基于Aidlux平台的动态人脸识别AI应用

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行面部识别的一系列相关技术，通过也叫做人像识别、面部识别。

 人脸识别整体流程：

 人脸检测+关键点定位：

人脸检测模型用于确定人脸在图像中的大小和位置，把真正的人脸区域从图像中裁剪出来，并准确定位脸部关键点的位置，便于后续的人脸特征分析和识别。

人脸预处理：

在动态人脸识别的全流程中，人脸图像预处理是比较重要的一个环节，根据各种场景进行对应的预处理操作等。由于人脸特征提取模型的数据集中大多都是经过矫正过的标准人脸，所以我们也需要将过滤后的人脸进行几何矫正，使其尽可能称为正面标准人脸。人脸图像预处理服务于特征提取，原始人脸图像由于光照、人头角度、噪声过大等原因无法直接用于特征提取，需要过滤加快流程速度或进行预处理。

人脸特征提取+比对：

人脸特征提取方法都是基于深度学习方法提出的，人脸特征提取性能的提高还主要体现在损失函数的设计上，选用好的损失函数，会对整个网络的优化具有导向性的作用。人脸对比是对比人脸库内的人脸，常用的表示两个向量相似度方法有欧式距离、余弦相似度、曼哈顿距离等。

目的：将人脸图片的纹理信息，转化为高维的特征向量，对待识别的人脸进行建模，方便与后续人脸库中的特征向量进行比对，最终找到距离最近的一个库的人脸。

一、Retinaface训练

Retinaface是借助特征金字塔FPN+多任务学习设置多任务loss参数来提升人脸识别的精度。数据集下载网址和标签文件下载链接在本文末尾。

从github中下载pytorch版本的源码：Pytorch_Retinaface。

GitHub - biubug6/Pytorch_Retinaface: Retin