《Python人脸识别：从入门到工程实践》 ——1.1.3　人脸识别的目标

1.1.3　人脸识别的目标

我们已经介绍了人脸识别的不同应用场景。在不同的应用场景下，人脸识别的目标可能是不相同的。但是，对于绝大多数的人脸识别应用场景，人脸识别的目标是类似的。人脸识别的大致流程可以描述为：通过人脸识别模型判断图片中是否存在人脸，如果存在人脸，则定位到该人脸的区位，或者提取该人脸图像的高级特征，作为该人脸图像的特征向量，并用在后续对图片的处理中。

由于人脸识别的应用场景不同，上述步骤的选择和侧重点也不尽相同。例如，定位人脸在图片中的位置，可以用于诸如AR等贴图操作；通过定位人脸的关键点，可以对人脸图片进行几何变换，通过几何变换可以实现对图像中人脸的校正，与此同时，得到的人脸关键点还可以用来实现诸如“瘦脸”等操作；如果想要实现的功能并不是对人脸图片的几何变换，而是对图片中的人脸进行特定判断，如判断图片中人脸的性别、年龄等，那么此时的目标是提取出图片中人脸的高级特征，然后根据提取出来的高级特征，使用分类器进行分类，即可以实现诸如性别识别、年龄判断等功能；对于人脸对比，一个可行的思路仍然是提取图片中人脸的高级特征，然后对这两个特征进行对比，从而得出一个相似度数值，通过比较该数值与预设阈值的大小，从而判别两张图片中的人脸是否属于同一个人。

图1-2　一种人脸对比解决方案的流程图从上面的介绍中我们可以看出，不同人脸识别应用的很多步骤都是重合的，其差异仅在于操作层次的深浅。通过合理选择、组合对人脸图片的操作层次，就可以实现我们预期的目标。这个实现过程可以说是“万变不离其宗”，最核心的技术便是提取人脸图像的高级特征，我们将会在后续的例子中逐步印证这一点。