1. 人臉檢測(cè) “人臉檢測(cè)（Face Detection）”是檢測(cè)出圖像中人臉?biāo)谖恢玫囊豁?xiàng)技術(shù)。 人臉檢測(cè)算法的輸入是一張圖片，輸出是人臉框坐標(biāo)序列（0個(gè)人臉框或1個(gè)人臉框或多個(gè)人臉框）。一般情況下，輸出的人臉坐標(biāo)框?yàn)橐粋€(gè)正朝上的正方形，但也有一些人臉檢測(cè)技術(shù)輸出的是正朝上的矩形，或者是帶旋轉(zhuǎn)方向的矩形。 常見的人臉檢測(cè)算法基本是一個(gè)“掃描”加“判別”的過(guò)程，即算法在圖像范圍內(nèi)掃描，再逐個(gè)判定候選區(qū)域是否是人臉的過(guò)程。因此人臉檢測(cè)算法的計(jì)算速度會(huì)跟圖像尺寸、圖像內(nèi)容相關(guān)。開發(fā)過(guò)程中，我們可以通過(guò)設(shè)置“輸入圖像尺寸”、或“最小臉尺寸限制”、或“人臉數(shù)量上限”的方式來(lái)加速算法。 圖1、人臉檢測(cè)結(jié)果舉例（綠色框?yàn)槿四槞z測(cè)結(jié)果） 2. 人臉配準(zhǔn) “人臉配準(zhǔn)（Face Alignment）”是定位出人臉上五官關(guān)鍵點(diǎn)坐標(biāo)的一項(xiàng)技術(shù)。 人臉配準(zhǔn)算法的輸入是“一張人臉圖片”加“人臉坐標(biāo)框”，輸出五官關(guān)鍵點(diǎn)的坐標(biāo)序列。五官關(guān)鍵點(diǎn)的數(shù)量是預(yù)先設(shè)定好的一個(gè)固定數(shù)值，可以根據(jù)不同的語(yǔ)義來(lái)定義（常見的有5點(diǎn)、68點(diǎn)、90點(diǎn)等等）。 當(dāng)前效果的較好的一些人臉配準(zhǔn)技術(shù)，基本通過(guò)深度學(xué)習(xí)框架實(shí)現(xiàn)，這些方法都是基于人臉檢測(cè)的坐標(biāo)框，按某種事先設(shè)定規(guī)則將人臉區(qū)域扣取出來(lái)，縮放的固定尺寸，然后進(jìn)行關(guān)鍵點(diǎn)位置的計(jì)算。因此，若不計(jì)入圖像縮放過(guò)程的耗時(shí)，人臉配準(zhǔn)算法是可以計(jì)算量固定的過(guò)程。另外，相對(duì)于人臉檢測(cè)，或者是后面將提到的人臉提特征過(guò)程，人臉配準(zhǔn)算法的計(jì)算耗時(shí)都要少很多。 圖2、人臉配準(zhǔn)結(jié)果舉例（右圖中的綠色點(diǎn)位人臉配準(zhǔn)結(jié)果） 3. 人臉屬性識(shí)別 “人臉屬性識(shí)別（Face Attribute）”是識(shí)別出人臉的性別、年齡、姿態(tài)、表情等屬性值的一項(xiàng)技術(shù)。 一般的人臉屬性識(shí)別算法的輸入是“一張人臉圖”和“人臉五官關(guān)鍵點(diǎn)坐標(biāo)”，輸出是人臉相應(yīng)的屬性值。人臉屬性識(shí)別算法一般會(huì)根據(jù)人臉五官關(guān)鍵點(diǎn)坐標(biāo)將人臉對(duì)齊（旋轉(zhuǎn)、縮放、扣取等操作后，將人臉調(diào)整到預(yù)定的大小和形態(tài)），然后進(jìn)行屬性分析。 常規(guī)的人臉屬性識(shí)別算法識(shí)別每一個(gè)人臉屬性時(shí)都是一個(gè)獨(dú)立的過(guò)程，即人臉屬性識(shí)別只是對(duì)一類算法的統(tǒng)稱，性別識(shí)別、年齡估計(jì)、姿態(tài)估計(jì)、表情識(shí)別都是相互獨(dú)立的算法。但最新的一些基于深度學(xué)習(xí)的人臉屬性識(shí)別也具有一個(gè)算法同時(shí)輸入性別、年齡、姿態(tài)等屬性值的能力。 圖3、人臉屬性識(shí)別過(guò)程（最右側(cè)文字為屬性識(shí)別結(jié)果） 4. 