二、人臉定位

面部特征點(diǎn)定位在人臉識(shí)別、表情識(shí)別、人臉動(dòng)畫等人臉?lè)治鋈蝿?wù)中至關(guān)重要的一環(huán)。人臉定位算法需要選取若干個(gè)面部特征點(diǎn)，點(diǎn)越多越精細(xì)，但同時(shí)計(jì)算量也越大。兼顧精確度和效率，我們選用雙眼中心點(diǎn)、鼻尖及嘴角五個(gè)特征點(diǎn)。經(jīng)測(cè)試，它們?cè)诒砬�、姿態(tài)、膚色等差異上均表現(xiàn)出很好的魯棒性。

人臉定位接口程序如下所示，需要先加載預(yù)先訓(xùn)練好的模型，再進(jìn)行定位檢測(cè)：

人臉定位程序的效果如下所示：

本算法在AFLW數(shù)據(jù)集上的定位誤差及與其他算法的對(duì)比情況：

三、人臉校準(zhǔn)

本步驟目的是擺正人臉，將人臉置于圖像中央，減小后續(xù)比對(duì)模型的計(jì)算壓力，提升比對(duì)的精度。主要利用人臉定位獲得的5個(gè)特征點(diǎn)（人臉的雙眼、鼻尖及嘴角）獲取仿射變換矩陣，通過(guò)仿射變換實(shí)現(xiàn)人臉的擺正。

目標(biāo)圖形以（x，y）為軸心順時(shí)針旋轉(zhuǎn)Θ弧度，變換矩陣為：

人臉校準(zhǔn)C＋＋代碼可參考如下所示：

一般此步驟不建議使用外部庫(kù)做變換，所以這里提供仿射變換python源碼以供參考：

人臉校準(zhǔn)的效果如圖所示：

四、人臉對(duì)比

人臉比對(duì)和人臉身份認(rèn)證的前提是需要提取人臉獨(dú)有的特征點(diǎn)信息。在人臉校準(zhǔn)之后可以利用深度神經(jīng)網(wǎng)絡(luò)，將輸入的人臉進(jìn)行特征提取。如將112×112×3的臉部圖像提取256個(gè)浮點(diǎn)數(shù)據(jù)特征信息，并將其作為人臉的唯一標(biāo)識(shí)。在注冊(cè)階段把256個(gè)浮點(diǎn)數(shù)據(jù)輸入系統(tǒng)，而認(rèn)證階段則提取系統(tǒng)存儲(chǔ)的數(shù)據(jù)與當(dāng)前圖像新生成的256個(gè)浮點(diǎn)數(shù)據(jù)進(jìn)行比對(duì)最終得到人臉比對(duì)結(jié)果。

人臉比對(duì)流程的示意圖如下所示：

通過(guò)神經(jīng)網(wǎng)絡(luò)算法得到的特征點(diǎn)示意圖如下：

而人臉比對(duì)則是對(duì)256個(gè)浮點(diǎn)數(shù)據(jù)之間進(jìn)行距離運(yùn)算。計(jì)算方式常用的有兩種，一種是歐式距離，一種是余弦距離。x，y向量歐式距離定義如下：

x，y向量之間余弦距離定義如下：

余弦距離或歐式距離越大，則兩個(gè)特征值相似度越低，屬于同一個(gè)人的可能性越小。如下圖，他們的臉部差異值為0．4296 大于上文所說(shuō)的該模型最佳閾值0．36，此時(shí)判斷兩人為不同的人，可見(jiàn)結(jié)果是正確的。

把歸一化為－1到1的圖像數(shù)據(jù)、特征點(diǎn)提取模型的參數(shù)還有人臉數(shù)據(jù)庫(kù)輸入到人臉比對(duì)的函數(shù)接口face＿recgnition，即可得人臉認(rèn)證結(jié)果。程序接口的簡(jiǎn)單調(diào)用方式如下所示：

人臉比對(duì)算法的準(zhǔn)確率方面是以查準(zhǔn)率為保證的，AUC （Area under curve）＝0．998，ROC曲線圖如下所示：

我們?cè)O(shè)計(jì)的比對(duì)模型主要特點(diǎn)是模型參數(shù)少、計(jì)算量少并能保證高的準(zhǔn)確率，一定程度上適合在嵌入端進(jìn)行布置。對(duì)比其他人臉比對(duì)模型差異如下表格所示：

far＠1e－3表示將反例判定為正例的概率控制在千分之一以下時(shí)，模型仍能保持的準(zhǔn)確率；

dlib在實(shí)際測(cè)試中，存在detector檢測(cè)不出人臉的情況，導(dǎo)致最終效果與官網(wǎng)上有一定差異；

resnet－18為pytorch的playground標(biāo)準(zhǔn)模型；

lfw／agedb＿30／cfp＿ff為標(biāo)準(zhǔn)人臉比對(duì)測(cè)試庫(kù)，測(cè)試過(guò)程中圖片已經(jīng)過(guò)人臉居中處理。