人脸搜索项目开源了：人脸识别(M:N)

​

一、人脸检测相关概念

人脸检测（Face Detection）是检测出图像中人脸所在位置的一项技术，是人脸智能分析应用的核心组成部分，也是最基础的部分。人脸检测方法现在多种多样，常用的技术或工具大多有insightface、pcn、libfacedetection、Ultra-Light-Fast-Generic-Face-Detector-1MB、CenterFace、RetinaFace MobileNet0.25等等。目前具有广泛的学术研究价值和业务应用价值，比如人脸识别、人脸属性分析（年龄估计、性别识别、颜值打分和表情识别）、人脸Avatar、智能视频监控、人脸图像过滤、智能图像裁切、人脸AR游戏等等。

二、人脸识别的相关概念

人脸识别(Facial Recognition)，即通过视频采集设备获取用户的面部图像，再利用核心的算法对其脸部的五官位置、脸型和角度进行计算分析，进而和自身数据库里已有的范本进行比对，从而判断出用户的真实身份.人脸识别算法，在检测到人脸并定位面部关键特征点之后，主要的人脸区域就可以被裁剪出来，经过预处理之后，馈入后端的识别算法。识别算法要完成人脸特征的提取，并与库存的已知人脸进行比对，完成最终的分类。服务架构图如下：

三、人脸比对的相关概念

人脸比对算法的输入是两张人脸图片(人脸特征)，输出是两个特征之间的相似度。人脸验证、人脸识别、人脸检索都是在人脸比对的基础上加一些策略来实现。相对人脸提特征过程，单次的人脸比对耗时相对较短。另外值得一提的是人脸相似度计算一般使用的是cos距离，可以将相似度控制在[-1,1]中。

四、人脸识别的M:N模式

M:N 是通过计算机对场景内所有人进行面部识别并与人像数据库进行比对的过程。M:N作为一种动态人脸比对，其使用率非常高，能充分应用于多种场景，例如公共安防，迎宾，机器人应用等。但是M:N模式仍存在很大的弊端，因为其必须依靠海量的人脸数据库才能运行，并且由于识别基数过大，设备分辨率不足等因素，使M:N模式会产生很高的错误率从而影响识别结果。

五、开源人脸识别、人脸搜索服务

该项目是阿里云视觉智能开放平台的人脸1：N的开源替代，项目中使用的模型均为开源模型，项目支持milvus和proxima向量存储库，并具有较高的自定义能力。其次项目使用纯Java开发，免去使用Python带来的服务不稳定性，支持docker一键部署、支持Java客户端，restful接口等。

项目开源地址：https://gitee.com/open-visual/face-search

项目识别效果：

​