人脸识别过程

（1）人脸检测：从图形中识别出一个区域为人脸，检测窗口有大小，一般只检出比检测窗口大的人脸； （2）人脸定位：在识别的人脸中定位M个人脸关键点； （3）人脸特征：根据人脸中定位的M个关键点计算人脸特征N维浮点向量（常见有128、256、512维等）、以及人脸的置信度； （4）人脸检索：根据人脸特征从人脸特征库中检索相似人脸，相似度常采用余弦夹角或欧氏距离度量。

在人脸检测和人脸定位过程中，还有人脸角度校正（参见人脸姿态）、人脸清晰度计算等相关操作，这里不作展开。

通常，人脸识别的前3个步骤，人脸检测、人脸定位、人脸特征计算这3个步骤需要串行执行，因此均包含在同一个模块中，依赖GPU加速缩短计算时间，该模块最终产出人脸特征（相对来说，其中的人脸检测步骤相对快一些）。

人脸检索是独立模块，常见的开源高维向量检索引擎有faiss，其基本原理是先划分数据空间，检索时先粗筛缩小范围再进行细筛，可以做到检索时延很低，仅使用CPU即可。

（1）人脸大小 指定更大的人脸检测框，大的检测框更容易在检测阶段过滤掉无需识别的人脸，比如设置要识别的人脸框大小为200*200px会比160*160px更快。 （2）人脸数量 指定更少的人脸数目，会使得在人脸检测阶段一张图片识别的人脸更少，从而在人脸检测过后需要进行人脸定位、人脸特征计算的人脸更少，整个人脸识别过程速度更快。

（3）评测人脸识别效率的主要因素 1）输入图片中人脸数目：没有脸，1个脸，n个脸等，输入图片包含的人脸越少，整体的人脸识别速度越快。 2）人脸识别过程2个重要参数 需要识别的人脸大小 需要识别的人脸数量

根据实际测试数据，普通生活照平均每张图中3个人脸，单张P4卡可提供3~4qps。