关键词：
人脸应用在计算机视觉体系中占很大一块，在深度学习火起来之前，基于传统机器学习的人脸应用就已经很成熟了，有很多商用应用场景。本文用一个可以实际运行的Demo来说明人脸应用中常见的技术概念，包含‘人脸检测’、‘人脸对比’、‘人脸表征检测（五官定位）’、‘眨眼检测’、‘活体检测’以及‘疲劳检测’。
人脸检测
严格来讲，人脸检测只包含对照片中的人脸进行定位，人脸检测只获取照片中人脸的矩形方框（Left、Top、Right、Bottom），再没有其他的内容。现如今网上大部分“人脸检测”概念模糊，包含的东西很多，比如除了刚才说的定位，还包括后面要说的人脸对比，这个严格上讲是错的。
人脸对比
当你使用人脸检测技术发现图片（视频帧）中包含一个人脸，那么如何判断该人脸是谁呢？这个就是我们常见的人脸授权应用，将一个人脸与数据库的其他人脸进行对比，看它与数据库中已有人脸哪个最相似。传统机器学习中，人脸对比过程需要先提取人脸特征编码，寻找一个特征向量来代替原有人脸RGB图片，再通过计算两个人脸特征向量距离来判断人脸是否相似（传统机器学习中的特征工程可以参考上一篇文章）。如果距离小于某值，则认为是同一个人脸，反之亦然。
上图显示传统机器学习方法中人脸对比的过程，过程相对来说比较复杂，需要提取合适的特征向量，该特征对原RGB人脸图片有一定代表性。基于深度学习的方式去做人脸对比就相对来说简单很多，可以直接是一个端到端的流程：
当然也有的做法是先通过神经网络提取人脸特征，然后再用传统机器学习的方式去训练类似SVM模型去做分类。
人脸表征检测（五官定位）
一般人脸应用使用前面说到的‘人脸检测’、‘人脸对比’两种技术就足够了，比如人脸打卡、人脸自动马赛克、人脸开锁等应用。但是更复杂的一些人脸应用只有人脸检测和对比是不够的，比如后面要说的活体检测、疲劳检测等场景。这些时候不仅要判断人脸的位置（矩形方框），还需要检测出人脸五官位置，比如眉毛形状、眼睛区域、鼻子位置、嘴巴位置等等，有了五官位置数据之后，我们就可以基于这些数据做一些更复杂的应用了，比如实时判断视频中的人是否眨眼、是否闭眼、是否说话、是否低头抬头等等。下图为人脸表征检测得到的结果：
上图显示通过机器学习提取到一张人脸表征的68个点，分别为：
（1）左眉毛5个点
（2）右眉毛5个点
（3）左眼睛6个点
（4）右眼睛6个点
（5）鼻梁4个点
（6）鼻尖5个点
（7）上嘴唇/下嘴唇20个点
（8）下巴17个点
我们可以通过下标（python中可以使用切片）快速获取对应的坐标点，该坐标点代表脸部表征在原输入图片中的实际位置（像素单位）。
眨眼检测
对视频每帧做人脸表征检测，得到视频每帧画面中人脸五官的位置数据后，我们可以通过分析人眼区域（六个点组成一个闭合的椭圆形）的闭合程度来判断是否发生眨眼，那么如何衡量每个眼睛的闭合程度呢？根据前人研究：http://vision.fe.uni-lj.si/cvww2016/proceedings/papers/05.pdf可知，通过每只眼的6个点即可判断眼睛的闭合程度：
眼睛在打开到闭合时，下面这个表达式的值快速趋近于零：
上面表达式EAR（Eye Aspect Ratio）的值等于垂直方向两个线段长度之和除以水平方向线段长度*2，这个值在闭眼的瞬间可以趋近于零，在睁眼的瞬间，恢复到原来值。EAR的变化过程如下图所示：
我们只需要监控EAR的值是否快速波动并且趋近于零来判断是否闭眼，是否快速恢复来判断是否睁眼。如果闭眼和睁眼时间间隔很短（只占几个视频帧，每秒25帧算），那么就认定为眨眼。
活体检测
人脸应用中，为了防止人们使用照片等伪造人脸通过授权，一般都需要对画面中的人脸进行活体过滤，即判断当前视频画面中的人脸是否是真人，而不是照片等其他代替物。通过前面介绍的眨眼检测技术，我们可以实现一个非常简单的‘活体检测’算法，算法每隔一个随机时间段（比如几秒，时间不固定，防止人们录制视频来伪造）就要求视频画面中的人眨眼，如果画面中的人积极配合算法发出的指令，那么可以认为画面中是真人，否则可能就是伪造人脸。
