发布时间：2024-05-04 06:00:02 文章作者：知网小编 文章来源：本站首发
1.2 人脸检测技术的研究意义 怎样使计算机能够像人一样能够分析各种视觉信息，使用一种编制的方式来计算获得的视觉数据。 使机器智能化，通过机器来模拟人类所拥有的能力，像人类一样通过眼睛来观察和获得视觉信息，并使用大脑来处理视觉所获得的信息。
这表明了（1）人脸检测和对准会严重影响人脸识别性能，并且（2）对于人脸识别应用，RetinaFace比MTCNN具有更强的基准。 在图9中，我们在每个图例的末尾显示了IJB-C数据集上的ROC曲线以及FAR = 1e-6的TAR。
1.3 人脸识别技术的主要问题 人脸识别虽然有着巨大的应用价值，但也存在一些问题需要解决。 在日常生活中， 人们可以毫不费力的识别人脸，但是对于计算机来说，却存在着巨大的困难。 这种困 难主要是人脸形态的多样性和环境的复杂性造成的，同时也有计算机本身的学习能力 的问题，这些问题主要体现在以下几个方面： (1)人脸特征稳定性较差 由于人脸是一个可塑的、三维的可变形体，用数学模型很难描述，且当受到年龄、 化妆、表情以及意外伤害等因素的影响后，会使采集到的人脸图像发生较大的变化。 (2)人脸受外界因素影响大 人脸图像采集时会受到不同的光照条件、面部方向、采集视角等因素的影响，使 得同一个人的人脸图像在不同的条件下产生很大的差异，这些因素提高了人脸识别算 法的要求。
基于PCA的特征脸是人脸识别最经典的算法之一，虽然今天的PCA在实际系统中更多的是用来降维，而不是分类，但是如此经典的方法，值得大家去关注。 该文章较接近于很多成熟商用系统思路，在很多实际系统中，一个提取鉴别信息的框架就是PCA和LDA，用PDA进行降维避免LDA求解的矩阵奇异问题，然后用LDA提取跟适合分类的特征，更进一步将各种原始特征进行鉴别提取后决策级融合。
