OpenCV人脸检测框稳定追踪实战 - 第4节

4. RetinaFace检测器

RetinaFace 是当前最先进的人脸检测器之一，融合了多任务学习与特征金字塔结构。本节深入剖析其核心设计：RetinaFace架构、特征金字塔、SSH模块 以及 关键点回归。

▎RetinaFace 整体架构

RetinaFace 基于 ResNet 或 MobileNet 作为骨干，通过特征金字塔 (FPN) 提取多尺度特征，并在每个金字塔层级附加 SSH 模块与多任务预测头。

▎特征金字塔 (FPN)

RetinaFace 采用自上而下的路径和横向连接，构建 P2 ~ P5 特征金字塔，使浅层细节与深层语义融合。

▎SSH 模块 (Single Stage Head)

SSH 模块通过并行不同膨胀率的卷积层（3×3, 5×5, 7×7）扩大感受野，同时保持计算高效。每个金字塔层级后均附加 SSH。

▎关键点回归 (Landmark Regression)

RetinaFace 同时预测人脸框的 5个关键点（左眼、右眼、鼻尖、左嘴角、右嘴角），使用 Smooth L1 损失进行回归，提升追踪稳定性。

▎组件速览

组件	作用	输出
骨干网络	提取基础特征 (C2~C5)	多尺度特征图
特征金字塔 (FPN)	融合高低层语义	P2~P5 特征
SSH 模块	多感受野上下文增强	增强特征
分类头	人脸/背景二分类	置信度分数
框回归头	边界框偏移	4个坐标
关键点头	5个面部关键点	10个坐标值

▎PyTorch 风格伪代码

# RetinaFace 检测头示意 (简化)
class RetinaFaceHead(nn.Module):
    def __init__(self, in_channels):
        super().__init__()
        # SSH 模块：3×3, 5×5, 7×7 并行
        self.conv3 = nn.Conv2d(in_channels, 256, 3, padding=1)
        self.conv5 = nn.Conv2d(in_channels, 256, 5, padding=2)
        self.conv7 = nn.Conv2d(in_channels, 256, 7, padding=3)
        self.fusion = nn.Conv2d(256*3, 256, 1)
        # 预测分支
        self.cls_head = nn.Conv2d(256, 2, 1)          # 人脸/背景
        self.box_head = nn.Conv2d(256, 4, 1)          # 边界框
        self.landmark_head = nn.Conv2d(256, 10, 1)    # 5关键点

    def forward(self, x):
        # SSH 前向
        x3 = self.conv3(x)
        x5 = self.conv5(x)
        x7 = self.conv7(x)
        x = torch.cat([x3, x5, x7], dim=1)
        x = self.fusion(x)
        # 多任务输出
        cls = self.cls_head(x)
        box = self.box_head(x)
        lm = self.landmark_head(x)
        return cls, box, lm