哪种状况会影响人脸识别系统的准确性

       1：图象大小。面部图象过小会损害鉴别功效，面部图象过大会损害鉴别速度。非专业人脸识别监控摄像头通常标准的最少鉴别面部清晰度为60*60或100*100之上。在标准的图象大小内，优化算法更易于提高成功率和召回率。图象大小体现在现实应用领域就是面部离监控摄像头的间距。

       2：分辩率。越低的分辩率越难鉴别。图象大小综合分辩率，直接损害监控摄像头鉴别间距。现4K监控摄像头认清面部的最长距离是10米，7K监控摄像头是20米。

       3：阳光照射环境。过曝或太暗的阳光照射环境总会损害人脸识别功效。能够从监控摄像头内置的基本功能补光或滤光均衡阳光照射损害，还可以运用优化算法实体模型提升图象光源。

       4：模糊不清状况。现实情景关键着力解决动态模糊不清，人脸相对监控摄像头的挪动常常会造成运动模糊不清。一部分监控摄像头有抗模糊不清的基本功能，而在资金不足的状况下，考虑利用优化算法实体模型优化此现象。

       5：挡住状况。面部遮拦、面部边沿清晰的图象为最合适。而在现实情景中，许多面部总会被遮阳帽、近视眼镜、防霾口罩等挡住物挡住，这些数据还要依据优化算法标准决定是不是留用训练。

       6：抓取视角。人脸相对监控摄像头视角为脸照最合适。但现实情景中通常不容易抓拍脸照。因而优化算法实体模型需训练包括两侧人脸、上下侧面部的数据。工业工程施工上监控摄像头按置的视角，需考虑面部与监控摄像头组成的视角在优化算法鉴别范围之内的标准。

        以上就是广州科灵智能科技有限公司分享的内容，希望以上的内容可以帮助到大家。想了解更多资讯欢迎登录我们官网：http://www.gdkeling.com