中央研究院智財技轉處對外服務網

在人臉辨識的研究上都有個很嚴格的假設，就是訓練人臉模型時的圖片需要是完全乾淨的，意即不能有任何像圍巾、眼鏡、口罩等等的遮蔽物擋住人臉。如此嚴格的假設較不適用於現實的狀況，所以不同於之前的假設，此研究專注在考慮訓練的時候就存在著這些被遮蔽物涵蓋的圖片下應該如何應對。我們藉由低秩分解能夠精準的比對像素的誤差，藉由分離出不屬於此人的像素以獲取正確的人臉模型。由於我們沒有圖片必須乾淨的假設，獲得的圖片不需要經過前處理即可使用，因此我們不需捨棄一些遮蔽的圖片；換句話說，我們能保留所有圖片變成有用的資訊，而之前的研究必須經過挑選而捨棄一些遮蔽的圖片；我們捨棄的資訊是以像素為單位而之前的研究卻必須以圖像為單位來捨棄，因此不難想像我們的方法應該會比前作更準確。此外我們引入結構相異性的概念，能夠更正確的找出屬於個人的特徵，通用於每個人的特徵如人的臉頰、人的脖子這些不具有代表性的資訊都不是我們想要的資訊，所以在我們額外加的限制下，會留下屬於每個人特有的資訊如臉型、眼睛、鼻子的大小及形狀，所以比起只用低秩分解，此方法又更增加辨識率。