利用 MTCNN 快速进行人脸检测

大家好啊，我是董董灿。

今天介绍一个非常简单，利用 MTCNN 模型快速进行人脸检测的方法。

先介绍一下什么是 MTCNN 。

1、什么是 MTCNN

MTCNN(Multi-task Cascaded Convolutional Networks，多任务级联卷积网络)是一种流行的人脸检测算法。

MTCNN 主要用于检测图像中的人脸位置，并对人脸的关键点(如眼睛、鼻子、嘴巴等)进行定位。

该算法的特点是采用了级联结构(也就是网络连接网络)，分为三个阶段(P-Net、R-Net、O-Net)逐步精细化人脸检测和关键点定位的结果。

1. P-Net(Proposal Network): 第一阶段的网络，负责生成候选的人脸区域。

它通过滑动窗口在不同尺度上对图像进行扫描，对每个窗口进行分类和边界框回归，以确定是否存在人脸及其大致位置。

2. R-Net(Refine Network): 第二阶段的网络，对 P-Net 生成的候选区域进行进一步筛选和精细化。

它通过对这些候选区域进行分类、边界框回归和人脸关键点定位，剔除大部分非人脸区域，同时对人脸位置进行更精确的调整。

3. O-Net(Output Network): 第三阶段的网络，对 R-Net 的输出进行最终的精细化处理。

它进一步优化人脸区域的边界框和关键点位置，以获得最终的检测结果。

MTCNN 算法具有较高的检测精度，并且实时性好，在移动设备和嵌入式系统中广泛应用。

2、利用 MTCNN 快速进行一个人脸检测

使用 Python 语言调用 mtcnn 来完成人脸检测，使用如下代码：

ini 复制代码

from mtcnn.mtcnn import MTCNN
import cv2
# 初始化MTCNN人脸检测器
face_detector = MTCNN()
# 读取图像img = cv2.imread("./face.jpeg")
# 进行人脸检测faces = face_detector.detect_faces(img)
# 在图像中绘制人脸框和关键点
for face in faces:    x, y, w, h = face["box"]
    cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
    for key, value in face["keypoints"].items():
        cv2.circle(img, value, 2, (0, 255, 0), -1)

processed_img = "./processed_image.jpg"
cv2.imwrite(processed_img, img)
print("succ dump processed img to:", processed_img)

下面是我从网上找到的一张待检测图片：

使用 MTCNN 算法检测后，输出的检测后图片如下：

可以看到上图不仅用蓝框标出来人脸的区域，而且还标出来嘴巴和鼻子的位置。

上述代码很简单，使用起来也很简单，感兴趣的小伙伴可以复制以上代码，自己下载一个带有人脸的图片试一试。

作为对比，你可以查看之前利用 OpenCV 进行人脸检测的效果：实战小项目：利用 OpenCV 快速完成人脸检测。