Google ML Kit Vision人脸检测采用的技术及实现方法有哪些？

• 轻量化端侧推理框架：底层基于Google自研的MobileNet轻量化主干网络，结合SSD单阶段检测头做了移动端定制优化，支持INT8量化推理，无需云端算力即可离线运行，单帧推理延迟普遍低于100ms。
• 多维度人脸属性识别技术：可同时输出68个面部关键点坐标、人脸三维欧拉角（俯仰、偏航、翻滚角度）、人脸置信度、双眼开闭状态、笑容程度、人脸是否佩戴口罩等多项属性结果。
• 跨帧人脸跟踪技术：针对视频流场景做了特征匹配优化，同一人脸跨帧可复用跟踪ID，短时间遮挡场景下也能维持跟踪状态，避免检测框频繁跳变或丢失。
• 自适应图像预处理技术：输入图像会自动完成亮度校正、角度转正、分辨率适配处理，暗光、倾斜拍摄场景下的检测准确率提升明显。

1. 输入预处理
   调用方传入的图像/视频帧数据会先做归一化处理：根据用户选择的快速模式/高精度模式自动调整输入分辨率，将像素值映射到模型要求的[-1,1]区间，同时自动修正图像旋转角度，无需调用方额外做预处理操作。
2. 模型推理
   预处理后的张量输入内置的量化检测模型，一次前向推理即可同时输出所有人脸候选框坐标、置信度分数、关键点坐标、人脸属性参数，无需多次推理。
3. 后处理过滤

• 采用非极大值抑制（NMS） 算法过滤重叠度过高的重复候选框，保留置信度最高的有效人脸框
• 过滤掉置信度低于阈值的无效检测结果
• 将模型输出的相对坐标映射回原始输入图像的尺寸，得到实际的人脸框位置

4. 结果输出
   如果开启了人脸跟踪功能，会额外将当前帧的人脸特征和历史帧特征做匹配，给同一人脸分配稳定的跟踪ID，最终将所有检测结果封装后返回给调用方。

内容的提问来源于stack exchange，提问作者ISHAN KALANSOORIYA