需要说明的是，活体检测仅仅通过以上这种方式可能还不是足够安全，一般还可以结合其他活体检测技术，比如相机深度检测、脸部光线检测、以及利用深度学习技术直接对人脸进行二分类（活体/非活体）。
疲劳检测
疲劳检测这个应用场景太大了，比如可以用于长途汽车司机疲劳监控告警、值班人员疲劳监控告警等。主要原理还是通过前面介绍的眨眼检测技术，将其稍微改进一下，我们就可以对闭眼进行检测，如果闭眼超过一段时间（比如1秒），那么就认为疲劳发生，发出告警。眨眼判断很简单，闭眼判断更简单，这些所有的判断逻辑全部基于人脸表征提取的数据：
需要明确的是，本文所有算法的准确性全部依赖于模型训练的好坏，人脸检测是否准确、人脸特征提取是否合适、人脸表征检测结果是否准确。机器学习就是这样，结果的好坏完全取决于模型训练的好坏（特征提取的好坏）。比如本文这个demo中可以容易看到，人脸表征检测对戴眼镜的人脸效果不是很好，需要更多这方面的训练数据。有问题的朋友请留言，感兴趣的朋友请关注公众号，分享原创CV/DL相关文章。
用于从数据库进行人脸检测和识别的计算机视觉应用程序（+web 界面）
】用于从数据库进行人脸检测和识别的计算机视觉应用程序（+web界面）【英文标题】：ComputerVisionapplication(+webinterface)forfacedetectionandrecognitionfromdatabase【发布时间】：2012-04-1111:02:53【问题描述】：我的项目是一个计算机视觉Java应... 查看详情
[译]人脸检测与人脸识别简介(代码片段)
...mami.co.cc/faceRecognition.htmlTranslatedby11“人脸识别”是一个在计算机视觉和生物特征识别领域十分活跃的话题。这个主题已经被给力地研究了25年，并且最终在安全、机器人学、人机交互、数码摄像机、游戏和娱乐领域得到了广... 查看详情
图像处理——基于机器视觉技术的人脸在线识别系统设计(代码片段)
...套人脸在线检测识别系统，系统将由以下几个部分构成：计算机图像预处理、数据收集和预处理、人脸图像定位检测、人脸识别模型训练、人脸识别。经过实验，确定该系统可对本人的人脸进行快速并准确的检测与识别。关键词... 查看详情
浅谈人脸识别技术的方法和应用
...、视频会议、人机交互系统等各个方面。 人脸识别技术计算机人脸识别技术也就是利用计算机分析人脸图象,进而从中提取出有效的识别信息,用来“辨认”身份的一门技术.虽然人类的人脸识别能力很强,能够记住并辨别上千个不... 查看详情
ai人脸检测和人脸识别是一个概念吗？有什么区别？
人脸检测-也称为面部检测-是一种基于人工智能(AI)的计算机技术，用于在数字图像中查找和识别人脸。人脸检测技术可应用于各个领域——包括安全、生物识别、执法、娱乐和个人安全——以提供对人员的实时监控和跟踪。... 查看详情
人脸关键点的应用场景及重难点解析丨devfordev专栏
...I算法工程师周世付。人脸检测、人脸关键点检测，是计算机视觉的基础算法。许多酷炫应用背后，例如美颜、贴纸、人脸驱动avatar，是依赖着人脸检测、人脸关键点检测的算法。人脸检测的常规做法，是从图像中... 查看详情
使用视觉谷歌服务未检测到人脸
】使用视觉谷歌服务未检测到人脸【英文标题】：Facenotdetectedusingvisiongoogleservice【发布时间】：2016-03-1021:00:51【问题描述】：https://developers.google.com/android/reference/com/google/android/gms/vision/face/FaceDetector.Builder我在我的应用中使用上... 查看详情
