6         挑战
经过四十多年的发展，尤其是近十年来的研究，人脸识别技术已经取得了长足的进步。目前最好的人脸识别系统在注册和认证环境条件比较一致、对象比较配合的情况下已经能够达到令人满意的效果。对1000人左右的识别系统，其正确识别率可以在95%左右；验证系统的等错误率性能也在2%以下。然而，这并不意味着人脸识别技术已经非常成熟了。恰恰相反，因为更大量的人脸识别应用系统需要在更大大规模人脸库、摄像环境不可控、对象不配合的情况下使用，即使是目前最好的识别系统在这样的情况下识别性能下降也非常快，很多情况下识别系统正确识别率陡降至75%以下，验证系统等错误率攀升到10%以上——这样的性能显然是应用系统用户根本无法接受的！因此，现有的人脸识别系统尤其需要有针对性地解决在非理想摄像条件下（光照变化、背景变化、摄像设备差异）和对象不配合（视角变化、表情变化、佩带饰物乃至化妆）时必然遇到识别性能下降问题。这些变化因素在不同的应用系统中均会有不同程度的出现，因而会极大地影响实用识别系统的性能，导致识别系统性能的下降。概括而言，目前人脸识别领域面临的主要挑战包括：鲁棒性、准确的特征配准问题，对各种图像采集条件变化鲁棒的核心识别算法，识别算法的泛化能力和自适应学习问题，光照变化问题，尤其是室外光照变化，姿态不变的人脸识别算法，人脸信息采集设备带来的问题，低质量照片的检测识别问题，年龄变化导致的照片老化问题，墨镜、帽子、口罩等造成的遮挡问题，化妆、整容带来的问题。而且上述挑战并不是单独作用的，例如姿态和光照问题同时出现，会更进一步地增加问题的难度。

7         结束语
人脸识别是一项既有科学研究价值，又有广泛应用前景的研究课题。国际上大量研究人员几十年的研究取得了丰硕的研究成果，自动人脸识别技术已经在某些限定条件下得到了成功应用。这些成果更加深了我们对于自动人脸识别这个问题的理解，尤其是对其挑战性的认识。尽管在海量人脸数据比对速度甚至精度方面，现有的自动人脸识别系统可能已经超过了人类，但对于复杂变化条件下的一般人脸识别问题，自动人脸识别系统的鲁棒性和准确度还远不及人类。这种差距产生的本质原因现在还不得而知，毕竟我们对于人类自身的视觉系统的认识还十分肤浅。但从模式识别和计算机视觉等学科的角度判断，这既可能意味着我们尚未找到对面部信息进行合理采样的有效传感器（考虑单目摄像机与人类双眼系统的差别），更可能意味着我们采用了不合适的人脸建模方法（人脸的内部表示问题），还有可能意味着我们并没有认识到自动人脸识别技术所能够达到的极限精度。但无论如何，赋予计算设备与人类似的人脸识别能力是众多该领域研究人员的梦想。相信随着研究的继续深入，我们的认识应该能够更加准确地逼近这些问题的正确答案。