人脸识别之人脸检测算法

        人脸识别的一般步骤：人脸检测->人脸对齐->人脸特征提取->（计算人脸的差值）三元组损失/中心损失->差值小于某一阈值则为同一个人，差值大于某一阈值则不是同一人。

        本文将对每一个步骤的技术现状，进行分析，并尝试实现其中最优的几种技术。

一、现有算法

    1.非监督学习算法

                  

 2. 监督学习算法

                 

      从以上描述可以看出

          1） 传统人脸检测方法能在CPU上也能达到很高的速度，其中libfasedetection,速度达到367/1533FPS

      且在100的误检率基础上，召回率高到0.8236

          2） 深度学习算法虽然FasterRCNN的精度很高，但是速度却非常满，只有GPU 3FPS,只能用在竞赛环境。

       SFD的精度高达0.9438，而且在GPU上的速度能达36FPS，速度也能满足要求。

        还有fastMTCN/ICC-CNN/MTCNN性能都不错，都可以进行尝试。

二、本文尝试的算法   

1.MTCNN

    1.1 MTCNN的网络结构