在人臉識別過程中，攝像頭的角度是相對固定的，但是人臉不是固定的。實際上，當人臉角度和採集的角度比較一致（角度較小的偏轉）時，才有較精確的結果。
關鍵點：
1、2d影象導致人臉比對困難。
2、如何使人臉角度偏轉。
思路分析：
直接在資料庫比對。
這一思路的實現要求資料庫中有足夠多的資料，但是並不現實，因為我們不可能對所有人進行不同角度的人臉採集，同時也不能接受該資料量下的時間成本。
對2d影象直接進行旋轉、反轉等操作。
這一操作要求對2d影象進行直接或間接的操作，對於簡單的人臉影象，這種操作方式具備相當的價效比。對於複雜且難以處理的影象就不那麼友好了。
轉化為3d影象。
對於計算機而言，2d影象下，不同的人在同樣的角度下的識別率遠大於同樣的人不同的角度的。因為角度的改變對於計算機而言是灰度的變化。所以將2d影象轉化為3d影象就可以很輕鬆的避免這些問題。不過由於2d轉為3d會產生大量的資料，對於伺服器和資料傳輸的要求非常高。
解決方法：
缺點：無法在角度偏大時進行識別。
asm和aam：這兩種方法都是基於訓練集建立的統計模型方法，通過對某一類特定影象進行建模，來進行特徵提取。
缺點：在遮擋或者姿態角度偏大的情況下不盡人意。
sift特徵提取：影象的區域性特徵，對旋轉、尺度縮放、亮度變化保持不變，對視角變化、仿射變換、雜訊也保持一定程度的穩定性。
缺點：實時性不高，有時特徵點少，邊緣光滑的目標無法提取。
opencv方法：分為正臉和側臉，只是識別圖形上朝一邊的臉，如果想要識別朝另一邊的臉就需要對進行水平翻轉，再進行檢測。
深度學習：仿照人腦解析資料。深度學習的好處是用非監督式或半監督式的特徵學習和分層特徵提取高效演算法來替代手工獲取特徵。
2d和3d結合解決多角度問題。
解決方案：
現在多是採用深度學習人臉識別技術和3d人臉識別技術。
深度學習的多角度人臉識別演算法：
基本流程：
構建深度學習訓練資料集
訓練乙個深度人臉分類器
應用分類器進行人臉檢測
將側面影象作為輸入，相應的正面影象作為輸出，監督模型學習出從不同姿態的側面影象到正面影象的對映，增加了識別中的有效面部資訊。
2、一種利用3d人臉可變模型解決2d影象中姿態角度偏大問題的方法：
給神經網路輸入通用正面人臉模板模型和2d影象，神經網路識別獲取影象中人臉的姿態角度引數矩陣，利用這些引數就可以使模型「做出」和影象中人臉同樣的臉部朝向。反過來，對改變姿態之後的3d模型，我們給它「拍個照」，變成2d影象，那麼3d模型上的關鍵點通過「拍照」，就對映到2d影象上來了，得到乙個初步的粗定位；此時，再根據關鍵點座標，把原始影象切片，輸入到另外的網路來調整3d模型的形狀引數，使得模型更加精確的擬合2d影象，這樣多次迭代之後，關鍵點便被精確定位出來。該方法開創性地利用3d人臉可變模型來學習2d影象，並且通過級聯cnn神經網路回歸來提高精確度，使得即使大姿態下，被遮擋的關鍵點也能被很好的定位出來。
**：3d模板+2d影象—>獲取引數矩陣—>3d人臉朝向—>「拍照」(3d)—>粗定位（2d影象）—>切片原始影象，調整3d模型的形狀引數—>反覆迭代—>精確定位關鍵點 即：
（1）對影象進行輪廓定位態校正;
（2）全域性粗定位;
（3）區域性精細定位。
3、一種基於3d模型的人臉旋轉方法：基於姿態補償的演算法。
新建乙個特定人臉3d網格模型，然後進行旋轉角度的初步估計，之後將待識別的**和資料庫中所有的人臉模型在初步估計的旋轉角度處所投影的**進行匹配，並分別計算他們的相關係數，然後選擇資料庫中的人臉模型。假設有n個人臉模型可以匹配，依次進行更詳細、更精確的比較。
4、3d技術與深度學習相結合。
利用深度學習技術對單張人臉進行3d重構，通過重構的模型進行旋轉，可以模擬出多角度人臉，採用這一技術可以有效增強人臉識別效果。
其他方案：
除了上述方法外，還有一些其他方法，基本都是通過演算法和模型進行多角度人臉識別。
如基於回歸函式的多角度人臉識別演算法。
ddfd(deep dense face detector)
基於迭代特徵選擇的快速多角度人臉識別
表示學習和影象生成。表示學習是指在某乙個場景下獲取的多張不同姿態的影象，將這些影象作為輸入，通過提出的dr-gan網路模型，產生乙個固定長度的特徵向量，該向量表示的是這個人的特徵，與姿態光照無關，同時該網路還可以根據輸入的noise/pose編碼，生成不同姿態的人臉。
總結：
多角度人臉識別是多姿態人臉識別的分支，目前已經有許多解決方案，在一些企業已經有了相應的產品。
總的來說，解決角度問題有三種思路：第一種思路是學習並記憶多種角度特徵，這對於多角度人臉資料可以容易獲取的情況比較實用；第二種思路是基於單張檢視生成多角度檢視，可以在只能獲取使用者單張**的情況下合成該使用者的多個學習樣本，可以解決訓練樣本較少的情況下的多角度人臉識別問題，從而改善識別效能；第三種思路是基於角度不變特徵的方法，即尋求那些不隨姿態的變化而變化的特徵。
深度學習
——opencv
特徵提取
技術 技術
多角度看機房收費系統
機房系統昨晚很久很久了，總想把它系統的概括一下，可是每次都是無功而返。總是從乙個角開始，開始織啊，編啊，織啊，編啊，到最後沒有了主題，找不到了核心。放了一段時間，又開始整理，感覺它不是那麼的繁瑣了，變得只剩下幾個詞。資料庫，管理者，學生 有卡 他們各自幹著各自的事情，我們是通過這個系統把他們聯絡起來...
資料保護的多角度分析
縱觀我們對資料保護所走過的路程，已歷經三個階段。從最開始的入侵檢測，到後來的大規模防毒，一直到現在的資料加密技術。這是個既漫長又曲折的工作。當前，大多數企業涉密資訊系統都已不同程度的部署實施了安全保障系統，有了一定的效果，不過在這過程中也存在一些問題 初期的安全保密措施要求過於單一，沒有劃分安全保密...
SQL Server儲存過程多角度介紹
什麼是儲存過程 儲存過程 procedure 類似於c 語言中的方法，它是sql語句和控制流語句的預編譯集合。儲存過程儲存在資料庫內，可由應用程式通過乙個呼叫執行，而且允許使用者宣告變數 邏輯控制語句以及其他強大的程式設計功能。儲存過程可包含邏輯控制語句和資料操作語句，它可以接收引數 輸出引數 返回...