接着上一小节的人脸检测项目，本小节主要讲述一下工程化实现人脸的识别和匹配，希望可以帮助小伙伴们在超短的时间内完成全流程的开发工作。
1.人脸识别：简单高效识别人脸
上一小节我们通过python 实现了人脸检测，可以看到整体效果还是很不错的。
2.人脸匹配：半小时完成项目开发
人脸匹配是就是把当前检测到的人脸，和数据库已知的人进行身份比较，根据置信度返回相似匹配结果，常用的实际例子，如人脸签到，人脸鉴证等。
人脸匹配的核心步骤是两步：
（1）检测人脸，并获得当前人脸的 face vector。这一过程包括人脸检测和人脸 feature map提取两步，feature map是基于人脸检测bbox、有特征提取器提取而来，后面会专门讲解。另外，数据库人脸也需利用特征提取器提取。
（2）将当前人脸 face vector 和数据库已知的人脸进行相似度比较，根据置信度获取最佳匹配结果。通常是进行余弦相似度计算，获得与数据库已知人脸最相似、即余弦相似度最大的人脸信息，然后根据置信度判断返回当前人脸判定结论。
余弦相似度的定义：又称为余弦相似性，是通过计算两个向量的夹角余弦值来评估他们的相似度。余弦相似度将向量根据坐标值，绘制到向量空间中，如最常见的二维空间。
运行：1）系统：wind10, cpu, x64，8GB内存；2）配置：python3.6, torch, opencv等；
本次示例选择了 普京、易阳天玺、杨幂等10个数据库已知人和 20个干扰项（others）。
人脸检测 + 数据库匹配结果1：成功
人脸检测 + 数据库匹配结果2：成功
人脸检测 + 数据库匹配结果3：成功
人脸检测 + 数据库匹配结果6：失败， 因为数据库没有凤姐的信息！
3.项目工程
今天就分享到这里, 我是paperClub。
备注：
1. 感谢各位小伙伴的关注， 您的点赞、鼓励和留言，都是我深夜坚持的一份动力，无论褒贬，都是我们行进途中最好的回馈，也都会被认真对待。
2. 我将持续分享各类、好玩且有趣的算法应用及工程和项目，欢迎分享和转发。沟通、学习和交流，请与我联系，虽然平时忙，但留言必回，勿急，感谢理解！
3. 分享内容包括开源项目和自研项目，如在引用或使用时，考虑不周、遗漏引用信息或涉及版权等，请您及时联系。如果您对某些内容感兴趣，我们可以一起讨论、交流和学习。
