人臉識別，是美顏SDK大部分功能實現(xiàn)的先決條件，比如貼紙、化妝，這些都需要用到人臉關(guān)鍵點識別技術(shù)，其次人臉關(guān)鍵點識別、面部表情識別，可以幫助美顏工具實現(xiàn)更多細(xì)分的趣味拍攝功能。下文，小編將為大家講解一下美顏SDK的面部表情識別技術(shù)。

一、面部識別

美顏SDK人臉檢測基本上是所有與人臉相關(guān)的任務(wù)中都包含的一個預(yù)處理模塊，它把人臉從復(fù)雜的圖像中提取出來，后續(xù)只需要將注意力集中在提取人臉的相關(guān)特征上，從而有效提升相關(guān)任務(wù)的效果。美顏SDK最常用的人臉提取方法是Viola和?Jones在2001年提出的Viola-Jones?（以下簡稱V&?J）目標(biāo)檢測器，它基于類?Haar特征和?Adaboost分類器實現(xiàn)了一個實時目標(biāo)檢測的框架。同時，因為?Haar特征更適合人臉識別，所以它被廣泛應(yīng)用于人臉檢測中。在OpenCV中，哈爾分類器是對維奧拉-瓊斯方法的一種改進(jìn)。

當(dāng)然，美顏SDK也有基于深度學(xué)習(xí)的多任務(wù)級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)（MTCNN）等算法，也有基于目標(biāo)檢測相關(guān)算法（Faster-CNN,SSD等）的人臉檢測算法。因此，針對人臉檢測問題，這里采用了一種全新的算法：V&?J算法是目前常用的人臉檢測算法，其中，MTCNN算法在美顏SDK中實戰(zhàn)效果要優(yōu)于前者，所以目前被開發(fā)者們廣泛應(yīng)用。

二、歸一化

在非可控條件下，人臉數(shù)據(jù)易受姿態(tài)變化、光線變化、遮擋等因素的影響，導(dǎo)致美顏SDK人臉情感表達(dá)的核心腦區(qū)（眼、口）信息缺失，嚴(yán)重影響模型訓(xùn)練和測試的效果。為此，有學(xué)者提出了將人臉轉(zhuǎn)化為正規(guī)化人臉再訓(xùn)練表情識別模型的方法。

至于歸一化，主要分為幾個步驟：光照歸一化、姿態(tài)歸一化、去除遮擋，因為文章篇幅的關(guān)系，在此不做過多的介紹。

三、數(shù)據(jù)增強

最后，在美顏SDK深度學(xué)習(xí)中，最常用的預(yù)處理模式是：數(shù)據(jù)增強。深度學(xué)習(xí)需要大量的訓(xùn)練數(shù)據(jù)，才能確保算法模型的精度和泛化能力。在表情識別領(lǐng)域，即使是研究得最早的基于圖片的人臉表情識別，現(xiàn)在最大的數(shù)據(jù)集AffectNet有40多萬張圖，比起?ImageNet、VGGFace2等數(shù)據(jù)集來說，都是小巫見大巫，至于其他更小眾的表情識別（如微表情識別）則更是少之又少。

上文，小編為大家講解了美顏SDK的人臉表情識別技術(shù)，感謝閱讀！