解密：智能美妆和动效自拍背后的技术(2)

图7 人脸识别

美妆需要人脸特征点达到超高精度定位，例如眼妆中的眼线睫毛，只有定位够精准，才能达到自然贴合的美妆效果。为了提供精度，我们采用了级联模型，先粗略定位人脸面部特征，再对五官进行精细化定位。

图8  智能美妆

人脸自拍动效应用处理移动端视频，对配准的处理速度要求严格。传统人脸配准技术不具备判定跟踪是否成功的能力，为避免跟踪过程中出现跟丢的现象（跟踪到非人脸区域），必须依赖耗时较长的人脸检测，我们的人脸配准增加了人脸判定功能，减少对人脸检测的依赖。另外我们采用了瘦长型深度神经网络，并应用SVD分解进行模型压缩和算法加速，算法模型大小控制在1M，主流手机上的处理时间仅需3ms。模型大小和计算速度均为业界最高水准。

视频1  人脸自拍特效

优图实验室不断跟进技术发展趋势，更新版本。优图人脸配准技术从传统方法迁移到深度学习方法，从最新学术研究成果到最佳工程取舍，我们经过多轮的迭代更新，做了大量的创新和尝试。于2013年4月发布了人脸配准1.0版本，粗略定位人脸五官，4个月后精准定位的2.0版本也成功发布，并应用在趣味类产品中。之后的版本3.0精度大幅提高，同时在美妆产品中落地。4.0版本开始应用深度学习方法，精度得到了进一步提高，平均精度超过了人工水平。今年5月我们发布的最新版本5.0采用深度多任务学习方法，在速度和深度网络模型大小都得到了大幅优化，主流手机帧率超过200，模型1M，并自带人脸判定功能。简介中提到的人脸自拍动效应用就得到了此版本的支持。

未来我们一方面着力提升已落地应用的用户体验，另一方面也积极探索新的应用场景。目前自拍视频的人脸配准跟踪效果仍存在不足。要解决此问题，提升用户体验依赖于进一步研究如何提升人脸配准的稳定性和精准度。除本文已提到的应用以外，优图人脸配准技术还可以应用于智能门禁系统、互联网金融核身、直播行业等众多领域。在新的应用领域，研究人脸配准技术如何满足新需求是我们必将面对的另一课题。

雷锋网注：本文由雷锋网(搜索“雷锋网”公众号关注)发布，如需转载请联系原作者，并标明出处和作者，不得删减内容。