中科视拓开源SeetaFace2

开源了前传模块，没有开源训练和网络结构

 

中科视拓开源SeetaFace2

https://github.com/seetafaceengine/SeetaFace2

 

SeetaFace2 人脸识别引擎包括了搭建一套全自动人脸识别系统所需的三个核心模块，即：人脸检测模块 FaceDetector、面部关键点定位模块 FaceLandmarker 以及人脸特征提取与比对模块 FaceRecognizer。还将陆续开源人脸跟踪、闭眼检测等辅助模块。

 

SeetaFace2 采用标准 C++ 开发，全部模块均不依赖任何第三方库，支持 x86 架构（Windows、Linux）和 ARM 架构（Android）。SeetaFace2 支持的上层应用包括但不限于人脸门禁、无感考勤、人脸比对等。

 

SeetaFace2 是面向于人脸识别商业落地的里程碑版本，其中人脸检测模块在 FDDB 上的 100 个误检条件下可达到超过 92% 的召回率，面部关键点定位支持 5 点和 81 点定位，1 比 N 模块支持数千人规模底库的人脸识别应用。

模块	方法概述	基础技术指标	典型平台速度
人脸检测	Cascaded CNN	FDDB 上召回率达到92%（100个误检情况下）。	40 最小人脸 I7: 70FPS(1920x1080) RK3399: 25FPS(640x480)
面部关建点定位(81点和5点)	FEC-CNN	平均定位误差（根据两眼中心距离归一化） 300-W Challenge Set 上达到 0.069。	I7: 450FPS 和 500FPS RK3399: 110FPS 和 220FPS
人脸特征提取与比对	ResNet50	识别：通用1：N+1场景下，错误接受率1%时， 1000人底库，首选识别率超过98%， 5000人底库，首选识别率超过95%。	I7: 8FPS RK3399: 2.5FPS

与 2016 年开源的 SeetaFace 1.0 相比，SeetaFace2 在速度和精度两个层面上均有数量级的提升。

版本	人脸检测		关键点定位		人脸识别		第三方依赖
	速度[1]	单精度[2]	速度	功能	训练数据规模	应用
1.0	16FPS	85%	200FPS	5点	140万张	实验室	无
2.0	77FPS	92%	500FPS	5/81点	3300万张	商业环境	无
备注	[1] 640x480输入、检测40x40人脸、I7-6700。 [2] 人脸检测的精度指100个误捡FDDB数据集的召回率。

知人识面辩万物，开源赋能共发展。SeetaFace2 致力于 AI 赋能发展，和行业伙伴一起共同推进人脸识别技术的落地。