人脸识别的技术面试题

图像处理技术面试
Q1, 特征脸技术方面，训练时把一批人脸图像转换成一个特征向量集，称为“Eigenfaces”即“特征脸”。

识别的过程是把一副新的图像投影到特征脸子空间，进行匹配。

训练时，针对10种人脸，总共500张100X100的人脸图像，原始图像可以看成10000维的向量，500张原始图像中心化后组成1000X500的矩阵X乘以它的转置矩阵得到10000X10000的协方差矩阵Ω。

如何快速求解协方差矩阵Ω的k个非零特征值?
Q2，Viola-Jones多级级联分类器识别人脸方法：
是人脸识别领域的一种经典方法。

概念意义上的解释参考wikipedia；个人理解是：对于提取的图像haar-like特征，先用弱分类器分类，再把弱分类器训练提升为强分类器，多个强分类器级联起来就可以达到任意检测率的人脸图像识别。

haar-like特征，目前常用的Haar-like特征可以分为三类：线性特征、边缘特征、点特征（中心特征）、对角线特征。

一个24*24的图像窗口，这样的特征就存在高达16万个。

利用积分图的方法可以快速计算得到这样的特征。

Q3，目标跟踪算法：KLT( Kanade–Lucas–Tomasi) 是一种特征跟踪算法,也叫(Lucas光流法)，它利用灰度信息直接搜索最匹配的位置。

KLT算法的三个假设条件：
a. 亮度恒定
b. 时间连续或者运动是“小运动”
c. 空间一致，临近点有相似运动,保持相邻。

其他跟踪算法：
粒子滤波pf：能够较好搜索到全局最优解，但其求解速度相对较慢，因基于颜色直方图的计算，所以对相同颜色东西不太能够区别。

均值漂移meanshift：容易陷入局部最优,不好跟踪小目标和快速移动目标,但运算量小速度快。

光流法用于目标跟踪的原理：
（1）对一个连续的视频帧序列进行处理；
（2）针对每一个视频序列，利用一定的目标检测方法，检测可能出现的前景目标；
（3）如果某一帧出现了前景目标，找到其具有代表性的关键特征点（可以随机产生，也可以利用角点来做特征点）；
（4）对之后的任意两个相邻视频帧而言，寻找上一帧中出现的关键特征点在当前帧中的最佳位置，从而得到前景目标在当前帧中的位置坐标；
（5）如此迭代进行，便可实现目标的跟踪；
遇到的问题：
1: 图像预处理以消除或减少光照不均匀的影响，解决方案：图像预处理时，利用同态滤波可解决此问题。

这对光照条件不好（KLT三个假设前提中的a条件不满足）的情况下尤为重要。

2，跟踪目标丢失，解决方案：应该再初始化。

针对KLT跟踪算法的缺陷(三个假设前提中的b不满足)，在遇到大运动或者out-of-plane大旋转的时候会丢失目标，重新初始化识别人脸，同时重新计算角点(待跟踪点)
3，帧与帧之间的异常检测：前帧确定的待跟踪点和当前帧跟踪点个数是个重大参考，提出当前后帧图像中跟踪点个数出现较大波动时，作为异常检测动作的发生条件之一
Q6，Matlab 中读、写及显示一幅图像的命令各是什么？imread，imwrite，imshow。

Q7，Matlab矩阵运算中A. *B 和A*B 的区别？
Q8, 简述BP神经网络，AdBoost的基本原理？了解深度学习吗？
Q，彩色图像、灰度图像、二值图像和索引图像区别？
Q9, 关键字static的作用是什么？
解：1）在函数体，一个被声明为静态的变量在这一函数被调用过程中维持其值不变。

2）在模块内（但在函数体外），一个被声明为静态的变量可以被模块内所用函数访问，但不能被模块外其它函数，是一个本地的全局变量。

3）在模块内，一个被声明为静态的函数只可被这一模块的它函数调用。

即这个函数被限制在声明它的模块的本地范围内使用。

Q10，简述C，C++程序编译的内存分配情况？
解：C、C++程序编译时内存分为5大存储区：堆区，栈区，全局区，文字常量区和程序代码区C，C++中内存分配方式可以分为三种：
从静态存储区域分配：内存在程序编译时就已经分配好，这块内存在程序的整个运行期间都存在。

速度快，不容易出错，因有系统自行管理。

在栈上分配：在执行函数时，函数内局部变量的存储单元都在栈上创建，函数执行结束时这些存储单元自动被释放。

栈内存分配运算内置于处理器的指令集中，效率很高，但是分配的内存容量有限。

从堆上分配：即运态内存分配。

程序在运行时候用malloc或new申请任意大小的内存，程序员自己负责在何进用free 和delete释放内存。

Q，谈谈您这些年最有成就的科研项目？应用前景？进展情况？分工？收获？科研最大优势?创新点?
Q，目前为什么换工作？将来职业规划？
Q，我们招人原则是，第一，具备一定的基本专业知识，第二，更看重个人的主观能动性。

举例说明具备强烈的主观能动性？
我们认为基本专业知识可以一般般，稍微弱点没关系，可以学习，但主观能动性方面决定了个人的上升高度，可以弥补专业知识不足的弱点，但如果基本专业知识很优秀，能动性不行，那发展不了多远，上不了一定的层面。

尤其是算法研发职位，平时需要查阅大量的文献，尝试不同方法，很多时候在尝试人家的方法同时，取长补短，开发出适合自己的算法。

这些都需要科研人员具备较强的能动性，积极主动的去尝试和优化算法。

Q，对工作环境有什么要求? 比如如何看待加班？某些人愿意自愿加班，你如何看待？
Q，对公司还有什么疑问？尽管提出来，以增加双方相互了解。

以免将来入职后对公司某些方面没达到自己预期而产生心理上失衡，导致心理不愉快而影响工作，甚至最终导致大家分手。

这样对你和对公司都是不愉快的事情。

所以双方尽量多了解清楚，达成一致，合作起来才愉快。