本周暂时比较清闲，可以保持每日一更的速度。 国外身份证项目新增需求，检测出身份证正面的人脸。最开始考虑mobilenet-ssd，经同事提醒，有现成的人脸库dlib，那就用传统方法尝试一下。 dlib安装 dlib的安装小费一波周折，我的python版本是3.6，直接pip install dlib安装失败。https://pypi.org/project/dlib/19.6.0/找到python3.6对应的whl文件下载安装或者直接pip install dlib==19.6.0 提示Successfully installed dlib-19.6.0安装成功。事情没那么简单，import

基于MATLAB的人脸检测定位算法研究_刘新永.pdf 毕业论文

共三篇论文，包括了adabooost算法检测人脸，并提出了快速定位人脸五官定位算法，供大家参考学习。

张量流 人脸检测MTCNN算法，采用tensorflow框架编写，从理解到训练，中文注释完全，含测试和训练，支持摄像头，代码参考 ，相应地减少了尺寸和优化。 模型理解 是目前比较流行的人脸检测方法，通过人脸检测可以进行更精准的人脸识别。模型主要通过PNet，RNet，ONet三个网络级联，一步一步精调来对人脸进行更准确的检测。论文中的模型图如下： 接下来我会从我在训练中的理解来解释MTCNN模型都干了什么。三个模型要按顺序训练，首先是PNet，然后RNet，最后ONet。 PNet： PNet是全卷积网络，主要为了应对不同输入尺度，层数很浅，主要作用是重新多的把人脸框都选进来，宁愿错误拿来好

MIT的人脸资源库，分为训练集和测试集，需要的可以下载一下

包括： 1. 训练和测试代码 2. 训练和测试数据集 3. 测试视频和测试结果视频

opencv实现的SSD人脸检测器，实现DNN的人脸检测，需要先下载模型文件，在OpenCV的\sources\samples\dnn\face_detector目录下，有一个download_weights.py脚本下载的模型文件，打包好了

联合人脸检测与对准的多任务级联卷积网络ppt，介绍了人脸检测与人脸识别的发展历程以及相关应用，重点介绍了MTCNN的原理用法以及实验评判标准等

史上最强轻量级人脸检测 weiderface 精度： MAP@0.5 Result on validation set of WiderFace Easy Val AP: 0.9269262216852227 Medium Val AP: 0.9106406069023444 Hard   Val AP: 0.8052849163844217

基于selective search算法，训练CNN网络进行目标检测。 LFW数据集上能达到82%的检测精度。 内附有7k张人脸图片训练集、8k张非人脸图片训练集