点击上方△头像可进入主页码上一课导读人脸识别技术是一种依据人的面部特征，自动进行身份鉴别的一种技术，它综合运用了数字图像、视频处理、模式识别等多种技术。通过人脸特征提取和相似度比对，对于已经矫正好的两个人脸，会通过某种表达提取初始特征，然后应用知识模型对特征进行处理，最后再在度量空间里来计算两个特征的相似度。这个分值会告诉你这两个脸是不是同一个人的。人脸识别的过程包括：数据采集、人脸检测、五官定位、人脸预处理、特征提取。为了帮助研究过程中探索人脸识别，我们列出以下人脸检测和识别API。希望有所帮助！人脸检测和识别APIFace Recognition – 拉姆达实验室斯蒂芬弄的。示例代码和图形演示点击http://api.lambdal.com/docs，我们的API提供了面部识别，面部检测，眼睛定位，鼻子定位，嘴巴定位，和性别分类。Face (Detection) – 计算机视觉面部识别和面部检测。这是一个完美的face.com替代品。目前，我们有一个免费的API进行人脸检测。Animetrics Face Recognition – Animetrics的人脸识别API可用于图片中的人脸检测。面部特征或“地标”的信息被返回作为图象上的坐标。 Animetrics人脸识别也会在三维坐标轴上侦测并返回脸部位置信息。Skybiometry Face Detection and Recognition一个易于使用的人脸检测与识别的API。必须在您的SkyBiometry帐户中创建应用程序来使用它。（如果你还没有帐户，请先注册）。ImageVision Face Detection – 测试版发布更好的人脸检测服务！ImageVision是一个计算机视觉公司改进技术，确定在任意的（数字）的图像中的人脸的位置和大小。Face and scene recognition by Rekognition.com – Face.com的替代品！快速，强大和可扩展的rekognition引擎可以做面部检测，采集，识别，场景理解！它可以自动训练使用Facebook上的图像和标签！FaceRect – FaceRect是一个功能强大且免费的API进行人脸检测，能够发现网页中的或者上传文件中特定图片上的脸部（包括正面和侧面），并能够在一张图片中找到多张人脸，生成的 JSON输出每个脸部的边界框。OpenCV Face Recognizer -基于OpenCV（开源计算机视觉库： http://opencv.org ）是一个开源的BSD授权的库，其中包括数百个计算机视觉算法。Libface – Libface库旨在使人脸识别技术应用于开源社区。这是用C++编写的，托管在 Sourceforge上。这个库使用 OpenCV 2.0 ，目标是成为一个中间件，在人脸识别和检测时，开发人员不必包括任何OpenCV的代码。Animetrics人脸识别：该API可用于检测图片中的人脸并将其与一组已知的人脸进行匹配。API还可以添加或删除可搜索的图库中的主题，并添加或删除主题中的人脸。Betaface：人脸识别和检测Web服务。其特点包括多个人脸检测，面部裁剪，123个面部点检测（22个基本，101个高级），拥有非常大型数据库中的验证，识别，相似性搜索。Eyedea识别：专注于高端计算机视觉的解决方案，主要用于物体检测和物体识别的软件。提供眼睛，脸部，车辆，版权等识别的服务。API的主要价值在于可以即时了解对象，用户和行为。Face ++：人脸识别和检测服务，提供检测，识别和分析以用于应用。用户可以训练课程，人脸检测，人脸识别，人脸分析等一整套的视觉技术服务。FaceMark：开源人脸识别API，可在一张人脸的正面照片上能够检测68个点的API，以及一个特征的35个点。并生成包含面部标记和面向每个找到面部的矢量的JSON输出。FaceRect：一款功能强大且完全免费的面部检测API。该API可在一张照片上查找人脸（正面和侧面）或多张人脸，为每张找到的人脸生成JSON输出。此外，FaceRect可以为每个检测到的人脸（眼睛，鼻子和嘴巴）找到特征。Google Cloud Vision API：由像TensorFlow这样的平台提供支持，已启用可以学习和预测图像内容的模型。它可以帮助你找到自己喜欢的图像，并快速大规模地获取丰富的注释。它将图像分为数千个类别（例如“船”，“狮子”，“艾菲尔铁塔”），以相关情绪检测人脸，并识别多种语言的印刷品的词汇。IBM Watson Visual Recognition：可识别图像的内容。视觉概念标记图像，查找人脸，估计年龄和性别，并在集合中查找类似图像。还可以通过创建自己的自定义概念来培训服务。专栏简介：码上一课每日不定时更新，更新内容主要为人工智能与深度学习领域的论文开源源代码，用知识修炼心灵，以智慧对话世界，在这里，持续感受人工智能技术的魅力。专栏推荐：►「码上十点」CVPR2018论文源代码链接分享►「码上十点」十月份机器学习最火的四篇文章►「码上一课」快而准，经典的轻量级深度神经网络（论文代码）►「码上一课」2018计算机视觉顶会论文及源代码分享