1：圖象大小
。面部圖象過小會損害鑒別功效
，面部圖象過大會損害鑒別速度
。非專業(yè)
人臉識別監(jiān)控攝像頭通常標準的最少鑒別面部清晰度為60*60或100*100之上
。在標準的圖象大小內(nèi)，優(yōu)化算法更易于提高成功率和召回率
。圖象大小體現(xiàn)在現(xiàn)實應(yīng)用領(lǐng)域就是面部離監(jiān)控攝像頭的間距
。
2：分辯率。越低的分辯率越難鑒別
。圖象大小綜合分辯率，直接損害監(jiān)控攝像頭鑒別間距�
，F(xiàn)4K監(jiān)控攝像頭認清面部的最長距離是10米
，7K監(jiān)控攝像頭是20米。
3：陽光照射環(huán)境。過曝或太暗的陽光照射環(huán)境總會損害人臉識別功效
。能夠從監(jiān)控攝像頭內(nèi)置的基本功能補光或濾光均衡陽光照射損害
，還可以運用優(yōu)化算法實體模型提升圖象光源。
4：模糊不清狀況�
，F(xiàn)實情景關(guān)鍵著力解決動態(tài)模糊不清
，人臉相對監(jiān)控攝像頭的挪動常常會造成運動模糊不清。一部分監(jiān)控攝像頭有抗模糊不清的基本功能
，而在資金不足的狀況下
，考慮利用優(yōu)化算法實體模型優(yōu)化此現(xiàn)象。
5：擋住狀況
。面部遮攔
、面部邊沿清晰的圖象為最合適。而在現(xiàn)實情景中
，許多面部總會被遮陽帽
、近視眼鏡、防霾口罩等擋住物擋住
，這些數(shù)據(jù)還要依據(jù)優(yōu)化算法標準決定是不是留用訓練
。
6：抓取視角。人臉相對監(jiān)控攝像頭視角為臉照最合適
。但現(xiàn)實情景中通常不容易抓拍臉照
。因而優(yōu)化算法實體模型需訓練包括兩側(cè)人臉、上下側(cè)面部的數(shù)據(jù)
。工業(yè)工程施工上監(jiān)控攝像頭按置的視角
，需考慮面部與監(jiān)控攝像頭組成的視角在優(yōu)化算法鑒別范圍之內(nèi)的標準。
以上就是廣州科靈智能科技有限公司分享的內(nèi)容
，希望以上的內(nèi)容可以幫助到大家
