我們會經常聽到人臉檢測、人臉識别等算法。

這些和美顔SDK的算法有沒有關系呢？答案是：肯定有的

人臉識别的算法分為基礎層算法和應用層算法，人臉檢測實際上是人臉識别的基礎層算法相當于人臉的數據預處理。

人臉檢測首先要經過檢測和特征關鍵點的識别和處理，質量模型過濾之後，才能到應用層的算法做處理，基礎算法非常重要， 因為它很大程度上會影響到人臉識别的準确率，精準率，和實際效果。

下面是常見的基礎層算法：

1.肌柒美顔SDK--人臉檢測：

人臉檢測算法的輸入是一張圖片，基本是一個“掃描”加“判别”的過程，即算法在圖像範圍内掃描，再逐個判定候選區域是否是人臉的過程。

因此人臉檢測算法的計算速度會跟圖像尺寸、圖像内容相關。開發過程中，我們可以通過設置“輸入圖像尺寸”、或“最小臉尺寸限制”、或“人臉數量上限”的方式來加速算法。

網圖侵删

2.肌柒美顔SDK--人臉特征：是具有表征這個人臉特點的能力，人臉特征算法都會根據人臉五官關鍵點坐标将人臉對齊預定模式，然後計算特征。人臉特征過程(最右側數值串為“人臉特征”）

網圖侵删

3. 肌柒美顔SDK--特征關鍵點：

檢測到人臉後，将人臉的特征點标記出來，每個特征點都有屬性

作用：人臉擺正對齊：實際場景中，抓取的人臉一般不是正方向的，需要擺正後再進行人臉比對、搜索等；

人臉處理：肌柒美顔sdk應用中的貼紙等人臉特效，需要檢測到人臉特征關鍵點後，再對關鍵部位進行針對性處理。

原理：将人臉照片的關鍵點都加上标記，通過深度學習、分類模型，讓算法能檢測到特征點并識别特征點的屬性。

網圖侵删

網圖侵删

4. 肌柒美顔SDK--質量模型：

網圖侵删

定義：對人臉照片的角度、光線、模糊度等進行評估，讓符合要求的照片進行到下一步人臉識别。

作用：适應不同業務，不同場景中對照片的需求，比如一些場景需要口罩能識别，有些場景則不能。提升人臉比對、人臉搜索中人臉識别的準确率。

原理：回歸模型，對每張照片标記模糊、光線、遮擋的分值，進行監督訓練後，輸入照片接口輸出對應的質量分值。

以上是人臉識别中，常見的基礎層算法，接下來繼續介紹常用的應用層算法。

5.肌柒美顔SDK--活體檢測

網圖侵删

這是身份認證的第一步，首先要确認這個人是真人，而不是視頻、照片、面具等。

活體檢測的技術目前有兩大類：對硬件要求比較低的，如動作活體，靜默活體。

對硬件有一定要求的，需要和硬件适配的，比如雙目活體、3D結構光活體等。

原理都是采集人臉，并在人臉上做标記（真/假樣本），并送到模型中訓練而得出算法。

不同的活體檢測，因為樣本源不一樣，識别效果也不同。所以，活體檢測的關鍵，除了算法、還有一個就是模型構造所帶有的信息量。

網圖侵删

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!