1：圖像大小

人臉圖像過小會影響識別效果，人臉圖像過大會影響識別速度。在規(guī)定的圖像大小內(nèi)，算法更容易提升準(zhǔn)確率和召回率。圖像大小反映在實際應(yīng)用場景就是人臉離攝像頭的距離。

2：圖像分辨率

越低的圖像分辨率越難識別。圖像大小綜合圖像分辨率，直接影響攝像頭識別距離�，F(xiàn)4K攝像頭看清人臉的遠(yuǎn)距離是10米，7K攝像頭是20米。

3：遮擋程度

五官無遮擋、臉部邊緣清晰的圖像為佳。而在實際場景中，很多人臉都會被帽子、眼鏡、口罩等遮擋物遮擋，這部分?jǐn)?shù)據(jù)需要根據(jù)算法要求決定是否留用訓(xùn)練。對于非配合情況下的人臉圖像采集，遮擋問題是一個非常嚴(yán)重的問題。帶著眼鏡，帽子等飾物，使得被采集出來的人臉圖像有可能不完整，從而影響了后面的特征提取與識別，甚至?xí)��?dǎo)致人臉檢測算法的失效。

4：光照環(huán)境

過曝或過暗的光照環(huán)境都會影響人臉識別效果�？梢詮臄z像頭自帶的功能補(bǔ)光或濾光平衡光照影響，也可以利用算法模型優(yōu)化圖像光線。

5：模糊程度

實際場景主要著力解決運(yùn)動模糊，人臉相對于攝像頭的移動經(jīng)常會產(chǎn)生運(yùn)動模糊。部分?jǐn)z像頭有抗模糊的功能，而在成本有限的情況下，考慮通過算法模型優(yōu)化此問題。

6：采集角度

人臉相對于攝像頭角度為正臉較佳。但實際場景中往往很難抓拍正臉。因此算法模型需訓(xùn)練包含左右側(cè)人臉、上下側(cè)人臉的數(shù)據(jù)。工業(yè)施工上攝像頭安置的角度，需滿足人臉與攝像頭構(gòu)成的角度在算法識別范圍內(nèi)的要求。