上图已经完整地描述了人脸识别整个过程需要用到的技术点：
| 关键流程 | 实现方法 | 依赖技术 |
|---|---|---|
| 人脸采集 (Face Collect) | 任意摄像头或照片均可，提前录入标准人脸，用于后续比对 | opencv |
| 人脸检测 (Face Detection) | 涵盖了关键点检测，推荐用开源工具实现 | mediapipe |
| 特征定位 (Feature Landmarks) | 通常合并到人脸检测一起得到各个特征的地标 | - |
| 人脸对齐 (Face Alignment) | 通过仿射矩阵对人脸进行旋转/平移/缩放处理，使得人脸的角度/位置/距离尽可能贴近标准脸 | numpy |
| 活体检测 (Living Detection) | 这里不涉及 | - |
| 特征提取 (Face Feature) | 把人脸各个特征点归一化、输入神经网络进行 Embedding，得到一个 n 维的特征向量 | dlib |
| 特征比对 (Face Compare) | 计算两个特征向量的欧氏距离，得到人脸的相似度 | numpy |
- 《MediaPipe 基础 - 人脸检测》
- 《Mediapipe 人脸网格 (Face Mesh)》
- 《利用机器学习进行人脸 468 点的 3D 坐标检测》
- 《基于 mediapipe 的人体 33 个关键点坐标（BlazePose）》
- 《人脸三维关键点检测 + 颜值打分（达芬奇指标）》
- 《opencv-mediapipe 人脸检测-颜值打分 + 摄像头实时》