深度学习自学（十五）：人脸识别数据预处理方法

整理的人脸系列学习经验：包括人脸检测、人脸关键点检测、人脸优选、人脸对齐、人脸特征提取、人脸跟踪、人脸活体检测等学习过程总结，有需要的可以参考，仅供学习，请勿盗用。https://blog.csdn.net/TheDayIn_CSDN/article/details/93199307

一、数据聚类

假如有一批人脸数据，包含单人或者多个人脸ID，可以按照如下聚类方法进行预处理。

1.通过人脸识别方法（模型）提取人脸特征；

2.使用每个名人的正脸图片作为它的种子；

3.使用那些只有1个人脸的图片去增加每个名人的种子的数量；

4.在gallery剩下的图片中，通过与种子的相似度来找到属于每个名人的其余照片。

5.裁剪人脸，将同一个名人的脸单独存入一个路径内，之后再进行人工纠错，进一步提高数据集纯度。

二、训练数据预处理

人脸识别处理流程：人脸检测＋人脸关键点定位＋基于关键点的人脸对齐（相似变换、仿射变换）

所以预先使用更好的人脸检测和关键点定位算法来对齐人脸，对人脸识别性能影响很大，特别是人脸关键点定位的准确性。

一般的网络结构：

１、MTCNN检测＋五个关键点＋相似变换＋SphereFace(softmax+arcface)

２、SSD人脸检测模型＋PFLD关键点模型＋仿射变换＋MobileFaceNet(softmax)