人脸识别主要有四个研究方向,分别为人脸检测,人脸关键点检测,人脸比对和人脸属性检测.

1 人脸检测

人脸检测即检测并定位采集图片中人脸的位置,大小和姿态.(返回高精度的人脸框框坐标).
研究难点:

人脸外形变化
(1) 不同的外貌如脸型,肤色等,不同的表情如眼睛,嘴巴的开与闭等;
(2) 人脸的遮挡,如眼镜,头发,帽子等;
(3) 化妆,年龄,胡须等;
外部条件的变化
(1) 成像角度不同,造成人脸姿态变化,如平面内旋转,深度旋转及上下旋转,其中深度旋转影响较大;
(2) 光照影响,图片亮度,对比度的变化等;
(3) 图像的成像条件,如摄像设备的焦距,成像距离,图像获取途径等;

2 人脸关键点检测

人脸关键点检测即在目标图片中定位出人脸面部的关键区域位置,包括眉毛,眼睛,鼻子,嘴巴和脸部轮廓.关键点检测点数有68点和106点两类.算法分为三类:

类别	算法
基于模型	ASM(ActiveShape Models),AAM(Active Appearance Models),
基于级联回归	CPR(Cascaded Pose regression)
基于深度学习	DCNN(Deep Convolutional Nerual Network),TCDCN(Tasks-Constrained Deep Convolutional Networks),MTCNN(Multi-task Convolutinal Neural Networks),TCNN(Tweaked Convlutional Neraual Networks),DAN(Deep Alignment Networks)

人脸验证即分析两张图片中的脸属于一个人的可能性大小.输入两张人脸图像,输出置信度分数和相应的阈值,评估两张人脸相似度.

置信度
也成为可靠度或置信水平,置信系数,即在抽样对总体参数作出估计时,由于样本的随机性,其结论总是不确定的.因此采用一种概率的陈述方法,即数理统计中的区间估计法,估计值与总体参数在一定允许误差范围内,相应的概率是多大,这个概率即是置信度.
阈值(threshold)
阈值又称临界值,是指一个效应能够产生的最高或最低值.人脸识别阈值决定识别成功与否,设为80%,则达到80%以上就会判定为同一个人.

人脸对比的指标

误识率(False Acceptance Rate, FAR)
将其他人错误识别为指定人员的概率,将本应匹配失败的判定为匹配成功;
$FAR=\frac{NFA}{NIRA}\times100\%$
$FAR=非同人分数>\frac{Threshold}{非同人比较次数}$
其中,NFA为错误接受次数,NIRA类间测试总次数;
误拒率(False Rejection Rate, FRR)
将指定人员误作为其他人员的概率,将本应匹配成功的判定为匹配失败;
$FRR=\frac{NFR}{NGRA}\times100\%$
$FRR=同人比较分数<\frac{Threshold}{同人比较分数}$
其中,NFR为错误拒绝次数,NGRA为类内测试总次数;
例子
n张人脸
非同人比较次数: $A^2_{n}$
一般地,FAR=0.001时,FRR的值作为参考,值越小,性能越好.因此,用错误率(Equal Error Rate, ERR)作为性能指标,调节阈值,是FAR与FRR相等,即FAR=FRR是对应Thres.

人脸属性检测包括表情(高兴,正常,生气,愤怒),年龄(年龄段),性别和种族(肤色),是否有胡须,是否戴眼镜等.