Part 01 脸识别技术概述
人脸识别技术属于动物特色识别技术，是一种依据人人脸的若干特色(如眼睛、鼻子、嘴巴、眉毛等)智能启动身份识别的技术，又被称为面像识别、人像识别、容颜识别、脸孔识别、面部识别等。其关键应用摄像机或摄像头采集含有人脸的图像或视频流，经过人脸检测技术剖析其能否存在人脸，存在则给出人脸所在位置、大小和面部关键器官的位置消息;再依据这些消息提取所蕴涵的身份特色，并将其与已知的人脸特色启动对比，从而识别每团体脸的身份。
Part 02 人脸检测
人脸检测是人脸识别和人脸剖析系统的关键第一步，关键用于处置“人脸在哪里”的疑问，在图像中准确标定出人脸的位置和大小，并提供应后续的人脸特色剖析和识别。早期的人脸检测上班关键基于人工精心设计的部分形容子启动特色提取，关键可分为4类基于常识的人脸检测方法、基于模型的人脸检测方法、基于特色的人脸检测方法、基于外观的人脸检测方法，其中比拟比拟经典的作品有haarcascades分类器、HOG(Histogram of OrientedGridients)特色检测算法。但传统的检测关于多种变异要素的具备应战性的图像，人脸检测精度有限。
图 WIDER FACE: A Face Detection Benchmark
随着深度学习的蓬勃开展，逐渐演化出许多基于不同深度学习架构的人脸检测方法，关键有基于级联cnn模型、基于R-CNN模型、单发探测器模型、基于特色金字塔网络模型、基于变形金刚模型等，极大的改善了传统人脸检测、识别在特色提取、准确度、可裁减性方面均有诸多无余。MTCNN是其中一个比拟低劣的人脸检测模型，该模型经过三个阶段的深度卷积网络，以粗到细的方式预测人脸和地标位置，详细步骤为：第一阶段：经过浅层CNN加快生成候选窗口;第二阶段：经过更复杂的CNN拒绝少量非面部窗口来细化窗口;第三阶段：经常使用更弱小的CNN再次细化结果并输入五个面部标记位置。
Part 03 人脸特色
人脸特色也称人脸表征，是人脸的某些特色，比如脸的长度、脸的宽度、唇部宽度、鼻子长度等，人脸特色提取就是对人脸启动特色建模失掉向量化人脸特色的环节。人脸特色提取依照技术特点大抵可分为三类：基于全局消息的Holistic方法、基于部分消息的Local特色方法、基于深度学习的方法。基于深度学习的人脸特色可以从数据集中智能学习特色，假设数据集能够笼罩足够的鲁棒性数据(如光照、姿态、表情等)，则算法能顺应各种应战，也是的干流人脸特色提取方法。
Part 04 人脸识别
人脸识别是人脸比对的环节，经过比对提取的人脸特色获两团体脸的相似度，判别方法为比拟两个特色间的欧式距离(L2距离)或许余弦距离(cosine距离)：L2距离越小，相似度越高;cos距离夹角越小，cos距离越大相似度越高。依据比对的数量不同，又可分为1:1和1:N。1:1最经常出现的场景就是物证比对，比如咱们在乘高铁时所遇到的这种设施。1:N是1张人脸和底库中的N张人脸启动比对，比如在考勤机中，咱们的人脸底库中蕴含全公司的一切人脸照片。