1.1.4 素描人脸识别的难点和发展趋势

1.类内差距

素描人脸识别与光学人脸识别研究重点不同。素描人脸识别中的素描人脸图像只包含面部线条和纹理等基本结构信息，缺乏光学人脸照片中丰富的光学信息，且素描人脸图像存在不同程度的面部扭曲。光学人脸照片和素描人脸图像属于不同来源的图像，两者之间存在较大的类内差距，导致了素描人脸识别比普通的人脸识别更加困难。传统的素描人脸识别方法主要采用基于手工特征的方法，这种特征的计算方式是固定的，因此无法进一步提升素描人脸的识别率。目前国内外对素描人脸图像识别的相关研究已有一些进展，但该研究成果仍然无法达到实际的应用水平，而刑侦领域对素描人脸识别技术的需求依旧非常迫切，因此素描人脸识别技术具有重要的研究价值。

2.网络结构

基于深度学习的方法在人脸识别中取得了较好的结果，表明了深度学习技术在人脸识别中具有很大的应用价值，因此研究基于深度学习方法的素描人脸识别具有重要的意义。在基于深度学习的研究方法中，网络模型对特征的提取具有关键的作用，网络模型结构的改进通常会使模型的识别性能得到很大的提升。在图像分类的研究中，网络结构通常从深度和宽度两个方面进行改进，改进网络结构的方式同样也可以被借鉴至素描人脸识别的研究。