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
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。