Python dlib（HOG+SVM）人脸识别总结

面部标志检测
dlib 68点（HOG+SVM），194点人脸识别模型，包括口（外嘴唇，内嘴唇），鼻，眉毛（左右眉），眼睛（左右眼），下鄂
5点面部标志检测器（左眼2点，右眼2点，鼻子1点）面部对齐更高效

眨眼检测 ear 眨眼瞬间达到0

疲劳驾驶检测—连续帧ear

面部对齐 眼睛 连线反正切获取旋转角度，期望图像眼睛横长度计算比率 左眼计算右眼相对坐标 眼睛横中心点作为旋转点，获取旋转矩阵 应用仿射变换

5点更适用于面部对齐，68点适用于眨眼检测及疲劳驾驶。
Haar级联：快速，但准确性较低。调整参数可能会很麻烦；
HOG +线性SVM：通常（显著）比Haar级联更准确，假阳性更少。在测试时需要调整的参数较少。与Haar级联相比，速度可能较慢。
基于深度学习的检测器：经过正确培训，其比Haar级联和HOG +线性SVM显着更准确，更耐用。根据模型的深度和复杂性，它可能非常慢。可以通过在GPU上执行检测来加快速度；
人脸检测：dlib（5面部对齐/68眨眼检测疲劳驾驶），opencv的haar级联（有无人脸。从左到右从上到下滑动窗口；易于伪阳性，小快但准确性稍