关于人脸识别算法简介

最近做了一个关于人脸识别的摄像头的项目，用到了一些关于人脸识别的项目，就简单-------真的是特别简单的发表一下我自己的理解吧。

关于人脸识别，我们需要的步骤

1.人脸检测
2.人脸序列化，投影到空间
3.人脸对比

那接下来就详细说明一下我根据各种不同的博客得到的一些理解，我刚开始做人脸检测的时候，傻乎乎的用opencv里面的人脸检测的分类器，哈哈哈哈，检测效果一般般吧，除了有一些时候我抬起了头，它默认把我鼻孔当成了眼睛，这就造成了我纯手工制作的数据集有了很多的无效的，甚至影响人脸识别模型的数据，只能手动进行数据处理，哦豁，想想自己手动删除万把张人脸里面的鼻孔，想想都可怕。

好好好，现在我就开始正题

1.人脸检测

1.使用python环境中opencv包里面的人脸分类器。
地址我这里给的我本地地址啊，大家看的时候就根据自己的实际情况来改。

classifier = cv2.CascadeClassifier(
    'C:/Users/Administrator.DESKTOP-M63KN3O/AppData/Local/Programs/Python/Python36/Lib/site-packages/cv2/data/haarcascade_frontalface_default.xml')
# 加载分类器

这个分类器的缺点我也在前面吐槽过了，实在是有点点emmm，下面就介绍一个更好的算法，MTCNN
在提到这个算法之前，我先给一个我看到的博客的一张图片吧，真的是笑死我了，哈哈哈哈哈

你喜欢笑.png

哈哈哈，你看那个研究肤浅学习的小小女孩笑的有多开心啊，对不起，她就是使用前面的opencv分类器的我，T_T，简直是太过分了，随随便便的一个网络那么多层谁顶得住啊，呜呜呜

现在的科学家啊，就喜欢把东西变的复杂，说什么模型不够大就不够强，，但是，，，，我显存就那么大，你随随便便发明几个，我连跑一个都会把我GPU给跑炸，怎么用啊，委屈脸

委屈.png

所以在要么模型大跑不动爆显卡，要么模型小检测的人人都是lqz，所以得做一个选择

可是，小孩子才做选择，大人只会说

我全都要

所以就有了我们的mtcnn，就是在计算机视觉人脸检测和矫正中，兼顾小而准的代表作品
怎么做到的呢，我们做不到一个模型完成，就分开来嘛，都说三个臭皮匠顶个诸葛亮嘛，放在我们cv计算机视觉里面也还是管用的
mtcnn首先做了个图像金字塔化的操作，什么是图像金字塔呢，就是调整图片的尺寸，不断调整不断调整，到什么时候结束呢？就是到我们P-net网络需要接受的图片大小结束，也就是12*12的尺寸。注意！！！我们要把所有的图片，也就是从你开始的照片到中间处理的所有尺寸的照片都要输入到P-net网络中去。

敲黑板，记笔记了

我们的mtcnn除了图片金字塔化之后，还需要经过三层神经网络。

小模型P-Net快速排除图片中不含人脸的部分。
中模型R-Net进一步排除不含人脸的部分，并估计含有人脸框的位置
大模型O-Net敲定人脸的位置，重叠的框用NMS除去并且标记人脸的左右眼、鼻、两嘴角共5个位置。

当然，我这里就是纯粹的用简单的语言来帮助理解大概的内容，其实里面的知识还是很多的，我时间不多，就直接上别人的博客吧，完完全全的详解喔，hhh偷懒ing
人脸检测--MTCNN从头到尾的详解
MTCNN深度解读
人脸特征点检测basic：MTCNN原理