上一篇我们讲到了人脸识别技术发展的三个阶段，今天我们正式进入主题，人脸识别的第一步：人脸检测。人脸检测是人脸识别的难题之一，作为这个星球的主宰者人类，我们可以很轻松的分辨出看到的东西里是否有人脸。但是对于只有0和1的计算机来说，要教它认识人脸那可不是一件容易的事。

现在公开发表出来的人脸检测算法有很多，不过不论算法怎么变化，每一个人脸检测算法都必须得考虑到以下几个情况：

• 图片中有多张人脸怎么处理
• 不同人的不同拍摄角度的相片如何分辨
• 不同肤色、表情、脸型如何辨别
• 眼睛、头发、头部饰品的遮挡如何处理
• 光照变化和成像条件不一致如何处理

篇幅有限，我们这里就拿比较流行的MTCNN算法来介绍人脸检测技术。MTCNN包含三个阶段：

• 1） 利用一个浅层的CNN快速产生候选窗口
• 2） 利用一个更复杂的CNN排除掉大量非人脸窗口
• 3） 利用一个更强大的CNN进一步改善结果，并输出人脸关键点位置。

其过程大概是这样：首先图像经过金字塔，生成多个尺度的图像，然后输入PNet, PNet由于尺寸很小，所以可以很快的选出候选区域，但是准确率不高，然后采用NMS算法，合并候选框，然后根据候选框提取图像，作为RNet的输入，RNet可以精确的选取边框，一般最后只剩几个边框，最后输入ONet,ONet虽然速度较慢，但是由于经过前两个网络，已经得到了高概率的边框，所以输入ONet的图像较少，然后ONet输出精确的边框和关键点信息．