FLCM 模型介绍

稳定调用及效果更好的API，详见视觉开放智能平台：人脸属性识别、表情识别。

人脸关键点置信度模型FLCM

模型描述

FLCM为达摩院自研的关键点置信度算法，基于关键点的好坏来判断输入图片的质量，可以作为人脸识别系统中的拒识模块, 该方法的主要贡献是在目前的人脸关键点模型上引入了额外的Face Quality Estimator: 可以根据关键点的质量来生成对应的得分。

模型结构

模型效果

模型使用方式和使用范围

本模型可以检测输入图片中人脸的5点关键点和对应的人脸质量质量分

代码范例

from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks

facial_landmark_confidence_func = pipeline(Tasks.face_2d_keypoints, 'damo/cv_manual_facial-landmark-confidence_flcm')
src_img_path = 'https://modelscope.oss-cn-beijing.aliyuncs.com/test/images/face_recognition_1.png'
raw_result = facial_landmark_confidence_func(src_img_path)
print('facial landmark confidence output: {}.'.format(raw_result))

# if you want to show the result, you can run
from modelscope.utils.cv.image_utils import draw_face_detection_result
from modelscope.preprocessors.image import LoadImage
import cv2
import numpy as np

# load image from url as rgb order
src_img = LoadImage.convert_to_ndarray(src_img_path)
# save src image as bgr order to local
src_img  = cv2.cvtColor(np.asarray(src_img), cv2.COLOR_RGB2BGR)
cv2.imwrite('src_img.jpg', src_img) 
# draw dst image from local src image as bgr order
dst_img = draw_face_detection_result('src_img.jpg', raw_result)
# save dst image as bgr order to local
cv2.imwrite('dst_img.jpg', dst_img)
# show dst image by rgb order
import matplotlib.pyplot as plt
dst_img  = cv2.cvtColor(np.asarray(dst_img), cv2.COLOR_BGR2RGB)
plt.imshow(dst_img)

使用方式

• 推理：输入图片，如存在人脸则返回人脸的五点关键点和对应的质量分。

目标场景

• 人脸相关的基础能力，可应用于视频监控/人像美颜/互动娱乐/人脸比对等场景

模型局限性及可能偏差

• 模型使用公开集训练，可能在某些具体的业务场景效果一般，
• 目前只支持单人的人脸关键点置信度识别。
• 当前版本在python 3.7环境测试通过，其他环境下可用性待测试

预处理

测试时主要的预处理如下：

• Resize：图像resize到120x120

人脸相关模型

以下是ModelScope上人脸相关模型:

• 人脸检测

• 人脸识别

• 人脸活体识别

• 人脸关键点

• 人脸属性 & 表情

来源说明

本模型及代码来自达摩院自研技术。