本书由浅入深、全面系统地介绍人脸图像的各个研究方向和应用场景，包括但不限于基于深度学习的各个方向的核心技术。本书理论体系完备，讲解时提供大量实例，可供读者实战演练。本书涵盖的内容非常广泛，从基本的人脸数据集发展历史和人脸检测开始，分别讲述在此基础上进行的人脸图像处理的相关技术与应用，涉及身份识别、安全认证、人机交互和娱乐社交等领域。

本书共11章，涵盖的主要内容有人脸图像与特征基础、深度学习基础、人脸数据集、人脸检测、人脸关键点检测、人脸识别、人脸属性识别、人脸属性分割、人脸美颜与美妆、人脸三维重建及人脸属性编辑。

本书适合计算机视觉领域的初学者及所有在人脸图像算法领域想要有所提高的工程技术人员、学生及教职工阅读。读者既可以将本书作为核心算法书籍学习理论知识，也可以将本书作为工程参考手册查阅相关技术。

本书核心知识：

1. 理论与背景基础知识

人脸图像的特点与人脸特征

深度卷积神经网络核心技术

人脸各个领域的数据集发展史

2. 图像识别核心知识

目标检测与人脸检测

人脸关键点检测

人脸识别

人脸属性识别

图像分割与人脸属性分割

人脸美颜与妆造迁移

人脸三维重建

人脸属性编辑

3. 八大经典案例

Faster RCNN框架人脸检测

轻量级人脸关键点检测

基于VGG与Center loss的人脸识别

轻量级人脸表情和年龄识别

轻量级人脸属性分割

基于GAN的人脸妆造迁移

三维人脸库的使用与重建

人脸动画头像风格化