29、复杂环境下的人脸识别算法评估

复杂环境下的人脸识别算法评估

1. 算法受环境影响情况

在人脸识别中，光照和姿态等因素对算法性能影响显著。不受控制或强烈的光照对某些算法有很大影响。而在图像预处理方面，它起着关键作用，不同的人脸识别算法偏好的预处理技术不同，甚至不同的数据库适用的最佳预处理技术也会改变。有趣的是，只要图像的眼间距像素超过约 16 像素的下限，许多算法都能在多种分辨率下工作。

使用 Gabor 小波的算法在处理光照强烈或不受控制的图像时表现更好，并且合理利用 Gabor 相位可以提高这些算法的性能。在相关研究中，采用了两种无需训练的方法，推测可以通过机器学习技术结合训练集的知识来改进这些方法。

没有一种算法能够很好地处理非正面姿态，即使在训练时所有姿态都已存在。判别式算法似乎无法直接比较不同姿态的特征，在生成式方法中也观察到了类似问题。因此，需要发明新的方法来解决姿态问题。

2. 多帧数据处理算法对比

当有多个帧用于模板注册或探测时，直接整合多幅图像的 ISV 算法和采用局部评分策略的 Graphs 算法，比那些仅使用简单评分策略（如计算平均直方图或最大相似度）的算法能更好地利用这些数据。不过，基于图像的人脸识别算法向视频识别的扩展，效果不如专门为视频到视频人脸识别设计的算法。

3. 视频人脸识别的关键环节

在视频人脸识别中，视频序列中的人脸检测和面部特征点定位起着重要作用。特别是对于移动设备，人脸检测器需要能够稳定地检测出帧中部分可见的人脸。

除少数例外情况，COTS 算法取得了最佳结果，这表明人脸识别算法的学术研究和商业应用之间仍存在差距。

4. 评估流程

评估过程