（三）、从零开始搭建人脸识别服务之大规模人脸识别

人脸识别服务需要包括以下几个功能模块：

1、人脸检测和人脸校正模块

2、人脸特征提取模块

3、人脸特征匹配模块

4、人脸识别结果计算模块

前两篇文章中分别介绍了人脸检测和人脸特征提取，这篇文章简要介绍一下人脸特征匹配，也就是人脸特征识别部分。

人脸识别

1：1识别，人脸验证（门禁、机场、车站刷脸进站）

1：N识别，人脸识别，在标准人脸库中进行人脸匹配检索

N：N识别，人脸检索，N个1：N识别

人脸识别：人脸识别就是识别人脸，就是要识别图像或者视频中出现的人物身份，人脸识别要涉及人脸检测、人脸特征提取、人脸特征匹配几个过程，人脸检测和人脸特征提取可以参考前面两篇文章。

输入：包含人物人脸的图像

输出：人物身份信息

在前一篇人脸特征提取的文章中已经讲过了，经过人脸特征提取模型提取出的人脸特征在高维向量空间中，属于同一身份的人脸图像之间具有比较近的空间距离，属于不同身份的人脸图像之间具有较远的空间距离，所以可以根据空间距离这一属性来完成人脸特征匹配（人脸识别过程）。

其中，𝑥𝑖和𝑥𝑗分别表示两个512维的人脸特征向量，𝑑𝑖𝑠𝑡表示这两个特征向量之间的欧氏空间距离。

大规模人脸库检索

从前面的叙述中可知，人脸识别就是有一个待识别的人脸特征x和一堆标准人脸库特征y，现在就是要计算x和这一堆y中的哪一个空间距离最近，空间距离最近的y所属的人物身份就是x被识别的人物身份。那么问题来了，如果现在的人脸库中只有几百上千个人脸特征，将x和y完全计算一遍的计算量很小，速度也很快，随着识别范围的扩大，标准人脸特征数量y急速增加。以明星识别为例，加入现在要识别50000个明星，我们在采集图像是每个明星采集10张不同角度和场景下的标准人脸图像，那么现在的人脸库中就有50万个人脸特征，假设人脸向量的维度是512，那么人脸特征库的矩阵大小就是[500000, 512]，现在x每识别一次就需要和这50万个512为的特征都计算一次距离，这速度可想而知肯定快不起来。有没有解决办法呢？有！！！

在我之前的文章中介绍过nmslib完成大规模高维向量查找，这个方法刚好可以用于解决我们当前遇到的问题，具体使用方法可以参考【nmslib完成大规模高维向量查找】这篇文章。