我们会经常听到人脸检测、人脸识别等算法。
这些和美颜SDK的算法有没有关系呢？答案是：肯定有的
人脸识别的算法分为基础层算法和应用层算法，人脸检测实际上是人脸识别的基础层算法相当于人脸的数据预处理。
人脸检测首先要经过检测和特征关键点的识别和处理，质量模型过滤之后，才能到应用层的算法做处理，基础算法非常重要， 因为它很大程度上会影响到人脸识别的准确率，精准率，和实际效果。
下面是常见的基础层算法：
1.肌柒美颜SDK--人脸检测：
人脸检测算法的输入是一张图片，基本是一个“扫描”加“判别”的过程，即算法在图像范围内扫描，再逐个判定候选区域是否是人脸的过程。
因此人脸检测算法的计算速度会跟图像尺寸、图像内容相关。开发过程中，我们可以通过设置“输入图像尺寸”、或“最小脸尺寸限制”、或“人脸数量上限”的方式来加速算法。
网图侵删
2.肌柒美颜SDK--人脸特征：是具有表征这个人脸特点的能力，人脸特征算法都会根据人脸五官关键点坐标将人脸对齐预定模式，然后计算特征。人脸特征过程(最右侧数值串为“人脸特征”）
网图侵删
3. 肌柒美颜SDK--特征关键点：
检测到人脸后，将人脸的特征点标记出来，每个特征点都有属性
作用：人脸摆正对齐：实际场景中，抓取的人脸一般不是正方向的，需要摆正后再进行人脸比对、搜索等；
人脸处理：肌柒美颜sdk应用中的贴纸等人脸特效，需要检测到人脸特征关键点后，再对关键部位进行针对性处理。
原理：将人脸照片的关键点都加上标记，通过深度学习、分类模型，让算法能检测到特征点并识别特征点的属性。
网图侵删
网图侵删
4. 肌柒美颜SDK--质量模型：
网图侵删
定义：对人脸照片的角度、光线、模糊度等进行评估，让符合要求的照片进行到下一步人脸识别。
作用：适应不同业务，不同场景中对照片的需求，比如一些场景需要口罩能识别，有些场景则不能。提升人脸比对、人脸搜索中人脸识别的准确率。
原理：回归模型，对每张照片标记模糊、光线、遮挡的分值，进行监督训练后，输入照片接口输出对应的质量分值。
以上是人脸识别中，常见的基础层算法，接下来继续介绍常用的应用层算法。
5.肌柒美颜SDK--活体检测
网图侵删
这是身份认证的第一步，首先要确认这个人是真人，而不是视频、照片、面具等。
活体检测的技术目前有两大类：对硬件要求比较低的，如动作活体，静默活体。
对硬件有一定要求的，需要和硬件适配的，比如双目活体、3D结构光活体等。
原理都是采集人脸，并在人脸上做标记（真/假样本），并送到模型中训练而得出算法。
不同的活体检测，因为样本源不一样，识别效果也不同。所以，活体检测的关键，除了算法、还有一个就是模型构造所带有的信息量。
网图侵删
,
