在人脸识别的关键特征识别中，各个图像像素的重要性程度是不一样的，比如眼睛、鼻子等部位的像素重要性会更高。一些不必要的像素被去除后不影响识别结果，还可以加快识别速度，并提升模型鲁棒性。

一、人脸特征

当我们面对一张人脸照片时，会对人脸的特征进行自动处理和变换。当我们再次面对这张照片时，即使人脸的特征有所改变或者缺失，也不影响我们认出这个人。因为人天生具有学习能力和抽象能力。

但计算机所缺少正是这种抽象以及补全能力，我们可以模仿人眼的这种识别手段，让计算机将注意力转移到眼睛、鼻子等主要特征上，从而拥有更准确的识别率。例如现在的带口罩识别，就是将眼睛、眉毛等重点区域设为了人脸识别的关键点，增强眼部的信息收集，再将眼部特征图与整体人脸特征图的融合，充分挖掘人脸的有效信息。这种方法就叫做基于人脸关键特征的识别技术，通常是通过边缘、轮廓检测来实现的。

二、边缘检测

边缘检测通俗来说就是眼睛、鼻子等外部轮廓，在灰度图像中，灰度值变化较为明显的地方，图像的重要程度或所蕴含的信息就存在于这些变化中。对于计算机来说，可以通过灰度阶的变化来对图像信息进行边缘检测。当图像的边缘附近的值出现明显的分割，灰度值变化就较大，而图像中比较平滑的部分，其灰度值变化就较小。

这背后有数学理论的支撑，一般我们会用梯度来表示变化的速度。在图像中的灰度变化既有方向也有大小，就可以使用图像梯度来描述这种变化，从而可以检测出图像的边缘。

三、轮廓检测

通过算子计算出来的边缘一般是不连续的，因此很难形成相对完整和封闭的目标轮廓，这样提取出来的特征效果可能会较差。但通过使用轮廓检测算法，可以忽略背景和目标内部的纹理以及噪声干扰的影响，对边缘进行细化并进行连接，解决那些不能依靠亮度建模而检

测出来的纹理边界。

四、算法评价

考虑到预算，笔者推荐业内著名算法厂商虹软视觉开放平台的免费离线SDK，其ArcFace4.0就针对当下实际应用场景中常规算法的不足，通过提升人脸可见区域权重，以及在局部特征增强方面设计相应策略。ArcFace4.0全面兼容了大面积遮挡下的人脸识别、人脸检测能力，达到检测准确率99.5%以上。即使在人脸遮挡与无遮挡并存的复杂场景下，ArcFace4.0就能够无缝兼容各类场景，完成精准识别。

感兴趣的朋友可以百度搜索“虹软视觉开放平台”，了解更多精彩详情。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

责任编辑：kj005