人脸识别的一般步骤：人脸检测->人脸对齐->人脸特征提取->（计算人脸的差值）三元组损失/中心损失->差值小于某一阈值则为同一个人，差值大于某一阈值则不是同一人。

本文将对每一个步骤的技术现状，进行分析，并尝试实现其中最优的几种技术。

一、现有算法

1.非监督学习算法

2. 监督学习算法

从以上描述可以看出

1）传统人脸检测方法能在CPU上也能达到很高的速度，其中libfasedetection,速度达到367/1533FPS

且在100的误检率基础上，召回率高到0.8236

2）深度学习算法虽然FasterRCNN的精度很高，但是速度却非常满，只有GPU 3FPS,只能用在竞赛环境。

SFD的精度高达0.9438，而且在GPU上的速度能达36FPS，速度也能满足要求。

还有fastMTCN/ICC-CNN/MTCNN性能都不错，都可以进行尝试。

二、本文尝试的算法

1.MTCNN

1.1 MTCNN的网络结构

MTCNN 由三个神经网络组成，分别是P-Net，R-Net，O-Net。在使用这些网络之前，首先要先将原始图片缩放到不同尺度，形成一个“图像金字塔”，然后在分别通过P-Net，R-Net，O-Net。如下图所示：

1.2 MTCNN的损失函数

针对人脸判定部分使用交叉熵损失，针对框回归和关键点判定使用L2损失

人脸判定部分：

人脸框：

人脸关键点：

总损失函数：这三部分损失各自乘以自身的权重再加起来，就形成最后的总损失。

在训练P-Net和R-Net时，更关心框位置的准确性，而较少关注关键点判定的损失，因此关键点判定损失的权重很小。对于O-Net，关键点判定损失的权重较大。

1.3 使用MTCNN进行人脸检测

（1）数据集：

使用LFW 人脸数据库，在 LFW 数据库中人脸的光照条件、姿态多种多样,有的人脸还存在部分遮挡的情况,因此识别难度较大。现在 , LFW 数据库性能测评已经成为人脸识别算法性能的一个重要指标。
1）下载数据集：在网站 http ://vis-www.cs.umass.edu/lfw/lfw. tgz 下载 LFW 数据库,该数据是完全开源的。
2）解压数据集：

cd ~/datasets
mkdir -p lfw/raw
tar xvf ~/Downloads/lfw.tgz -C ./lfw/raw --strip-components=1

3）查看数据集：每个文件夹代表一个人名

（2）在LFW 数据库上的人脸检测和对齐

1）下开源代码：git clone https://github.com/davidsandberg/facenet.git

2）进行人脸检测和对齐：

python src/align/align_dataset_mtcnn.py \~/datasets/lfw/raw \~/datasets/lfw/lfw_mtcnnpy_160 \--image_size 160 --margin 32 \--random_order

该命令会创建一个../lfw/lfw_mtcnnpy_160的文件夹，并将所高对齐好的人脸图像存放到这个文件夹中,数据的结构和原先../lfw/raw 中相同。参数 --image_size 160 --margin 32 的含义是在MTCNN 检测得到的人脸框的基础上缩小32像素（训练时使用的数据偏大),并缩放到 160× 160 大小。因此最后得到的对齐后的图像都是 160 x l60 像素的。这样的话,就成功地从原始图像中检测并对齐了人脸。

（3）源码介绍

MTCNN 的实现主要在文件夹facenet/src/align 中。其中, detect_ face.py中定义了 MTCNN 的模型结构,由 P-Net 、R-Net 、O_Net 三部分组成。这三部分网络已经提供好了预训练的模型,模型数据分别对应文件 detl.npy 、det2.npy 、 det3.npy 。 align_ dataset_mtcnn.py 是使用 MTCNN 的模型进行人脸的检测和对齐的入口代码该文件夹中还有两个文件 align_dataset. py 和align_ dlib.py ,官们都是使用 dlib 中的传统方法对人脸进行检测,性能比MTCNN 稍差。

2. SFD

3. fastMTCNN

4. FasterRCNN

5. 非深度学习的libfasedetection.

【参考论文】

1.人脸检测（十九）--人脸检测综述（2018.2）： https://blog.csdn.net/App_12062011/article/details/80537518

2.OpenCV学习笔记（11）：libfacedetection人脸检测的配置与使用：https://blog.csdn.net/cv_jason/article/details/78819088

3.人脸检测：MTCNN https://blog.csdn.net/tinyzhao/article/details/53236191

4.《21个项目玩转深度学习：基于TensorFlow的实践详解》

人脸识别之人脸检测算法相关推荐

基于matlab活体检测,人脸识别中活体检测算法综述.PDF
人脸识别中的活体检测算法综述 SIGAI 2018.9.19 原创声明:本文为 SIGAI 原创文章,仅供个人学习使用,未经允许,不能用于商业目的. 1. 什么是活体检测? --> 判断捕捉到的 ...
基于PCA 人脸识别/人脸识别算法/人脸检测程序源码MATLAB ELM+PCA人脸识别 PCA人脸识别matlab代码基于PCA算法的人脸识别
1.基于PCA的人脸识别代码 2.MATLAB ELM+PCA人脸识别 2.基于PCA的人脸识别(matlab)(采用PCA算法进行人脸识别,通过抽取人脸的主要成分,构成特征脸空间,识别时将测试图像 ...
CVPR 2020 | 腾讯优图17篇论文入选，含类比学习、人脸识别、物体检测、行人重识别等领域...
关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! 本文来源:腾讯优图全球计算机视觉顶级会议CVPR2020 (IEEE Conf ...
深度学习自学（八）：人脸识别主要场景与算法实现
人脸识别流程众所众知,严格定义上的人脸识别分为四个步骤: ①人脸检测:从图片中准确定位到人脸 ②人脸矫正(对齐): 检测到的人脸,可能角度不是很正,需要使其对齐 ③特征提取:对矫正后的人脸进行特征提 ...
【Matlab人脸识别】人脸实时检测与跟踪【含GUI源码 673期】
一.代码运行视频(哔哩哔哩) [Matlab人脸识别]人脸实时检测与跟踪[含GUI源码 673期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]孟逸凡,柳益君 ...
人脸识别（7）---国内人脸识别技术十大算法公司排名
国内人脸识别技术十大算法公司排名科技特讯11月18日讯:1.云从科技背靠"计算机视觉之父",中科院实验室创业团队创立云从科技云从科技团队成员除了来自中科大的校友外,还来自中 ...
基于虹软使用Java实现人脸识别、人脸比对、活性检测等
基于虹软使用Java实现人脸识别.人脸比对.活性检测等虹软: 免费,高级版本试用支持在线.离线有 Java SDK,C++ SDK 一.注册虹软开发者平台点击注册注册完成后可在"我 ...
Android实现人脸识别（人脸检测）初识
title: Android实现人脸识别(人脸检测)初识 categories: Android tags: 人脸识别人脸检测相机处理 date: 2020-05-21 11:35:51 介绍本 ...
如何评价美颜api中人脸识别和人脸检测的准确度？
人脸识别和人脸检测识别是美颜api中的技术支撑之一,在理想状态下,人脸识别准确率越高越好,但实际情况中,经常会受到逆光.暗光.强光.识别角度等诸多实际因素的影响,因此,脱离使用场景单独考量算法的识别准 ...
Python | 人脸识别系统（人脸识别、活体检测、背景模糊、关键点检测）
本博客为人脸识别系统项目简介项目GitHub完整源代码地址:Su-Face-Recognition: A face recognition for user logining 一.运行环境本系统能 ...

人脸识别之人脸检测算法