带有面部识别的监视摄像机正在覆盖我们的更多城市。但是这些系统正面临一个问题：它们相对近视。
一项发表在自然着眼于如何优化监视摄像头，以匹配远距离的面部生物特征。
面部识别方法基于来自数据集的深入学习，该数据集包括个人与摄像机的距离，图像传感器的焦距和目标面部像素的大小。扩展数据集是使用Georgia Tech Face and Quality Dataset创建的，用于距离面孔。
然后在不同的监视摄像头传感器上测试了该方法，其中几个传感器在识别过程中的平均准确度高于99％。它还允许研究人员计算每个传感器的最大距离，以达到面部识别所需的准确性。
研究人员声称，他们的方法对于智能城市的安全应用可能至关重要。
为了充分利用新数据集，本文建议政府和企业引入监视摄像机，以通过估计其面部识别的准确性来首先评估图像传感器。这使他们可以为大型区域选择更高准确的图像传感器，并且需要监视摄像机才能从远处识别面孔。同样，他们可以通过购买覆盖较小区域的摄像机的较低准确图像传感器来节省成本。
纸张指出：“这项工作的新颖性来自提供一种选择图像传感器的方法，该图像传感器有效地平衡了特定距离的精度和成本。”
这项研究是由西班牙阿利坎特大学，波兰的SGH华沙经济学院和沙特阿拉伯的Effat University的一组研究人员发表的。
这项研究有一些警告。结果来自一个合成数据库，研究人员建议使用包含更多种类的真实视频监视图像进行进一步的测试。
美国联邦政府一直在为长距离生物特征识别，包括面部生物识别技术。
