人脸检测与识别系统,人脸侦测和人脸识别

前言：

目录 1 人脸识别综述1.1 人脸识别是什么1.2 发展历程1.2.1 传统算法1.2.1.1 人脸检测-Adaboost1.2.1.2 关键点检测-Cascaded Pose Regression1.2.1.3 人脸识别 1.3 数据库 2 人脸检测综述2.1 RCNN/Fast/Faster RCNN2.2 YOLO2.3 SSD 3 实战-PyTorch环境搭建与数据预处理

1 人脸识别综述 1.1 人脸识别是什么

广义：检测-关键点检测与对齐、特征比对的整个流程

狭义：人脸比对

工程：人脸识别系统

1:1
 证明你就是你，如火车站进站

1:N
 我是谁，如公司打卡

M:N
 人脸识别，对场景内所有人进行面部特征提取并与人像数据库进行比对的过程，难度最大。如黑名单，M为实时监测到的人脸，N为罪犯

应用场景
 人脸识别AI落地最广泛、最成功的的一个方向
 机场、火车站、银行、医院、超市都有用到

刷脸支付

刷脸开门

无人超市

监控

1.2 发展历程 1.2.1 传统算法 1.2.1.1 人脸检测-Adaboost

Haar特征

1.2.1.2 关键点检测-Cascaded Pose Regression 1.2.1.3 人脸识别 基于几何特征
1973年，Kelly’s and Kanade’s PhD theses,第一篇人脸识别的paper。
基于全局信息PCA/LDA
基于局部信息LBP
1.3 数据库

LFW判断一个公司是否进入人脸识别的小学阶段，至少到99%以上，正确率是99.6或者99.7正常的，如果99.9则要么过拟，要么算法错误，因为有几张照片是错误的。
megaface也有一段故事。

2 人脸检测综述

是不是人脸，是或者不是，以及人脸在哪里。

不是好的检测网络，因为：

2.1 RCNN/Fast/Faster RCNN

fast快在哪里？与rcnn相比

anchor的概念

以上基本都是two stage，比较适合中后台，不涉及帧数要求，实时性不高的时候，可以做出很准的框。如何做准？一步一步级联cascade；调整anchor。

2.2 YOLO

2.3 SSD

3 实战-PyTorch环境搭建与数据预处理

128