这是一个“看脸”的时代，一谈人脸技术，大家最为熟知就是人脸识别。该技术在金融、社保、教育、安防等领域表现活跃，成为AI技术领域的明星。本文将主要介绍下，美颜api中的智能美妆的核心技术与人脸识别有何关系。
一个完整的人脸识别系统包含三大组成部分，即人脸检测、人脸配准以及人脸识别。三者流水线操作：人脸检测在图像中找到人脸的位置，接着人脸配准在人脸上找到眼睛、鼻子、嘴巴等面部器官的位置，最后人脸识别抽取特征与既有人脸比对计算相似度，确认人脸对应的身份。
而美颜api智能美妆的核心就是人脸识别技术中的人脸配准。
一、人脸配准简介
人脸配准又称人脸特征点检测与定位。人脸特征点不同于角点或SIFT特征点等通常意义上的图像特征点，人脸特征点通常是一组由人工事先定义的点。根据不同应用场景，特征点有不同的数目，例如5点，68点，82点等。
除了在人脸识别系统中关键作用之外，人脸配准在3D人脸建模、人脸动画，人脸表情分析，人脸美化，人脸自拍动效，美颜api智能美妆等领域得到了广泛的应用。
二、人脸配准研究现状
1、传统人脸配准
和其他人脸技术类似，光照、头部姿态、表情的变化，以及遮挡都会很大程度影响人脸配准的精度。但是人脸配准也有具有自身特点，首先特征点描述了人脸的结构，人脸结构是完整稳定的，五官相对位置固定；其次，头部姿态、表情等变化造成的特征点位置变化明显。传统人脸配准研究需要一直尝试寻找更加精准的特征描述来表达这种既确定又变化的点的组合，再根据描述符选择适当的优化求解方法，从而定位人脸特征点。
2、深度人脸配准
从06年开始，深度神经网络已经逐步在计算机视觉、语音识别和自然语言处理等多个领域取得了前所未有的成功，同样也给人脸配准研究带来了习习春风。学者们无需再挖空心思构建各种繁琐复杂的人脸描述符了。目前学术界工业界比较认可的深度人脸配准方法有两类：级联卷积网络人脸配准和多任务深度人脸配准。
级联卷积网络人脸配准包含三级，每级包含多个卷积网络。第一级给出一个初始点位置估计，在此基础上后两级精细调整特征点位置。多任务配准将配准与其他相关人脸属性的训练同时进行。与脸部特征点相关的属性包含头部姿态，表情等，比如笑脸的嘴部很可能是张开的，正面脸特征点则对称分布。多任务有助于提升特征点检测定位精度。然而不同的任务会有不同的收敛速度和难度，训练难度加大。目前学界提供了两种解决方案调整不同的任务的训练进程：任务提早终止准则和参数动态控制机制。
以上就是对人脸配准的简单介绍。没想到，一个美颜api智能美妆的核心竟然有这么大的学问。下篇文章中，小编将着重介绍下人脸配准在智能美妆中是如何工作的，如果您对美颜sdk接入有需求，欢迎咨询客服。
声明：本文由美狐原创，未经允许禁止转载，谢谢合作。