人臉提特征 “人臉提特征（Face Feature Extraction）”是將一張人臉圖像轉(zhuǎn)化為一串固定長(zhǎng)度的數(shù)值的過(guò)程。這個(gè)數(shù)值串被稱為“人臉特征（Face Feature）”，具有表征這個(gè)人臉特點(diǎn)的能力。 人臉提特征過(guò)程的輸入也是 “一張人臉圖”和“人臉五官關(guān)鍵點(diǎn)坐標(biāo)”，輸出是人臉相應(yīng)的一個(gè)數(shù)值串（特征）。人臉提特征算法都會(huì)根據(jù)人臉五官關(guān)鍵點(diǎn)坐標(biāo)將人臉對(duì)齊預(yù)定模式，然后計(jì)算特征。 近幾年來(lái)，深度學(xué)習(xí)方法基本統(tǒng)治了人臉提特征算法，這些算法都是固定時(shí)長(zhǎng)的算法。早前的人臉提特征模型都較大，速度慢，僅使用于后臺(tái)服務(wù)。但最新的一些研究，可以在基本保證算法效果的前提下，將模型大小和運(yùn)算速度優(yōu)化到移動(dòng)端可用的狀態(tài)。 圖4、人臉提特征過(guò)程（最右側(cè)數(shù)值串為“人臉特征”） 5. 人臉比對(duì)（人臉驗(yàn)證、人臉識(shí)別、人臉檢索、人臉聚類） “人臉比對(duì)（Face Compare）”是衡量?jī)蓚€(gè)人臉之間相似度的算法 人臉比對(duì)算法的輸入是兩個(gè)人臉特征（注：人臉特征由前面的人臉提特征算法獲得），輸出是兩個(gè)特征之間的相似度。人臉驗(yàn)證、人臉識(shí)別、人臉檢索都是在人臉比對(duì)的基礎(chǔ)上加一些策略來(lái)實(shí)現(xiàn)。相對(duì)人臉提特征過(guò)程，單次的人臉比對(duì)耗時(shí)極短，幾乎可以忽略。 基于人臉比對(duì)可衍生出人臉驗(yàn)證(Face Verification)、人臉識(shí)別(Face Recognition)、人臉檢索(Face Retrieval)、人臉聚類（Face Cluster）等算法。 圖5、人臉對(duì)比過(guò)程（右側(cè)的相似度為人臉比對(duì)輸出的結(jié)果） 6. 人臉驗(yàn)證 “人臉驗(yàn)證（Face Verification）”是判定兩個(gè)人臉圖是否為同一人的算法。 它的輸入是兩個(gè)人臉特征，通過(guò)人臉比對(duì)獲得兩個(gè)人臉特征的相似度，通過(guò)與預(yù)設(shè)的閾值比較來(lái)驗(yàn)證這兩個(gè)人臉特征是否屬于同一人（即相似度大于閾值，為同一人；小于閾值為不同）。 圖6、人臉驗(yàn)證過(guò)程說(shuō)明（最右側(cè)“是同一人”為人臉驗(yàn)證的輸出） 7. 人臉識(shí)別 “人臉識(shí)別(Face Recognition)”是識(shí)別出輸入人臉圖對(duì)應(yīng)身份的算法。 它的輸入一個(gè)人臉特征，通過(guò)和注冊(cè)在庫(kù)中N個(gè)身份對(duì)應(yīng)的特征進(jìn)行逐個(gè)比對(duì)，找出“一個(gè)”與輸入特征相似度最高的特征。將這個(gè)最高相似度值和預(yù)設(shè)的閾值相比較，如果大于閾值，則返回該特征對(duì)應(yīng)的身份，否則返回“不在庫(kù)中”。 圖7、人臉識(shí)別過(guò)程（右側(cè)身份“jason”為人臉識(shí)別結(jié)果） 8. 人臉檢索 “人臉檢索”是查找和輸入人臉相似的人臉序列的算法。 人臉檢索通過(guò)將輸入的人臉和一個(gè)集合中的說(shuō)有人臉進(jìn)行比對(duì)，根據(jù)比對(duì)后的相似度對(duì)集合中的人臉進(jìn)行排序。根據(jù)相似度從高到低排序的人臉序列即使人臉檢索的結(jié)果。 圖8、人臉檢索過(guò)程（右側(cè)綠框內(nèi)排序序列為檢索結(jié)果）