一、 需求概述
1.识别出照片中的人脸；
2.识别出照片中的脸型和人脸上的眉毛、眼睛、鼻子、嘴巴四个器官的大小及形状、位置；
3.并根据脸型以及主要器官的大小、形状、位置对人脸的美丽程度进行评价；
4.综合评价人脸的颜值，给出总评分；
5.将程序嵌入客户现有的WEB页面；
6.大小、形状、位置识别误差不超过实际情况的15%（不低于“研值”APP目前的识别效果）。
APP随意测试图片
二、 架构说明
"说明:
颜值评价应用服务器由Django构建，因为深度学习的相关算法需要由python来实现，Django是一个开放源代码的Web应用框架，由Python写成，许多成功的网站和APP都基于Django。
Django采用了MVC的软件设计模式，即模型M，视图V和控制器C三层分离的架构。颜值评价应用服务器都需要有对应的数据库服务器。
三、架构流程
1、 用户通过互联网，发送人脸图片至本地的颜值评分应用服务器；
2、 本地的颜值评分应用服务器根据负载均衡的原理将请求平均发送给颜值评分AI服务器
3、 本地的颜值评分AI服务器无需与外部的人脸及五官识别API进行通讯；
4、 本地的颜值评分AI服务器对脸型、五官大小、位置等进行评分，并将结果反馈给本地的颜值评分应用服务器；
5、 本地的颜值评分应所有服务器讲结果返回给用户。
四、技术实现 4.1脸型及五官的识别
基于SIFT特征点提取以及深度学习建模训练的发法，标注脸型及五官的特征点。如下图：
"说明:
4.2脸型长宽及五官大小位置的计算
根据脸型及五官的特征点，按指标值计算的脸型和五官的大小及位置。
4.3五官和脸型的评分
根据客户发来的” 三庭五眼数据 “生成标准脸脸型及五官模板，按模板匹配程度来计算的脸型和五官的得分。
五、硬件配置要求 （建议）HPE BL460c Gen9 刀片服务器
1.标配1个Intel Xeon E5-2609 v4 (1.7GHz/8-core/20MB/6.4GT-s QPI/85W, DDR4-1866)；
2.标配16GB (2x 8GB) 2400MT/s (DDR4-2400) Registered DIMMs at 1.2V)内存
3.标配1个HP FlexFabric 10Gb 2-port 536FLB FlexibleLOM和1个HP Smart HBA H244br控制器，支持RAID 0,1。
4.支持2块热插拔SFF SAS/SATA/SDD硬盘。
六、验收方式
1： 人脸识别
在测试样本上精度可以达到95%以上。
2： 脸型与五官大小位置计算
考虑到标准比较客观，实现与标准值的误差在了10%。
3： 颜值评分
考虑到标准比较主观，实现与人工判断比较接近的程度。