人脸识别系统已经大规模商业化应用，但这并意味着它就发展到顶了，剩下的都是一些难题，包括遮挡/年龄/姿态/妆造/亲属/伪造攻击等。
作者&编辑 | 言有三
1 遮挡人脸检测与识别
遮挡人脸的检测和识别是一个很常见的现实问题，不论是姿态等带来的自遮挡还是外物带来的遮挡，都会严重损害人脸识别模型的性能，值得对相关领域感兴趣的朋友深入关注。
文章引用量：30
推荐指数：✦✦✦✦✧
[1] Wang J, Yuan Y, Yu G. Face attention network: An effective face detector for the occluded faces[J]. arXiv preprint arXiv:1711.07246, 2017.
[2] Yuan X, Park I K. Face De-occlusion using 3D Morphable Model and Generative Adversarial Network[J]. arXiv preprint arXiv:1904.06109, 2019.
2 跨年龄人脸识别
年龄的变化使得人脸的图像特征发生很大的变化，跨年龄的人脸识别无疑也是一个很难的问题，同时也是一个具有重大社会价值的课题。从年龄不变特征提取到年龄仿真，相关的研究非常多，这个综述可以作为一个好的开始。
文章引用量：很新
推荐指数：✦✦✦✦✧
[3] Sawant M M, Bhurchandi K M. Age invariant face recognition: a survey on facial aging databases, techniques and effect of aging[J]. Artificial Intelligence Review, 2019, 52(2): 981-1008.
3 跨姿态人脸识别
大姿态造成人脸显著特征的缺失，一样会严重影响模型的性能。从姿态不变特征提取到正脸姿态仿真，相关的研究非常多，这个综述可以作为一个好的开始。
文章引用量：200
推荐指数：✦✦✦✦✦
[4] Ding C, Tao D. A comprehensive survey on pose-invariant face recognition[J]. ACM Transactions on intelligent systems and technology (TIST), 2016, 7(3): 37.
4 妆造人脸识别
年龄的变化会导致人脸的生理特征发生变化，而妆造则可能直接掩盖了人脸固有的特征，也对人脸识别构成了很大的挑战，非常具有研究意义。
文章引用量：较少
推荐指数：✦✦✦✦✧
[5] Li Y, Song L, Wu X, et al. Anti-Makeup: Learning a bi-level adversarial network for makeup-invariant face verification[C]//Thirty-Second AAAI Conference on Artificial Intelligence. 2018.
5 亲属关系识别
由于遗传等因素，子女的人脸会与父母相似，因此人脸识别中有一个小的领域即亲属人脸识别，也具有一定的研究意义。
文章引用量：40
推荐指数：✦✦✦✧✧
[6] Robinson J P, Shao M, Wu Y, et al. Families in the wild (fiw): Large-scale kinship image database and benchmarks[C]//Proceedings of the 24th ACM international conference on Multimedia. ACM, 2016: 242-246.
6 人脸伪造与攻击
当前的人脸伪造技术已经非常高超，如何检测与识别伪造人脸将是未来一个很大的挑战。
文章引用量：很新
推荐指数：✦✦✦✦✦
[7] Rössler A, Cozzolino D, Verdoliva L, et al. Faceforensics: A large-scale video dataset for forgery detection in human faces[J]. arXiv preprint arXiv:1803.09179, 2018.
7 如何获取文章与交流
https://github.com/longpeng2008/yousan.ai
