6) 人脸识别在黑暗中无法进行
具有集成人脸识别功能的安全系统或电动门经常需要在不太理想的照明条件下工作。人脸识别技术似乎要依赖于可见光才能正常工作,夜间工作或断电可能成为一大难题。但是,通过将可见光图像传感器与在红外线光谱上工作的辅助器件配合使用,或使用飞行时间数据来构建范围内对象的3D映射,可以非常简单地解决这个问题。采用这种方法,无光照不再是难题,由于不要求解决方案采用人工照明,它还有助于提高实用性和降低功耗。
7) 人脸识别需要人工智能方面的专业知识
整体来说,人工智能是一个非常宽泛和复杂的领域。仅在深度学习方面,arXiv网站上每天都会出现新学术论文,探讨不同技术领域和新管道结构。但如果您使用专为人脸识别设计的平台,例如恩智浦基于MCU的解决方案,就很容易得到高质量的结果,因为它不仅采用了机器学习技术,还提供了针对任务设计的完整图像处理工具包。
8) 人脸识别的功耗很高
使用经过优化的人工智能和图像处理,我们可以在MCU上运行人脸识别,而并非在服务器平台的高性能GPU上运行。这带来了更多优势:我们可以使用目前MCU支持的众多节能模式。MCU解决方案不需要启动Linux等重量级操作系统,这意味着在不需要主处理器的情况下可将其关闭。但如果运动传感器确定视场范围内有足够的活动需要注意,仍可在十分之一秒内唤醒处理器,实现完整的人脸识别功能。
9) 训练对于最终用户来说是一项繁琐的任务
早期在平板电脑和智能手机等嵌入式系统中实现的人脸识别需要一系列不同的姿态,以便有效地训练神经网络,用于识别新用户的脸部。随着迁移学习等技术的进步,只需让人脸面对摄像头一次,即可进行特征训练,并将特征添加到经过许可的用户数据库。
10) 人脸识别的应用受限
与任何技术相同,在创新公司将技术投入应用之前,我们很难想像到技术将会如何使用。人脸识别似乎仅限于安保和门禁控制应用,因为它们是目前常见的使用方式。但智能电器和电动工具可以将这项技术用于安全用途:禁用功能,避免小孩受伤。设备的设计目的将不再只是识别人脸,还要识别表情。设备能够读取情感信号,例如失望、困惑或高兴,并且作出相应的回应,改进整体用户体验。
11) 人脸识别需要重量级操作系统
由于深度学习的很多研究级别工具作为开源软件工具包提供,而这些工具包是针对Linux编写的,所以人们很容易会认为人脸识别等应用需要Linux。但支持核心技术的嵌入式系统既不需要存储器成本,也不需要Linux系统的长启动时间。基于MCU的解决方案可以运行轻量级的操作系统,消耗的存储器空间更少,启动时间更短,并且还支持高级电源优化。