基于 DNN 的人脸检测与识别

本节介绍用于人脸检测的 cv::FaceDetectorYN 类和用于人脸识别的 cv::FaceRecognizerSF 类。

模型

本模块需要两个预训练模型（ONNX 格式）：

• 人脸检测：
  • 大小：338KB
  • 在 WIDER Face Val 集上的结果：0.830（easy）、0.824（medium）、0.708（hard）
• 人脸识别

  • 大小：36.9MB

  • 结果：

    数据库	准确率	阈值（normL2）	阈值（cosine）
    LFW	99.60%	1.128	0.363
    CALFW	93.95%	1.149	0.340
    CPLFW	91.05%	1.204	0.275
    AgeDB-30	94.90%	1.202	0.277
    CFP-FP	94.80%	1.253	0.212

代码

• 可下载代码：点击 这里

• 代码一览： 代码见下方示例

• 可下载代码：点击 这里

• 代码一览： 代码见下方示例

说明

检测输出 faces 是一个 CV_32F 类型的二维数组，其各行是检测到的人脸实例，各列是一张人脸的位置和 5 个面部关键点。每一行的格式如下：

x1, y1, w, h, x_re, y_re, x_le, y_le, x_nt, y_nt, x_rcm, y_rcm, x_lcm, y_lcm

其中，x1, y1, w, h 是人脸边界框的左上角坐标、宽度和高度，{x, y}_{re, le, nt, rcm, lcm} 分别表示右眼、左眼、鼻尖、右嘴角和左嘴角的坐标。

人脸识别

在完成人脸检测之后，运行以下代码以从人脸图像中提取人脸特征。

在获得两幅人脸图像的特征 feature1 和 feature2 之后，运行以下代码来计算两张人脸之间的身份差异。

例如，当余弦距离大于等于 0.363，或 normL2 距离小于等于 1.128 时，可认为两张人脸具有相同身份。

参考

• https://github.com/ShiqiYu/libfacedetection
• https://github.com/ShiqiYu/libfacedetection.train
• https://github.com/zhongyy/SFace

致谢

感谢 Shiqi Yu 教授 和 Yuantao Feng 训练并提供了人脸检测模型。

感谢 Deng 教授、博士生 Zhong 和 硕士生 Wang 训练并提供了人脸识别模型。