人臉識別系統的原理

人臉識別本身有多種算法可以實現，不同算法的理論基礎也不同，常見的例如人臉識別產品利用AVS03A圖像處理器；可以對人臉明暗偵測，自動調整動態曝光補償，人臉追蹤偵測，自動調整影像放大，其中算法運用到了“算法MTCNN”。

人臉識別系統的原理

人臉識別常用的算法MTCNN的主要框架：

1、Proposal Network (P-Net)：

該網絡結構主要獲得了人臉區域的候選窗口和邊界框的回歸向量。并用該邊界框做回歸，對候選窗口進行校準，然后通過非極大值抑制（NMS）來合并高度重疊的候選框。

2、Refine Network (R-Net)：

該網絡結構還是通過邊界框回歸和NMS來去掉那些false-positive區域。只是由于該網絡結構和P-Net網絡結構有差異，多了一個全連接層，所以會取得更好的抑制false-positive的作用。

3、Output Network (O-Net)：

該層比R-Net層又多了一層卷基層，所以處理的結果會更加精細。作用和R-Net層作用一樣。但是該層對人臉區域進行了更多的監督，同時還會輸出5個地標（landmark）。