项目简介：
对摄像头采集到的数据进行处理，使用two-stage模型完成人脸检测，姿态检测，关键点识别，活体检测与人脸识别
责任描述：模型训练与部署
1. 对摄像头采集的视频进行处理,使用yolov3tiny完成人脸检测
2. 多任务：Backbone使用resnet34，完成关键点（wing-loss），人脸姿态（landmark-free直接回归欧拉角），性别（分类），年龄检测（回归）
3. 通过计算人眼关键点横纵比变化来进行活体检测
4. 人脸识别：backbone使用SeNet，头网络使用Arcface，使用BS架构。为了调高计算并行度，将原论文中的loss改为(FeatureMax @ W)
5. 优化人脸识别评估自动调参，FAR错误接受率低于十万分之一，FRR 51%，精准率55%（单张图片）
6. 优化人脸数据自动录入（姿态过滤，翻滚角修正，依据翻滚角进行仿射变换）