在人臉辨識的興盛下,如同科技進步一般,水能載舟,亦能覆舟,有如此多的優點也會也缺點,如先前講的隱私權及要如何確保每次辨識下都是正確的,換句話說就是辨識時的不穩定。
1.隱私權:
在模型進行訓練時就需要大量資料來進行訓練,所以需要很多人臉的資料,在資料的收集就十分困難,目前就有使用收集意修資料後,用這些資料來產生訓練資料,就是生出假的人臉,使用先前收集的資料學習組合成一張以假亂真的臉,或是使用資料增量的方式來增加訓練資料,如不同的光影變化,或是使用3D建模的方式來擷取人臉的不同角度,讓可以偵測的角度變大。
2.辨識時的不穩定:
使用更加完善的模型架構,如前面所提到的各種人臉常用模型,或是使用更強健的演算法來降低辨識不穩定的發生率,因為人臉的變化有光線、角度、年紀、化妝等可以改變人臉外表的因素,維持辨識的穩定,可能需要在辨識時持續更新或增加資料庫的影像。
在未來人便辨識系統發展,可以有更強大的辨識系統來突破這些限制,使人類的生活更加便利。