本文来自于tencent，文章介绍了在小程序端，使用腾讯云云智AI应用服务来进行人脸识别检测分析，实现人脸识别等功能。本文将介绍在小程序端，使用腾讯云云智AI应用服务来进行人脸识别检测分析，实现人脸识别等功能。腾讯云人脸识别服务每月为各个接口提供1万次的免费调用，我们可以利用腾讯云人脸识别服务所提供的API来实现我们一些简单的demo实验。目前腾讯云人脸识别服务所提供人脸检测与分析、五官定位、人脸比对与验证、人脸检索、多脸检索、静态活体检测等功能，为了方便演示，本教程只介绍人脸检测与分析API的使用，更多接口使用请参考腾讯云人脸识别文档。在教程开始之前，需要搭建搭建好小程序的基础开发环境

主要介绍了tracking.js实现前端人脸识别功能，本文通过实例代码截图的形式给大家展示的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下

mtcnn对齐facenet部署 项目简介 本项目参考了bubbliiiing的和两个工程，在此对作者表示感谢！ 这两个工程都是keras模型，所提供的模型文件都只有权重没有网络结构，我利用作者提供的网络定义和权重文件重新生成了带有网络结构的权重文件。某个原始先只有权重的模型文件pnet.h5 ，生成包含网络结构和权重的模型文件PNET.h5 。接着用keras2onnx工具把它（ PNET.h5 ）转换成onnx模型pnet.onnx ，其他胶水部分的逻辑没什么变化。具体的转换代码请参考keras_onnx.py文件。 另外我还尝试了将keras h5模型转成tensorflow pb模型，具体代码请参考h5_to_pb.py文件。需要注意的是：每个tensorflow PB请模型单独执行h5_to_pb.py脚本生成。 （每次修改weight_file参数） 如果你想简单地测试一下mt