最近团队成员DH测试了下Openface、Face_recognition、Insightface这三个开源的人脸特征提取方法，摘要在此。这三个项目的地址分别是：

特征向量的维度

Openface、Face_recognition、Insightface分别是128、128、512；

输入对齐人脸的尺寸

Openface、Face_recognition、Insightface分别是96*96、112*112、112*112；

Accuracy on the LFW Benchmark

Openface、Face_recognition、Insightface分别是92.92%、99.38%、99.74%；

训练数据集

Openface、Face_recognition、Insightface分别是（FaceScrub和CASIA-WebFace）、

（FaceScrub，VGGface,以及来自网络的图片）、（MS-Celeb-1M和VGGface2）；

网络框架结构

Openface、Face_recognition、Insightface分别是Inception、ResNet、ResNet；

项目特点

  • Openface出现最早，网络结构和训练数据集较老；
  • Face_recognition模块安装和使用简便，支持mac、Linux和windows平台；
  • Insightface模型结构和训练数据集比较新。

图片测试

测试方法为用mtcnn检测和对齐人脸，对齐人脸输入至三种方法的网络中提取特征，然后对特征进行两种相似度计算。

前五组是同一个人脸两张不同图片，后五组是不同人脸的两张图片。表中值的格式为（余弦距离/欧氏距离/运行时间）：

1，从运行时间方面来看（运行时间是指提取人脸特征所消耗的时间），在测试服务器上运行，Openface平均时间11ms，Face_recognition平均时间24ms，Insigthface平均时间22ms。Openface用时最短，openface的CNN模型网络是基于inception，相对后两者的ResNet,网络层数少，因此时间最短；

2、 从准确率方面来看，前五组是同一人脸两张不同图片，后五组是不同人脸的两张图片；

Insightface

就Insightface而言，推荐的余弦距离阈值0.33，Insightface的识别全部正确，如果想要采用欧式距离来衡量相似度，根据这十组的结果，阈值至少在20以上，当然得到实际阈值还需要大量测试；

Face_recognition

就Face_recognition而言，官方推荐的欧式距离阈值0.6，Face_recognition的识别全部正确，若想要采用欧氏距离，则阈值大概在0.9以上，但是从余弦距离来看，区分并不明显，前五组和后五组相差很小；

openface

在openface中存在一个重要的问题，openface官方使用的squared L2 distance（欧式距离平方）推荐阈值0.99，换算成欧式距离约等于0.99。在测试中将mtcnn检测和对齐的人脸输入至openface提取特征后，结果是错误的，探其原因是输入的对齐人脸的问题。下面两张人脸是从同一张图片crop的，左边的人脸是openface采用的dlib库检测和对齐方法得到的，右边的人脸是用mtcnn检测和对齐的人脸方法得到，两张图有很大不同。

可以看出openface采用的检测和对齐方法主要集中在面部中下方，而mtcnn的包含了整个面部。所以在测试时，将mtcnn检测和对齐的人脸输入至openface提取特征后，结果出现大量错误，如果改用openface采用的dlib库检测和对齐方法，结果全部正确。这一点在视频测试中也得到了验证，使用mtcnn检测和对齐的人脸，openface会出现大量的错误。

视频测试

Face_recognition使用欧式距离0.5作为阈值，Insightface使用余弦距离0.33作为阈值，在同一个视频上进行重复人脸的检测，Face_recognition检测到499个重复人脸，Insightface检测到819个重复人脸。最后总体感觉就不表了。

 

 转自：https://zhuanlan.zhihu.com/p/43804018