人臉識別之所以沒有的到廣泛運用，主要原因是對技術要求和裝置成本投入非常高，加之國外已經對相關技術形成壟斷，以及傳統的人臉識別技術無法適應使用環境的變化例如：光線、姿態、表情等不同的變化因素，導致人臉識別長時間無法普及應用。所以在實際應用中，要注意以下幾個重要問題：
● 年齡變化
不同年齡的人臉有較大的差別。身份證是以前照的，在逃犯的**也是以前的，因此，在公安部門的實際應用中，年齡問題是乙個最突出的問題。
● 姿態變化
這一問題在活動人臉的識別中更為突出。一般的，主要測試左右角度的識別率。當前的水平是：±10º可以達到較高的識別率。
● 不同介質
採集人臉影象的裝置較多，主要有掃瞄器(**)、數位相機、攝像機。由於成像的機理不同，形成了同類人臉影象的識別率較高而不同類別間人臉影象的識別率較低的情況。隨著人臉識別技術的發展，這一問題也將逐步得到解決。
(2)識別速度
識別速度有兩種，一種是基於檔案的，即把特徵存成檔案，在檔案級進行比對。另一種是基於資料庫的，如在oracle資料庫中進行比對，在資料庫中存有詳細的人員檔案由此可以進行**混合查詢，而借助**混合查詢，可以提高查中率。 基於檔案的比對速度可以達到20萬人/秒;基於資料庫的，單伺服器的比對速度可以達到1萬人/秒。
這兩種方式各有特點，目前的研究是將兩者的優點結合在一起，以實現高速、高識別率的人臉識別。活動人臉的識別要求系統有較高的識別速度。其中包括人臉檢測的速度以及人臉的識別速度。在40ms內可以實現人臉檢測，在10萬人的資料庫中，2秒內完成從人臉檢測定位到人臉識別的全過程，應能滿足大多數實際應用的要求。
人臉美顏技術
美顏 是乙個深度學習 影象處理 圖形學的技術。美顏 牽涉到這些技術包括 人臉檢測 人臉關鍵點定位 瘦臉 磨皮 美白等。其中，人臉檢測 人臉關鍵點定位是用深度學習技術來做的 而瘦臉 磨皮和美白就牽涉到計算機圖形學裡的技術，使用opengl，metal來對檢測到的人臉進行渲染。人臉檢測技術指的是對中的人...
什麼是技術的瓶頸
如大家所知，學習技術最開始會是特別痛苦的，因為有很多不會的地方。這個過程就會是需要人特別有耐心的時候 當你開始懂一些的時候，真的會出現一些瓶頸。這個時候就得深挖裡面的層次了 最近做的時候就有這個感覺，寫著寫著就會，出現一兩個難以解決的難題。css和vue都會出現這樣的關係。不知道是不是因為對屬性還是...
人臉比對軟體 人臉 活體識別技術
人臉活體識別技術技術主要分為兩部分 第一部為前端人臉活體檢測技術，主要支援android ios平台，在前端通過眨眼 張嘴 搖頭 點頭等組合動作，確保操作的為真實活體人臉。第二部為後台移動端人臉活體識別技術，該環節通過在活體檢測技術環節取得整張人臉影象後，再通過掃瞄識別身份證，取到身份證頭像後，將現...