Faces人脸识别
分为两个模块，Faces文件夹下存放人脸识别算法的代码，Web文件夹下存放网站搭建的代码
详情请查看各个模块下的readme文档
项目简介
核心算法
一款基于Dlib、opencv开发的人脸识别程序，包含人脸检测、人脸校正、人脸识别、表情识别四个模块
- 人脸检测问题上，初步采用了传统HOG+SVM的方式，单次人脸检测仅需0.1s
- 针对人脸检测过程中部分人头偏移角度过大而检测不到人脸的问题，加入具有角度自适应性的旋转鲁棒算法
- 人脸识别问题上，使用适用于人脸的ResNet-34深度神经网络来提取人脸特征，在公共数据集上拥有99.37％的准确率
- 针对女明星妆容变化较大(不同年龄、不同化妆风格)的情况，采用数据增强的方法，通过爬虫自动爬取女明星本人更多的照片，扩大已知人像库，尽可能消除女明星妆容变化较大引起的误差
- 为了拥有更高的准确性，加入基于人脸关键点的人脸校正模块。先将人脸校正、标准化后再送入深度神经网络中，可以得到更加稳定的编码，同等情况下可以提升3.6％的准确率
- 为了增加项目的可玩性，加入了基于深度学习的表情识别模块，快来体验一下！
人脸检测效果图如下
经过人脸检测、人脸校正并裁剪后的stdface如图
人脸识别结果
表情识别结果
Web部分
一个基于flask框架搭建的包含人脸图库、人脸识别的轻量级网站
- 为了与python程序高度耦合，采用python轻量级框架flask，部署在服务器的127.0.0.1:5000上
- 针对每次调用程序都要花费大量时间重新加载模型的问题，将算法使用到的模型常驻内存中，单次调用人脸识别程序仅需0.3s
网站主要页面如图
-
首页：
-
人像图库
-
人脸识别（未上传）
-
人脸识别结果
-
表情识别结果
-
关于我们
-
API调用耗时
