人脸识别关键问题研究

a) 人脸识别中的光照问题

光照变化是影响人脸识别性能的最关键因素，对该问题的解决程度关系着人脸识别实用化进程的成败。研究思路是将在对其进行系统分析的基础上，考虑对其进行量化研究的可能性，其中包括对光照强度和方向的量化、对人脸反射属性的量化、面部阴影和照度分析等等。在此基础上，考虑建立描述这些因素的数学模型，以便利用这些光照模型，在人脸图像预处理或者归一化阶段尽可能的补偿乃至消除其对识别性能的影响。重点研究如何在从人脸图像中将固有的人脸属性（反射率属性、3D表面形状属性）和光源、遮挡及高光等非人脸固有属性分离开来。基于统计视觉模型的反射率属性估计、3D表面形状估计、光照模式估计，以及任意光照图像生成算法是目前的主要研究内容。

具体考虑两种不同的解决思路：

1、 利用光照模式参数空间估计光照模式，然后进行针对性的光照补偿，以便消除非均匀正面光照造成的阴影、高光等影响；

前面的文章主要是整理的Android 官方文档对OpenGL ES支持的介绍。通过之前的文章，我们基本上可以完成的基本的形状的绘制。

这是本人做的整理笔记： https://github.com/renhui/OpenGLES20Study

目前到这里第一阶段的学习，也就是基本的图形绘制，基本的交互的实现。

  •  平面绘制：三角形、正方形、在相机视角下的三角形、彩色三角形
  •  立体绘制：正方体、圆柱体、圆锥体、球体
  •  基本交互：手绘点、旋转三角形

知道了基本的图形绘制，也知道了基本的交互的实现，现在可能大多数人还是对整个实现的流程有点懵，最主要的地方可能就是对顶点着色器和片元着色器了。前面的使用过程中，我们大概也对着色器语言有一定的了解了，但是在前面我们使用的着色器代码还是很简单的，做的事情也是很有限的，后面的开发过程中，我们用到的着色器会越来越复杂，So，这里我们想一下着色器语言GLSL。

架构师是一个既需要掌控整体又需要洞悉局部瓶颈并依据具体的业务场景给出解决方案的团队领导型人物。一个架构师得需要足够的想像力，能把各种目标需求进行不同维度的扩展，为目标客户提供更为全面的需求清单。

对于任何参考系，一个刚体的取向，是依照顺序，从这参考系，做三个欧拉角的旋转而设定的。所以，刚体的取向可以用三个基本旋转矩阵来决定。换句话说，任何关于刚体旋转的旋转矩阵是由三个基本旋转矩阵复合而成的。

2018年人工智能技术已在多方面实现突破性进展，国内外的科技公司都在不断尝试将人工智能应用于更多领域，不论科技巨头还是初创企业，都在致力于不断创新，推动技术进步，接下来我们就来看看十项中外人工智能领域富有突破性的技术。

深度学习的如日中天遮掩了进化算法的光芒，但进化算法也有望重归大众视野，毕竟在某些领域它可比深度学习领先得多。