年龄、性别、表情、眼镜、皮肤识别、口罩人脸属性分析 _人脸识别算法

人脸属性分析，主要是基于人脸图像识别人脸的基本属性训练数据基于收集的400万张不同场景人脸数据。
目前算法支持：
【年龄、性别、表情、眼镜、皮肤识别、口罩人脸属性分析】1. 人脸的三维角度[roll,yaw,pitch]分析
2. 年龄[0-100]
3. 性别[男女]
4. 表情[普通微笑大笑 ....] 7种表情
5. 眼镜[无眼镜太阳镜普通眼镜]
6. 皮肤[黄白黑]
7.口罩【戴口罩，没有口罩】（新增）

文章插图
性能模型大小:4.5MArm 设备（CPU 1.9 GHz）运行时间 5ms
运行效果图
算法准确率记录：
应用场景智能相机 / 数据结构化
各属性论文的优秀实现方案
一,人脸特征点定位：
1. faceat2014, 运行较快（3,000 fps on aor 300 fps on aphone），但是存在侧脸准确度低，模型文件太大的问题[受特征点个数影响较大]，在 300-W (68 )数据集误差值为4.95。

文章插图
2. Deep2013采用三级级联的DCNN网络准确度较高，该方法在LFPW数据集上取得当时（2013年）最好的定位结果。但是预测时间较长，120毫秒/张，在LFW上5个关键点误差值为1.3左右。
3. -to-Fine Auto-(CFAN) for Real-Time Face2014 一种由粗到精的自编码器网络，CFAN可以实时地完成人脸人脸对齐（在I7的台式机上达到23毫秒/张）
二，人脸表情识别
1.for2016 结构简单：[Conv-(SBN)-ReLU-()-(Max-pool)]M - [-(BN)-ReLU-()]N --. 准确率为65%by, whichof about 37,00048 × 48 pixel gray-scaleof faces.
2.viaDeep2017准确率在95.7% on CK+ .
三，性别，年龄，种族识别
1.Age andusing2015 这篇文章没有什么新算法，只有调参，改变网络层数、卷积核大小，只要懂得，实现这篇文献的算法，会比较容易。在 86.8%，Age 预测精准的值准确率在50.7%，预测年龄段准确率在 84.7%，使用的数据集是。
2.基于LBP，亮度、形状直方图的多尺度特征融合的性别识别（Based onofScalebyFromof LBP, , and Shape）（2013年，IEEE检索）在性别识别中融入信息论概念，对PCA、LDA等经典识别算法进行简化，在简化过程中根据熵、互信息量等指标提出一套特征选择理论，很有创新性和跨学科性。The bestbased on pixelwas 87.85% for a 36 × 36 pixel image.using shape91.59%for 128 × 128 size, and 93.46% using LBP, also on 128 × 128 image sizes.the three types of(, shape and )the best score of 95.33% on the FERET .
4.基于形状特征和神经网络的现实人脸性别分类（on real world faces based on shapeand）（2014年）先对人脸进行对齐操作，用人工神经网络的方法进行分类，在LFW数据库的非正向人脸样本部分做实验，识别率达到89.3%.

年龄、性别、表情、眼镜、皮肤识别、口罩 人脸属性分析

年龄、性别、表情、眼镜、皮肤识别、口罩人脸属性分析