脸部识别SeetaFace介绍

https://github.com/seetaface/SeetaFaceEngine
一、概述
SeetaFace Engine是一款无需任何第三方库就能在CPU上运行的开源C++脸部识别引擎，一共分为三个关键的部分：SeetaFace Detection（脸部检测），SeetaFace Alignment（脸部校准）和SeetaFace Identification（脸部识别），这三个部分对于搭建一个实用的脸部识别应用系统是非常必要的。

• SeetaFace Detection实现了一个funnel-structured (FuSt) cascade用来针对现实中多视角的脸部检测，并在检测准确性和速度之前达到了很好的平衡。在公开的数据集FDDB上可以达到很高的速度，更多细节见SeetaFace Detection部分
• SeetaFace Alignment在实际中级联了多个栈式自编码网络去检测关键点（在单个i7台式机CPU中超过200fps），并且在一些公开的数据集上实现了最先进的精度，比如AFLW更多细节见SeetaFace Alignment部分
• SeetaFace Identification是一个用于脸部识别的AlexNet CNN的改进，在准确性（使用LFW为97.1%）和速度（使用一个i7台式机处理器约120ms一张）上有更好的表现。更多细节见SeetaFace Identification部分。

这个脸部识别引擎是由中国科学院计算所VIPL组研发的，代码使用C++编写且不依赖于任何第三方库，开源代码在BSD-2（详见LICENSE）许可下发布，代码可以自由的在学术界和工业界使用。有任何问题可以联系[e-mail]

二、SeetaFace Detection
SeetaFace Detection用级联的漏斗结构（Funnel-Structured cascade，FuSt）实现，设计用来做现实中多视角脸部检测。FuSt的目的是使用“由粗到细的结构”从而在准确性和速度之间取得一个很好的平衡。在前几层它包含了多个针对视角的快速LAB级联分类器，后几层是粗多层感知器（coarse Multilayer Perceptron，coarse MLP）级联结构，最后由一个统一的MLP级联结构来处理所有姿态的候选窗口。
开源的FuSt包括一个用20万脸部图片训练的模型用来检测近正面脸部（也能够检测一部分非正面脸部），值得注意的是（1）MLP级联结构使用了SURF检测而不是SIFT（2）加入了NMS（Non-Maximal Suprresion）（3）边界盒回归代替了关键点预测
SeetaFace Detector在FDDB上的离散型得分ROC曲线如下图所示，最小的人脸大小设置为20，滑动窗口步长设置为2或者4，采样比例设置为0.8
速度比较见如下图，使用640x480的VGA图片，滑动窗口的大小设置为4，采样比例设置为0.8，Cascade CNN中图片金字塔的采样比例为0.7
SeetaFace Detector是在一个3.40GHz i7-3770 CPU上的测试速度，其他方法则是直接从相关论文中引用（ Cascade CNN的CPU速度是在一个2GHz的CPU核心上检测的，GPU速度是在NVIDIA Titan Black GPU上检测的）

未完待续