我们可能断断续续听说过人脸检测、人脸识别等算法，那么这些常用于美颜sdk的算法之间，到底有没有联系？答案是“有的”。

可以将人脸识别算法分为基础层算法与应用层算法。而开头提到的人脸检测，实际上是人脸识别的基础层算法。

基础层算法，相当于人脸的预处理。一张人脸，首先要经过人脸检测、特征关键点处理，质量模型过滤之后，才能到应用层算法做处理，并应用到实际场景中。基础层算法的优劣，很大程度上会影响最终改的人脸识别准确率和效果。

下面是常见的基础层算法：

人脸检测：

定义：将一张照片或一段视频中的人脸检测出来，并输入人脸矩阵坐标。

作用：用于截取人脸，用于后续的人脸比对、人脸搜索等算法。

原理：二分类模型，通过深度学习训练样本识别是否是人脸。

特征关键点：

定义：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，能表示是脸部位置。

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：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坐上标记，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。

质量模型：

定义：对人脸照片的角度、光照、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：适应不用业务中对照片的需求，比如有些场景，需要口罩能识别，有些场景则不能。提升人脸比对、人脸搜索等后续人脸识别的准确率。

原理：回归模型，对每张照片标记模糊、光照、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，就是人脸识别技术中的所有基础层算法，至于应用层算法，由于文章篇幅的原因，我们将在下篇文章中再讲，如果你对美颜sdk开发有需求，欢迎咨询官方客服。

 声明：本文由美狐原创，未经允许禁止转载，谢谢合作。