携手创作，一起成长！这是我参加「日新计划 8 月更文挑战」的第1天，点击查看活动概况

前言

  在这里学习介绍一种快速完成人脸检测，实测检测FPS逾越OpenCv自带 haarcascade 系列。 直接执行：

pip install mediapipe

概述

  MediaPipe 人脸检测是一种超快的人脸检测解决计划，具有 6 个地标和多面支撑。它基于BlazeFace，这是一种为移动 GPU 推理量身定制的轻量级且功能良好的人脸检测器。该探测器的超实时功能使其能够应用于任何需要准确的面部感兴趣区域作为其他特定任务模型的输入的实时取景器体验，例如 3D 面部要害点估计（例如，MediaPipe Face Mesh）、面部特征或表情分类，以及人脸区域切割。BlazeFace 运用轻量级特征提取网络，其灵感来自但不同于MobileNetV1/V2 ，这是一种由Single Shot MultiBox Detector (SSD)修正的 GPU 友爱型锚计划(arxiv.org/abs/1512.02…

示例demo

  修正model_selection整数索引0或1.用于0选择最适合间隔相机 2 米以内的人脸的短间隔模型，以及1最适合 5 米内人脸的全间隔模型。min_detection_confidence取值在[0.0, 1.0]，表明为人脸检测模型中的最小置信度值被以为是成功的检测。默以为0.5。

  检测到的人脸集合，其间每个人脸都表明为一个检测原型音讯，其间包括一个鸿沟框和 6 个要害点（右眼、左眼、鼻尖、嘴巴中心、右耳和左耳）。鸿沟框由xmin和width（均由[0.0, 1.0]图画宽度归一化）和ymin和（均由图画高度height归一化）组成。[0.0, 1.0]每个要害点由x和组成，分别由图画宽度和高度y归一化。[0.0, 1.0]

import cv2
import mediapipe as mp
mp_face_detection = mp.solutions.face_detection
mp_drawing = mp.solutions.drawing_utils
# For webcam input:
cap = cv2.VideoCapture(0)
with mp_face_detection.FaceDetection(model_selection=0, 
                                     min_detection_confidence=0.5) as face_detection:
    while cap.isOpened():
        success, image = cap.read()
        if not success:
            print("Ignoring empty camera frame.")
            # If loading a video, use 'break' instead of 'continue'.
            continue
        # To improve performance, optionally mark the image as not writeable to
        # pass by reference.
        image.flags.writeable = False
        image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
        results = face_detection.process(image)
        # Draw the face detection annotations on the image.
        image.flags.writeable = True
        image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)
        if results.detections:
            for detection in results.detections:
                mp_drawing.draw_detection(image, detection)
        # Flip the image horizontally for a selfie-view display.
        cv2.imshow('MediaPipe Face Detection', cv2.flip(image, 1))
        if cv2.waitKey(5) & 0xFF == 27:
            break
cap.release()

运用单张图画进行检测可得如下测验效果：

一起来学MediaPipe（一）人脸及五官定位检测
一起来学MediaPipe（一）人脸及五官定位检测

拓展

  咱们能够在代码中检测到处理图画的shape=(480, 640, 3),经过归一化后检测数据映射到[0,1],在这里按照份额能够反归一化获取目标坐标在shape上的坐标，建立人脸图画及五官坐标矩阵能够辅助完成人脸辨认项目，提高辨认率。