人脸识别系统概述

人脸识别是计算机视觉中应用比较广的一个方向，目前有很多相关的研究。在《谍影重重5》中，CIA通过人脸识别系统获得黑客的身份信息。下面这张电影截图非常专业的展示了人脸识别系统的运行：

系统构成

一个人脸识别系统分为：

人脸检测，特征点检测，人脸对齐，人脸验证。如下图所示：



人脸检测：从图片中检测到人脸。经典方法有Viola-Jones detector，近年来有R-CNN等方法。

人脸特征点检测：在检测到的人脸上标记特征点。经典的有ASM，前些年有SDM，FPS3000等，现在有基于CNN的方法。

人脸对齐：将不同姿态的人脸形状进行归一化处理。一般使用相似变换的方法。

人脸验证：判断是不是同一个人。人脸认证可以细化为人脸表示和判断方法，前者将人脸表示为一个向量，后者描述两个向量的相似程度。传统方法有H-LBP+Joint Bayesian，现在方法有DeepID等。

人脸识别在数据集上已经达到了超过99%的正确率，但是在实际使用中，仍有较大的改进空间。

博客目录

针对人脸识别系统中的每个模块，我尝试从传统方法和深度学习方法两个方面进行解读，以便更好地理解每个模块的框架和特点。

文章目录：

人脸检测：Viola-Jones

人脸检测：MTCNN

人脸特征点检测：TCDCN

人脸特征点检测：VanillaCNN

人脸特征点检测：SDM

人脸对齐：Procrustes analysis

人脸验证：Joint Bayesian

人脸验证：DeepID

人脸验证：Lightened CNN

人脸识别相关算法层出不穷，我也会继续选择一些经典方法进行分析。