对于人脸,类内变化往往大于类间变化,从而使在受类内变化干扰的情况下利用类间变化区分个体变得异常困难。用户配合度现有的人脸识别系统在用户配合、采集条件比较理想的情况下可以取得令人满意的结果。但是,在用户不配合、采集条件不理想的情况下,现有系统的识别率将陡然下降。比如,人脸比对时,与系统中存储的人脸有出入,例如剃了胡子、换了发型、多了眼镜、变了表情都有可能引起比对失败。也就是说,人如果发生较大变化,系统可能就会认证失败。光照、姿态、装饰等,对机器识别人脸都有影响。
在人脸识别中,*一类的变化是应该放大而作为区分个体的标准的,而第二类的变化应该消除,因为它们可以代表同一个个体。通常称*一类变化为类间变化(inter-class difference),而称第二类变化为类内变化(intra-class difference)。
深圳市中祥科技有限公司
13602689513