人脸检测主要参考MTCNN论文，该论文利用了Cascaded CNN，实现real-time face detection。 代码在 pycaffe-mtcnn-master/main_Original.py中。通过修改det1,det2,det3阈值实现人脸检测的漏检率和误检率的变化。
人脸识别采用VGG-Net网络，网络通过提取fc8-2的特征向量，对特征向量进行比较，判断两张图片的相似度。改代码训练采用数据集CASIA-Webface，在应用代码时，请提前建立好自己的人脸对比库，对比库大致需要20张不同角度的图片以提高对比准确率。由于caffemodel过于巨大，不易上传，因此，请到VGG-face网站下载，已经验证他们的caffemodel应用效果良好
本代码采用台式机自带的蜂鸣器，通过调用beep.sh代码完成在检测到错误人脸时报警的操作。该操作的缺陷是会浪费大量的时间，因此，一旦检测到错误的人脸，会卡顿。因此，有一种解决方法是使用python的多进程加速。