人脸检测5种方法(代码片段)
众所周知，人脸识别是计算机视觉应用的一个重大领域，在学习人脸识别之前，我们先来简单学习下人脸检测的几种用法。常见的人脸检测方法大致有5种，Haar、Hog、CNN、SSD、MTCNN：注：本文章图片来源于... 查看详情
基于opencv的人脸识别,翻车了居然识别错误。(代码片段)
...gnition模块介绍1.opencv关于OpenCvOpencv是一个开源的的跨平台计算机视觉库，内部实现了图像处理和计算机视觉方面的很多通用算法，对于python 查看详情
第九节人脸检测之haar分类器
人脸检测属于计算机视觉的范畴，早期人们的主要研究方向是人脸识别，即根据人脸来识别人物的身份，后来在复杂背景下的人脸检测需求越来越大，人脸检测也逐渐作为一个单独的研究方向发展起来。目前人脸检测的方法主要... 查看详情
浅析人脸检测之haar分类器方法
一、Haar分类器的前世今生 人脸检测属于计算机视觉的范畴，早期人们的主要研究方向是人脸识别，即根据人脸来识别人物的身份，后来在复杂背景下的人脸检测需求越来越大，人脸检测也逐渐作为一个单独的研究方向发展... 查看详情
人脸关键点的应用场景及重难点解析丨devfordev专栏
...I算法工程师周世付。人脸检测、人脸关键点检测，是计算机视觉的基础算法。许多酷炫应用背后，例如美颜、贴纸、人脸驱动avatar，是依赖着人脸检测、人脸关键点检测的算法。人脸检测的常规做法，是从图像中... 查看详情
计算机视觉·opencv使用haar+cascade实现人脸检测(代码片段)
前言人脸检测的目标是找出图像中所有的人脸对应的位置，算法的输出是人脸的外接矩形在图像中的坐标。使用haar特征和cascade检测器进行人脸检测是一种传统的方式，下面将给出利用OpenCV中的haarcascade进行人脸检测的代... 查看详情
人脸检测快速视觉套件
】人脸检测快速视觉套件【英文标题】：Facedetectionswiftvisionkit【发布时间】：2017-12-3101:26:21【问题描述】：我正在尝试适用于iOS11的Vision套件。我可以使用Vision，并且可以找到边界框值face。但我不知道如何使用这些点绘制一个矩... 查看详情
Firebase 视觉人脸检测使用启发式算法 (MLKit) 获得人脸的紧密拟合估计
】Firebase视觉人脸检测使用启发式算法(MLKit)获得人脸的紧密拟合估计【英文标题】：FirebasevisionFacedetectiongettightfitestimationofthefaceusingheuristics(MLKit)【发布时间】：2020-10-0123:47:11【问题描述】：开启setContourMode(FirebaseVisionFaceDetec... 查看详情
计算机视觉项目-人脸识别与检测(代码片段)
...OpenCV的相关知识🎉作者简介：⭐️⭐️⭐️目前计算机研究生在读。主要研究方向是人工智能和群智能算法方向。目前熟悉深度学习（keras、pytorch、yolo系列），pytho 查看详情
3分钟看懂人脸识别原理
人脸识别范围很广泛，目前有十个关键技术1.人脸检测（facedetection）是检测出图像中人脸位置的技术一般输入是一张图片，输出是人脸所在位置，常用矩形框标记在原图之上；2.人脸配准（facealignment）是定位人脸五官关键点坐标... 查看详情
人脸检测中的 Haar Cascades 与 LBP Cascades [关闭]
...间】：2012-02-0603:36:56【问题描述】：我一直在OpenCV（开源计算机视觉库）中尝试人脸检测，发现可以使用Haar级联来检测人脸，因为OpenCV提供了几种人脸。但是，我注意到还有几个LBP级联。经过一番研究，我发现LBP代表Loc 查看详情