from http://blog.csdn.net/sloanqin/article/details/48193119

1 Face++：http://www.faceplusplus.com.cn/tech_landmark/

其提供的技术服务有1：人脸检测（人脸检测追踪，人脸关键点检测） 2：人脸分析（微笑分析，性别年龄种族表情）3：人脸识别（1：1，1：N，大规模人脸搜索）。我需要关注的是这里的人脸关键点检测的实现。Face++为美图秀秀，美颜相机提供人脸关键点检测的技术服务。

2 Face++一个采访问题，能够了解人脸识别技术的整个流程。

CSDN移动：可否介绍一下，典型的人脸识别系统是什么样子的？

印奇：当今的人脸识别系统虽然包含无数细节和各种工程技巧，但大的系统框架不外乎如下图所示的流程：一张人脸图片输入后，需要先找到人脸的位置（人脸检测），然后在这个基础上定位人脸关键点的位置（如眼睛中心或嘴角等），每个系统关键提取的数量相差很大，有的只有左右眼睛中心两个点，有的可能多达近百个点。这些点的位置一是用来做人脸的几何校正，即把人脸通过缩放、旋转、拉伸等图像变化变到一个比较标准的大小位置。这样待识别的人脸区域会更加规整，便于后续进行匹配。同时，现在的实际系统一般也都配有人脸光学校正模块，通过一些滤波的方法，去除一些对光照更加敏感的面部特征。在做完这些预处理之后，就是从人脸区域提取各种特征，包括LBP、HOG、Gabor等。最终相关的特征会连接成一个长的特征向量（Feature Vector），然后匹配出人脸的相似度，根据相似度的大小，系统会判定两张图片到底是不是一个人。不难看出，人脸识别技术还是一个系统链条较长，较为有技术门槛的领域。因为这条流水线的每个环节可能都会严重影响最终系统性能，所以一个好的人脸识别技术公司需要在各个环节上追求细节，建立自己的技术优势，最终才有可能在最后的人脸识别精度上有出色的表现。

3 人类识别人脸用的是什么算法：http://www.zhihu.com/question/20154853

上面链接是知乎上面的讨论，有一个关于生物学方面的解释。

又一个Face++的专访：http://segmentfault.com/a/1190000000452539

通过下面这段话可以了解到目前的一些测试平台：

1. 人脸检测（在照片中精准定位人脸位置的算法），在世界公开评测集FDDB 排名第一
2. 人脸关键点检测（精准定位面部关键部门的位置），在世界公开评测比赛300-W排名第一。
3. 在最重要的互联网图片人脸识别(Face recognition) 比赛LFW中，Face++团队更是力压Facebook人脸团队 (前face.com团队)，获得世界第一。在极难识别的互联网新闻图片上，获得了97.3%的准确率。

Face++: Face++已经能够较为稳定地应对复杂的光照和人脸姿态，但过于极端的光照和姿态还是十分困难。Face++的全线技术都更新为大数据深度学习算法，通过收集的海量人脸照片，新型的神经网络算法可以通过大数据训练形成性能更好的人脸检测，人脸分析，和人脸识别技术。

所以我的感觉是技术实现的方式采用：深度学习与传统算法相结合，互补的方式，并注重深度学习方面的创新。Face++ 目前发布的两篇论文，关键点检测和人脸特征表示都是基于DCNN的技术。

SegmentFault: Face++的算法研发用到了C++、Matlab和Python？能比较下Matlab和Python在视觉算法研究方面的优势和不足么？

Face++: 优势是比较糙快猛，方便验证idea；落实到系统和实用级别，可能还是要采用C++。所以用matlab验证完idea后，用C++做实现。不妨申请下Face++的实习生。

4 阅读文献《人脸特征点定位研究与应用-吴证》

文中提到几种人脸关键点检测的方法：

1投影（五官灰度值较周围皮肤灰度值低）

2基于先验规则（先验知识指的是人脸比如眼睑、虹膜等一些已知的灰度、形状信息）

3基于几何形状（比如可变形模板，能够较好检测眼睛嘴唇特征形状，但是由于边缘不精确难以精确定位特征点，依赖初始参数大，容易陷入局部最小，计算时间长）（另外还有主动形状模型（ASM），主动表观模型（AAM））

4基于统计的方法（该方法的思想是将特征部位看做一类模式，然后使用大量的特征部位样本和非特征部位样本进行训练，然后构造分类器，该类方法主要有PCA（主成分分析）、SVM、ANN（神经网络）、AdaBoost、模板匹配）

5基于小波和小波包

5 机器学习的封装好的库：

这里有关于库的介绍：http://www.chinacloud.cn/show.aspx?id=21150&cid=16

theano：妹纸目前推荐我用这个库，python封装的。知乎上有不少人用这个，但是统一的评论是调试不方便。theano，教程比较基础，安装非常简单，几个指令可以搞定，不过用他来做开发实在太麻烦，建议配合keras使用，非常赞。

Theano 　　

主页：http://deeplearning.net/software/theano/

Github网址：https://github.co

还有一些库比如：matconvnet、Lasagne、opencv、nolearn、keras、caffe

最新的kaggle比赛中很多人用的是nolearn + lasagne，这两个库也是基于Theano作为核心建立的。

dlib：

http://matthewearl.github.io/2015/07/28/switching-eds-with-python/

http://blog.csdn.net/qingnianzhi/article/details/47322627

6 目前我的打算

我的目的：实现对人脸的关键点定位

学习思路：打算通过深度学习的方式来进行关键点检测，首先在ufldl上学习深度学习的入门知识，然后在网络的博客上找别人用python写的人脸检测的算法，最后自己基于C++实现，然后app中java调用。

比如链接：http://blog.csdn.net/qingnianzhi/article/details/46912383#comments