人脸识别的一些小知识

今天我要说的内容是：人脸识别。

在这个科技飞速发展的时代，我们也正好赶上了人脸识别带来的便利。

我爸那一辈人坐火车的时候，得去排队取纸质车票，然后检票才能上车，没有智能的系统，没有便捷的购票方式。

而如今的我们坐火车只需要网上买票，刷身份证然后刷脸进站就可以了。

手机解锁呢也拥有人脸识别解锁，付款也可以刷脸付款，越来越多的功能可以通过刷脸来绑定身份。 

而这些给我们带来便利的刷脸方式是如何实现的呢？下面我就讲一些大概的人脸识别过程。

首先呢是人脸识别的十大关键技术

1、人脸检测（FaceDetection）

“人脸检测（FaceDetection）”的作用就是要检测出图像中人脸所在位置。人脸检测算法的原理简单来说是一个“扫描”加“判定”的过程。即首先在整个图像范围内扫描，再逐个判定候选区域是否是人脸的过程。因此人脸检测算法的计算速度会跟图像尺寸大小以及图像内容相关。在实际算法时，我们可以通过设置“输入图像尺寸”、或“最小脸尺寸限制”、“人脸数量上限”的方式来加速算法。

2、人脸配准（FaceAlignment）

“人脸配准（FaceAlignment）”所实现的目的是定位出人脸上五官关键点坐标。当前效果的较好的一些人脸配准技术基本通过深度学习框架实现。这些方法都是基于人脸检测的坐标框，按某种事先设定规则将人脸区域抠取出来，缩放到固定尺寸，然后进行关键点位置的计算。另外，相对于人脸检测，或者是后面将提到的人脸特征提取的过程，人脸配准算法的计算耗时都要少很多。

3、人脸属性识别（FaceAttribute）

“人脸属性识别（FaceAttribute）”是识别出人脸的性别、年龄、姿态、表情等属性值的一项技术。这在有些相机APP中有所应用，可以自动识别摄像头视野中人物的性别、年龄等特征并标注出来。

人脸的属性识别包括性别识别、年龄估计、表情识别、姿态识别、发型识别等等方面。一般来说每种属性的识别算法过程是独立的，但是有一些新型的基于深度学习实现的算法可以实现同时输出年龄、性别、姿态、表情等属性识别结果。

4、人脸提特征（FaceFea