1：圖像大小

人臉圖像過(guò)小會(huì )影響識別效果，人臉圖像過(guò)大會(huì )影響識別速度。在規定的圖像大小內，算法更容易提升準確率和召回率。圖像大小反映在實(shí)際應用場(chǎng)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�，F4K攝像頭看清人臉的遠距離是10米，7K攝像頭是20米。

3：遮擋程度

五官無(wú)遮擋、臉部邊緣清晰的圖像為佳。而在實(shí)際場(chǎng)景中，很多人臉都會(huì )被帽子、眼鏡、口罩等遮擋物遮擋，這部分數據需要根據算法要求決定是否留用訓練。對于非配合情況下的人臉圖像采集，遮擋問(wèn)題是一個(gè)非常嚴重的問(wèn)題。帶著(zhù)眼鏡，帽子等飾物，使得被采集出來(lái)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，甚至會(huì )導致人臉檢測算法的失效。

4：光照環(huán)境

過(guò)曝或過(guò)暗的光照環(huán)境都會(huì )影響人臉識別效果�？梢詮臄z像頭自帶的功能補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(xiàn)。

5：模糊程度

實(shí)際場(chǎng)景主要著(zhù)力解決運動(dòng)模糊，人臉相對于攝像頭的移動(dòng)經(jīng)常會(huì )產(chǎn)生運動(dòng)模糊。部分攝像頭有抗模糊的功能，而在成本有限的情況下，考慮通過(guò)算法模型優(yōu)化此問(wèn)題。

6：采集角度

人臉相對于攝像頭角度為正臉較佳。但實(shí)際場(chǎng)景中往往很難抓拍正臉。因此算法模型需訓練包含左右側人臉、上下側人臉的數據。工業(yè)施工上攝像頭安置的角度，需滿(mǎn)足人臉與攝像頭構成的角度在算法識別范圍內的要求。