ZLG深度解析人臉識別核心技術(shù)

　　在人臉檢測領(lǐng)域比較權威的測試集FDDB上進(jìn)行評測， 100誤檢時(shí)的召回率達到85.2%， 1000誤檢時(shí)的召回率達到89.3%。

　　2.人臉定位

　　面部特征點(diǎn)定位在人臉識別、表情識別、人臉動(dòng)畫(huà)等人臉?lè )治鋈蝿?wù)中至關(guān)重要的一環(huán)。人臉定位算法需要選取若干個(gè)面部特征點(diǎn)，點(diǎn)越多越精細，但同時(shí)計算量也越大。兼顧精確度和效率，我們選用雙眼中心點(diǎn)、鼻尖及嘴角五個(gè)特征點(diǎn)。經(jīng)測試，它們在表情、姿態(tài)、膚色等差異上均表現出很好的魯棒性。

　　人臉定位接口程序如下所示，需要先加載預先訓練好的模型，再進(jìn)行定位檢測：

　　人臉定位程序的效果如下所示：

　　本算法在A(yíng)FLW數據集上的定位誤差及與其他算法的對比情況：

　　3.人臉校準

　　本步驟目的是擺正人臉，將人臉置于圖像中央，減小后續比對模型的計算壓力，提升比對的精度。主要利用人臉定位獲得的5個(gè)特征點(diǎn)(人臉的雙眼、鼻尖及嘴角)獲取仿射變換矩陣，通過(guò)仿射變換實(shí)現人臉的擺正。

　　目標圖形以(x,y)為軸心順時(shí)針旋轉Θ弧度，變換矩陣為：

　　人臉校準C++代碼可參考如下所示：

　　一般此步驟不建議使用外部庫做變換，所以這里提供仿射變換python源碼以供參考：

　　人臉校準的效果如圖所示：

　　4.人臉比對

　　人臉比對和人臉身份認證的前提是需要提取人臉獨有的特征點(diǎn)信息。在人臉校準之后可以利用深度神經(jīng)網(wǎng)絡(luò )，將輸入的人臉進(jìn)行特征提取。如將112×112×3的臉部圖像提取256個(gè)浮點(diǎn)數據特征信息，并將其作為人臉的唯一標識。在注冊階段把256個(gè)浮點(diǎn)數據輸入系統，而認證階段則提取系統存儲的數據與當前圖像新生成的256個(gè)浮點(diǎn)數據進(jìn)行比對最終得到人臉比對結果。

　　人臉比對流程的示意圖如下所示：

　　通過(guò)神經(jīng)網(wǎng)絡(luò )算法得到的特征點(diǎn)示意圖如下：