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
Haar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。
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:
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。
128