影響人臉識別的因素
人臉識別，是基于人的臉部特征信息進行身份識別的一種生物識別技術。用攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部的一系列相關技術，通常也叫做人像識別、面部識別。盡管已有30多年的研發歷史目前，但人臉識別產品仍然受光照、視角、遮擋、年齡等多方面因素的影響。
1.光照問題
光照變化是影響人臉識別性能的最關鍵因素，對該問題的解決程度關系著人臉識別實用化進程的成敗。由于人臉的3D結構，光照投射出的陰影，會加強或減弱原有的人臉特征。尤其是在夜晚，由于光線不足造成的面部陰影會導致識別率的急劇下降，使得系統難以滿足實用要求。
同時，理論和實驗還證明同一個體因光照不同引起的差異，大于同一光照下不同個體之間的差異。光照問題是機器視覺中的老問題，在人臉識別中的表現尤為明顯。解決光照問題的方案有三維圖像人臉識別和熱成像人臉識別。但這兩種技術還遠不成熟，識別效果不盡人意。
2.姿態問題
人臉識別主要依據人的面部表象特征來進行，如何識別由姿態引起的面部變化就成了該技術的難點之一。姿態問題涉及頭部在三維垂直坐標系中繞三個軸的旋轉造成的面部變化，其中垂直于圖像平面的兩個方向的深度旋轉會造成面部信息的部分缺失。使得姿態問題成為人臉識別的一個技術難題。
針對姿態的研究相對比較的少，目前多數的人臉識別算法主要針列正面、準正面人臉圖像，當發生俯仰或者左右側而比較厲害的情況下，人臉識別算法的識別率也將會急劇下降。
3.表情問題
面部幅度較大的哭、笑、憤怒等表情變化同樣影像著面部識別的準確率。現有的技術對這些方面處理得還不錯，論是張嘴還是做一些夸張的表情，計算機都可以通過三維建模和姿態表情校正的方法把它糾正出來。
比如上面這張圖片里，上排是原始的圖像，下排是通過圖像處理(把表情進行校正)之后的圖片——嘴巴合上了，姿態轉成了正面。從人的視覺上看上去可能會覺得人臉變得比較怪異，但是計算機主要是通過面部區域進行識別的，所以校正后的識別率會得到非常明顯的提升
4.遮擋問題
對于非配合情況下的人臉圖像采集，遮擋問題是一個非常嚴重的問題。特別是在監控環境下，往往被監控對象都會帶著眼鏡、帽子等飾物，使得被采集出來的人臉圖像有可能不完整，從而影響了后面的特征提取與識別，甚至會導致人臉檢測算法的失效。
5.年齡變化
隨著年齡的變化，一個人從少年變成青年，變成老年，他的容貌可能會發生比較大的變化，從而導致識別率的下降。對于不同的年齡段，人臉識別算法的識別率也不同。這個問題最直接的例子就是照片的識別，在我國的有效期一般都是20年，這20年間每個人的容貌必然會發生相當大的變化，所有在識別上也同樣存在很大的問題。
