就像計算器和計算機已經超越人類的認知和計算能力一樣，無人機和圖像處理技術的相互融合，在不久的將來有望超越我們識別和檢測物體的能力——視覺識別，這似乎是目前許多高科技尋求的目標。改善無人機的圖像采集應用，使得基于無人機的數據采集可以更好地應用在警察和軍事領域，這意味著無人機可以提供較高質量的鏡頭，以便識別戰略目標、犯罪嫌疑人和失蹤人員。

然而，問題在于，這樣的身份判斷機制非常復雜，即使對于人類也是如此。無人機在離散識別人類主體的能力方面還遠遠不足。

發表于MDPI期刊題為“無人識識別人類：通過認知心理學的見解”的研究論文，探討了無人機識別人類受試者的能力挑戰。為此，研究人員試圖從不同的視覺輸入中測試無人機的識別能力，例如像素化或分辨率，圖像大小，視角，身體部位等。

該研究的作者提出了一種無人機可以成功識別人類受試者的不同方法：

識別人臉

通過對人類進行的測試，與低分辨率、像素化圖像相比，人們能夠很容易地識別高分辨率圖像;通過減小中度像素化面部圖像的尺寸，部分地抵消了由低圖像分辨率引起的誤差。

無人機鏡頭錄制的圖像質量容易受到許多因素的影響，例如無人機本身的高度以及環境條件。此外，這些鏡頭可能會受到地面障礙物（如樹木和旁觀者）以及目標本身移動的阻礙。

無人機角度鳥瞰圖

以上是一個示例。左側面板表示身份匹配，由此高質量數字照片顯示與從下面示出的無人機相機提取的三個圖像中描繪的人相同。相反，右圖描繪了身份不匹配的情況，由此高質量數字照片與下面三幅圖像中所示的人不同。

另一個觀察結果是-當人們觀察被測者的視角或方向與他們之前看到的相同時，他們在識別面部時非常成功。然而，當從側面觀被測者的面部，而之前是從正面觀察，這樣識別的結果就不理想。因此，通過比較兩個不同角度的面部比對比同一個角度非正面的面部識別精準度更低。

一個非常明顯的觀察結果是，當人們花足夠的時間觀察他們需要識別的圖像時，人們能夠非常成功地識別人臉。

這些觀察僅僅意味著如果獲得的現場鏡頭分辨率較低，無人機可以通過略微遠離它們來提高識別物體的能力；另外如果無人機已經觀察記錄過或者以不同的方向角度記錄過被測人的臉部，則無人機能夠非常有效地識別任何人物。

識別人的身體

為了考慮遠距離觀察以及提供平行交叉檢查，可能需要無人機來識別一個人的身體，以及結合面部特征，這就是為什么人們用身體識別人的能力是一個主要考慮因素。

結果發現，當人們識別出整個人時，判斷更準確，而不是單單識別遠處被測目標的面部或身體。這些結果反映出，當試圖從遠處識別某人時，人們整合來自身體和面部的信息以進行識別。相反，隨著觀看者和目標之間的距離變窄，身份識別主要由來自面部的信息決定。

識別人的動作

根據研究，人們在從視頻素材中識別像素化的熟悉面孔方面靜止圖像的準確率要高。

雖然人們通過觀察視頻鏡頭和靜態圖像能一樣容易地識別熟悉的人，但是對于靜態圖像而言，不熟悉的面部是很難識別的。

用無人機識別航拍鏡頭的人

去年進行的一項名為“遠程控制無人機航拍的人物識別”的研究涉及使用無人機記錄人們在田野中的足球比賽。在幾次實驗中，對這種無人機錄制的鏡頭中的人物識別進行了測試，結果發現很差。人們只能將無人機拍攝的48％的圖像與同一人的高質量圖像相匹配。

可能的解決方案：

1、人臉識別算法

一種可以讓無人機成功識別人的解決方案是人臉識別算法的集成。人臉識別程序已經在某些手機中使用，因此它們不是新鮮的技術。然而，考慮到分辨率，方向，照明和其他因素，它們在無人機中的使用在這一點上仍需要做更多探索。

2、超級識別器

另一個可能的解決方案是先讓人類真正具備善于識別人的能力，然后再教無人機。已經發現，面部識別能力因人而異;，識別能力的人可以不斷向無人機系統提供反饋，并提高系統自身的技能。