人脸识别系统，大致可以分成五个部分：人脸检测，质量度量，特征点定位和人脸对齐，人脸特征抽取，相似度度量。
获取到数据后，理所当然需要进行人脸的检测，人脸检测的方法很多，也很容易在网络上找到资源。具体的有：使用Opencv检测人脸，使用dlib库检测人脸，和使用深度学习模型进行检测。其中深度学习方法最好，使用框架faster-rcnn最流行。
得到人脸区域数据，还不能直接进行特征提取，一般有一个度量的过程。如果是基于视频，那么如果质量不行，可以放弃这一帧的数据，达到人脸选帧的目的。在项目中，我经常先使用清晰度度量方法，然后再姿势评估。清晰度度量判断人脸的清晰度，基于视频的系统主要是判定运动模糊。而人脸姿势估计，目前最好的方法是基于深度学习的方法。
特征点定位：定位人脸特征点，使用ASM和dlib库均能有不错效果，也可以使用深度学习的方法。得到特征点后，需要计算出 两眼中心点的位置，由这个位置对人脸区域进行水平旋转和归一化到一定像素距离。这样来保障人脸大小方向一致。注意需要选出比较好质量的人脸，否则可能会受影响。
人脸特征抽取：目前最流行使用 resnet 框架做人脸特征抽取
相似度度量：多种度量方法，经典的有 最近邻，COS度量，马氏距离等等
原文：https://www.cnblogs.com/XYZYY/p/9295812.html