无约束条件下的人脸识别：系统性综述
计算机视觉与模式识别
2019-08-14 v1
摘要
人脸识别是一种生物特征识别技术，正吸引着显著的研究、商业与政府关注，因为它提供了一种隐蔽、非侵入式的个体检测与识别方式，无需受试者知情或同意。这归因于成本的降低以及硬件与算法的演进，提升了其在无约束条件下处理的能力。显然，需要经济高效的适用应用。然而，关于哪些方法最为合适存在诸多争论，尤其在基于深度神经网络的人脸识别系统日益重要的背景下。本系统性综述试图通过梳理该领域大量研究与数据来厘清上述两方面问题，阐明当前研究趋势、最先进方法，并概述其优势与不足。总体而言，本研究涵盖 1,330 篇相关文献，显示过去 6 年人脸识别领域的研究兴趣增长了逾 200%。我们的结果还表明，深度学习方法因硬件数据库改进及神经网络理解加深而成为现代研究的主要焦点。相比之下，传统方法因精度固有局限及处理大量数据时效能不足，已失去研究者的青睐。
引用
@article{arxiv.1908.04404,
title = {Face Recognition in Unconstrained Conditions: A Systematic Review},
author = {Andrew Jason Shepley},
journal= {arXiv preprint arXiv:1908.04404},
year = {2019}
}