記錄一下目前對人臉識別流程及識別方法的理解，以後隨著認識的提公升不斷更新
在整個過程中所使用的都是灰度化之後的。
為什麼要轉化為灰度？1.識別物體最關鍵的部分是，找到物體的邊緣，就是的梯度，的梯度計算用到的就是灰度化之後的。2.顏色容易受到光照影響，難以提供關鍵資訊，最重要的是灰度化之後可以加快計算速度。
人臉識別主要分為下面四個步驟：
怎麼檢測？都有什麼樣的方式？優劣點？
2.人臉對齊：在已經檢測到人臉的基礎上，自動找到人臉上的眼睛鼻子嘴和臉的輪廓等標誌性特徵位置
貌似很多演算法都是基於某一盤**的，比如one millisecond face alignment with an ensemble of regression trees
ps:還看不懂：採用了兩種分類方法以突出特徵提取網路的能力和效果，採用的兩種方法分別為：聯合貝葉斯人臉校驗（ joint bayesian）和神經網路方法（neural network）。其中第一種方法聯合貝葉斯是一種超有效的人臉校驗演算法，是傳統貝葉斯臉演算法的提公升
3.人臉校驗：判斷兩張人臉是不是同一張人臉
通過神經網路來提取人臉深層次的抽象特徵，這種抽象特徵可以區分出兩張不同的人臉，在特徵提取後，再用分類器進行分類。
參考：
人臉識別流程
第一步 編碼 將人臉表示為128為的向量 def face encodings face image,known face locations none,num jitters 1 return 128維人臉編碼向量 param face image 包含人臉影象 param known face ...
人臉識別的深度學習
深度學習只不過是機器學習的標準範例，更準確地說 是其演算法之一。在最大程度上，它基於人腦的概念和神經元的相互作用。如果你開始谷歌搜尋深度學習是什麼，你會發現今天這個超級熱門詞遠遠不是新的。為什麼這樣？該術語本身出現在20世紀80年代，但到2012年，沒有足夠的力量來實施這項技術，幾乎沒有人關注它。在...
人臉識別的深度學習
深度學習只不過是機器學習的標準範例，更準確地說 是其演算法之一。在最大程度上，它基於人腦的概念和神經元的相互作用。如果你開始谷歌搜尋深度學習是什麼，你會發現今天這個超級熱門詞遠遠不是新的。為什麼這樣？該術語本身出現在20世紀80年代，但到2012年，沒有足夠的力量來實施這項技術，幾乎沒有人關注它。在...