其实，这种技术当年在renren红极一时的时候，就已经出现了。最初是由FaceBook最先使用的。这种推荐tag的算法，讲究的就是一个top-1识别率，比较啥top-5识别率的算法都是在耍流氓！当然，人家FaceBook的top-1识别率那肯定要比QQ，renren啥的强一些！但当时用renren时，感觉它的推荐结果也不错（纯印象流）！可能是我好友太少，类间差距太大导致的！ 所以，总结一下，这种人脸检测->人脸对齐->人脸识别->tag推荐的算法不说是臭大街了吧，在数据量不大的情况下，上述流程中随便找几个开源算法，都能达到不错的效果。 废话了这么多，具体是怎么做到的，容小弟来一一讲解！ =============================================== 首先，一张非限定条件下（不是正面摆拍的）图片中肯定存在人脸姿态的变化。因此，就需要一个人脸检测器。10年前的算法——Viola-Jones detector 就能做到这点[1][2]。其实检测器的性能不需要要求很高，只要检测的差不多就行！像你上的这张图，扣脸扣的明显就不太行，但这种程度也够了。因为还有后续的工作可以一步步的提升最终的tag识别的性能。 =============================================== 扣完脸之后！脸要是歪着肿么办？！对齐人脸！ 目前而言，绝大部分的人脸识别算法，都需要进行alignment(对齐)操作，即将上一步抠出来的人脸图像都对齐到一组基准点上。说白了就是将抠出来的人脸的各个基准点(双眼、鼻尖、内外眼角)都对齐到一组标准位置上上。下面是对齐前后的对比图像(图均来自LFW数据库)。对齐以后，所有人的双眼都在图像上同一像素点了，当然鼻尖，眼角啥的都对上了！ 人脸对齐方法开源的也很多。比如说UMASS的[3]和Wolf等人的[4]。 图1 图2 图1对齐后 图2对齐后 =============================================== 本想答完的， 妈蛋，实验室大楼要关门了，先占着坑！明儿接着填recognition部分和最后tag推荐的部分！ 参考文献： [1]. http://www.vision.rwth-aachen.de/teaching/cvws08/additional/viola-facedetection-ijcv04.pdf [2]. Viola [3]. http://vis-www.cs.umass.edu/faceAlignment/ [4]. Labeled Faces in the Wild-a