實時人臉關鍵點/特徵點檢測目前有哪些好的演算法？
由於是要應用到實時檢測，所以對檢測速度有一定要求
要實現效果很好的人臉關鍵點標註，除了關鍵點演算法本身之外，離不開人臉檢測和跟蹤。
可參考：從傳統方法到深度學習，人臉關鍵點檢測方法綜述
實現過基於Pytorch版本的PFLD演算法，性能不錯，已落地。
PFLD: A Practical Facial Landmark Detector https://arxiv.org/pdf/1902.10859.pdf
Pytorch Implementation for 68 Facial Landmarks:https://github.com/github-luffy/PFLD_68points_Pytorch
Tensorflow Implementation for 98 Facial Landmarks: guoqiangqi/PFLD
dlib可以，C++的庫如果想自己訓練的話，推薦論文人臉特徵點定位的3000fpsopencv是不是可以了呀，這個不太清楚
目前github上開源的演算法有很多，效果也不錯，包括ERT，3000FPS，SDM，TCDCN等。ERT，3000FPS模型太大，不適合移動端，並且效果不是很好。SDM效果不錯，模型10MB左右，具有一定商業價值。目前基於深度學習的演算法取得了較好的效果，github也有一些開源的代碼實現，zeusees/HyperLandmark 這個git包含了SDM演算法和基於深度學習的106點face landmark。測試過這個，手機上大概6ms，效果能夠比得上商業級的代碼，只不過只提供了SDK，底層演算法沒有開源。
人臉識別目前用的比較多的一般是深度學習，演算法有deepface deepID facenet 等還有seetaface山世光教授的來源人臉識別搜索引擎
推薦閱讀：
