识别中的表现能力尤为明显。由于人脸的3D结构，光照投射出的阴影，会加强或减弱原有的人脸特征。
2、表情姿态问题
与光照环境问题类似，姿态出现问题同时也是目前对于人脸识别系统研究中需要我们解决的一个企业技术教学难点。姿态发展问题以及涉及头部在三维垂直坐标系中绕三个轴的旋转造成的面部变化，其中垂直于图像数据平面的两个重要方向的深度旋转会造成面部的部分内容缺失。针对不同姿态的研究方法相对来说比较的少，目前多数的人脸识别测温分析算法设计主要针列正面、准正而人脸图像，当发生俯仰或者左右侧而比较厉害的情况下，人脸识别算法的识别率也将会急剧下降。面部幅度较大的哭、笑、愤怒等表情变化情况同样影像着面部识别的准确率。
3、遮挡问题
对于没有匹配的人脸图像采集，遮挡是一个非常严重的问题。 特别是在监测环境中，往往监测对象会戴眼镜，戴帽子等附件，使采集到的人脸图像可能不完整，从而影响后期的特征提取和识别，甚至会导致人脸检测算法的失败。
4、年龄变化
面部表情随着年龄的增长而变化，尤其是青少年。不同年龄组的人脸识别算法识别率不同。当一个人从青少年变成年轻人再变成老年人时，他或她的外貌可能会发生很大变化，导致识别率下降。不同年龄组的人脸识别算法识别率不同。
5、人脸相似性
不同个体之间的差别不大，都有着相似的面部结构，结构型材，甚至脸上的器官极为相似。此功能对于使用脸部定位是有益的，但对人类个体之间的区别使用人脸是不利的。
