计算机视觉用于图像识别的难点在哪？_算法技术难点分析

计算机视觉用于图像识别的难点在哪？作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统，但也存在一些难点，本篇来解答一下这个问题。

计算机视觉用于图像识别的难点在哪？

计算机视觉算法在图像识别方面的一些难点：

1)视角变化：同一物体，摄像头可以从多个角度来展现;

2)大小变化：物体可视的大小通常是会变化的(不仅是在图片中，在真实世界中大小也是由变化的);

3)形变：很多东西的形状并非一成不变，会有很大变化;

4)遮挡：目标物体可能被遮挡。有时候只有物体的一部分(可以小到几个像素)是可见的; 5)光照条件：在像素层面上，光照的影响非常大;

6)背景干扰：物体可能混入背景之中，使之难以被辨认;

7)类内差异：一类物体的个体之间的外形差异很大，如椅子。这一类物体有许多不同的对象，每个都有自己的外形。

人脸识别算法主要包含三个模块：

人脸检测(Face Detection)：确定人脸在图像中的大小和位置，也就是在图像中预测anchor;

人脸对齐(Face Alignment)：它的原理是找到人脸的若干个关键点(基准点，如眼角，鼻尖，嘴角等)，然后利用这些对应的关键点通过相似变换(Similarity Transform，旋转、缩放和平移)将人脸尽可能变换到标准人脸;

人脸特征表征(Feature Representation)：它接受的输入是标准化的人脸图像，通过特征建模得到向量化的人脸特征，最后通过分类器判别得到识别的结果。关键点是怎样得到不同人脸的有区分度的特征，比如：鼻子、嘴巴、眼睛等。

免费分享一些我整理的人工智能学习资料给大家，包括一些AI常用框架实战视频、图像识别、OpenCV、NLQ、机器学习、计算机视觉、深度学习与神经网络等视频、课件源码、国内外知名精华资源、AI热门论文、行业报告等。

为了更好的系统学习AI，推荐大家收藏一份。

下面是部分截图，点击文末名片关注我的公众号【AI技术星球】发送暗号 321 领取（一定要发暗号 321）

一、人工智能课程及项目

二、国内外知名精华资源

三、人工智能论文合集

四、人工智能行业报告

学好人工智能，要多看书，多动手，多实践，要想提高自己的水平，一定要学会沉下心来慢慢的系统学习，最终才能有所收获。

点击下方名片，扫码关注公众号【AI技术星球】发送暗号 321 免费领取文中资料