照相机的发明满足了人们记录生活的需求,为了用光影记录下最美丽的事物,越来越多的消费电子产品集成了拍照功能,例如手机。对于某些产品来讲,拍照是核心的功能,这类产品包括安防IPC, 数码相机等等。在使用这些产品时,最好的拍摄角度是面对镜头抓拍正面人脸。但是对于实际应用场景中快速运动的人体场景来说,高质量的人脸抓拍依赖于人脸检测和人脸打分评价两项技术。随着当前AI技术的快速发展,人脸检测的准确率已经达到了非常高的精度,并且可以基于人脸检测算法同时得到人脸位置和五官坐标信息。这里介绍一种低成本的正面人脸评价算法,基于五官坐标信息,对检测到的人脸进行正面程度的评价,本算法无需异构算力(比如神经网络加速器)支持,仅依靠少量CPU的通用算力即可实现抓取正面人脸,实时性好。可以应用于智能IPC,智能抓拍相机等产品下的人脸质量抓拍应用场景中。
当前基于CNN深度学习神经网络,可以以很高的精度对人脸目标进行检测,但是在很多应用场景中,仅仅检测出人脸框以及五官的位置是不够的,有些场景还需要得到人脸面对镜头的角度数据,从而作为确定自动抓拍的时机的依据,传统的做法基于人脸检测网络的检测结果作为输入,再训练另一个CNN网络获取人脸角度信息,这类方法走的是CNN深度学习的技术路线,依赖包含不同场景下的人脸图像的数据集,并且花时间对网络进行训练。最终部署时,为了达到预期的检测帧率,还要根据网络规模和算力需求,在端侧搭载合适的神经网络加速器,这样做不但提高了方案的复杂度,也增加了方案成本。这是目前