📚 课程目录第4章人脸检测基础

4. 人脸检测基础

人脸检测，说白了就是让计算机在一张图里找到人脸的位置。它是整个人脸识别系统的第一步，也是最关键的一步。你想想看，如果连脸都找不到，后面还谈什么识别？

我最早接触人脸检测是在2015年，那时候深度学习还没像现在这么普及。当时用的最多的就是Haar Cascade。虽然现在有了MTCNN、RetinaFace这些更强大的方法，但Haar Cascade依然有它的用武之地——轻量、快速、不需要GPU。在一些嵌入式设备上，它还是首选。

  核心观点： Haar Cascade是传统计算机视觉中的人脸检测经典方法，基于Haar-like特征和AdaBoost级联分类器。理解它的原理，能帮你更好地理解现代检测方法。

4.1 Haar Cascade分类器原理

Haar Cascade的核心思想其实很简单：用一些简单的矩形特征来区分人脸和非人脸。这些特征就是Haar-like特征，也叫矩形特征。

常见的Haar特征有三种：

边缘特征： 检测明暗变化明显的区域，比如眼睛和脸颊的边界
线特征： 检测细长的明暗条纹，比如鼻梁
中心特征： 检测中心与周围对比明显的区域，比如眼睛比周围暗

为什么这些特征能检测人脸？因为人脸有一些固定的明暗规律。比如：

眼睛区域比脸颊暗
鼻梁比两侧亮
嘴巴区域比周围暗

Haar特征就是通过计算白色矩形和黑色矩形内像素和的差值，来捕捉这些规律。

我的经验： 我在项目中遇到过一个问题——光照不均匀时，Haar特征的计算结果会偏差很大。后来我用了直方图均衡化做预处理，效果好了不少。所以，预处理真的很重要。

但光有特征还不够。一张24x24的图片，Haar特征的数量能达到16万多个。如果每个特征都去计算，速度会慢得离谱。这时候就需要AdaBoost算法出场了。

AdaBoost的核心思想是：从海量特征中挑选出最有区分力的那些，组合成一个强分类器。具体来说：

给每个训练样本一个权重
训练一个弱分类器（其实就是选一个Haar特征+一个阈值）
计算这个弱分类器的错误率
增加被错分样本的权重，降低正确样本的权重
重复步骤2-4，直到达到预设的弱分类器数量
把这些弱分类器加权组合成一个强分类器

但即使这样，直接用一个强分类器去扫描整张图片，速度还是不够。Viola和Jones提出了一个巧妙的方法——级联结构。

级联结构就像是一个层层筛选的漏斗：

前几层用很少的特征快速排除明显不是人脸的区域
后几层用更多的特征精细判断
只有通过所有层的区域才被认为是人脸

这样做的好处是：大部分非人脸区域在前几层就被排除了，只有少数候选区域需要经过全部层的判断。速度提升了10倍以上。

注意： 级联结构的层数不是越多越好。层数太多，虽然误检率低了，但漏检率会上升。我曾经调过一个30层的级联分类器，结果人脸检测率只有60%多。后来降到20层，检测率回到了85%。所以，要平衡。

4.2 OpenCV实现人脸检测

OpenCV里已经训练好了Haar Cascade模型，我们直接拿来用就行。模型文件在OpenCV的安装目录下，常见的几个：

模型文件	检测目标	特点
haarcascade_frontalface_default.xml	正面人脸	最常用，检测正面效果不错
haarcascade_frontalface_alt.xml	正面人脸	比default更严格，误检率低
haarcascade_profileface.xml	侧面人脸	检测侧脸，但效果一般
haarcascade_eye.xml	眼睛	可做人眼检测

基本的使用流程是这样的：

import cv2

# 加载模型
face_cascade = cv2.CascadeClassifier(
    'haarcascade_frontalface_default.xml'
)

# 读取图片
img = cv2.imread('test.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 检测人脸
faces = face_cascade.detectMultiScale(
    gray,
    scaleFactor=1.1,
    minNeighbors=5,
    minSize=(30, 30)
)

# 绘制结果
for (x, y, w, h) in faces:
    cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)

cv2.imshow('Face Detection', img)
cv2.waitKey(0)

这段代码看起来简单，但有几个关键点需要注意：

转灰度图： Haar特征是基于灰度计算的，所以要先转灰度
detectMultiScale： 这个函数名里的MultiScale就是多尺度检测的意思
返回结果： 返回的是人脸矩形框的列表，每个框是(x, y, w, h)

我的习惯： 我一般会在检测前先做直方图均衡化，特别是光照不均匀的图片。代码就一行：gray = cv2.equalizeHist(gray)。效果很明显。

4.3 检测参数调优

detectMultiScale有四个关键参数，调好了效果天差地别。我一个个说。

参数	作用	推荐值	调大/调小的影响
scaleFactor	图像缩放比例	1.05 - 1.2	调大：速度快，但可能漏检；调小：检测更精细，但速度慢
minNeighbors	最小邻居数	3 - 6	调大：误检率低，但可能漏检；调小：检测更多，但误检多
minSize	最小人脸尺寸	(30, 30)	调大：忽略小脸，速度快；调小：能检测小脸，但误检增加
maxSize	最大人脸尺寸	不设置	一般不用设置，除非你知道人脸最大多大

scaleFactor 这个参数，我刚开始用的时候总搞不明白。它控制的是图像金字塔的缩放比例。每次缩放后，用固定大小的检测窗口去扫描。scaleFactor=1.1表示每次缩小10%。

为什么要有这个参数？因为人脸在图片里大小不一。通过缩放图片，让检测窗口能匹配到不同大小的人脸。

我曾经踩过的坑： 有一次做视频实时检测，我把scaleFactor设成了1.01，想着检测更精细。结果一帧要处理2秒，完全没法用。后来改成1.15，速度上来了，但漏检了一些小脸。最后折中到1.08，效果和速度都还行。所以，要根据实际场景来调。

minNeighbors 这个参数也很关键。它控制的是：一个候选区域周围有多少个其他检测框，才认为它是真正的人脸。

你想想看，如果minNeighbors设成1，那只要有一个检测框就算人脸。这样误检会很多。设成5，就需要周围有5个框都检测到才算。误检少了，但可能漏掉一些真实的人脸。

我一般这样调：

如果误检多，增大minNeighbors
如果漏检多，减小minNeighbors
通常3-6之间比较合适

4.4 多尺度检测

多尺度检测，说白了就是解决一个问题：人脸在图片里大小不一样。

比如一张合影，站在前面的人脸大，后面的人脸小。如果用固定大小的检测窗口，大脸能检测到，小脸就漏了。

OpenCV的做法是构建图像金字塔：

把原图按scaleFactor逐级缩小
对每一级缩放后的图片，用固定大小的检测窗口扫描
把所有检测结果合并起来

这样做的好处是：不管人脸在图片里多大，总有一级金字塔能匹配上。

但代价也很明显——计算量大了。金字塔层数越多，需要处理的图片就越多。

  性能优化建议：
  如果知道人脸的大致大小，可以设置minSize和maxSize，减少金字塔层数
scaleFactor不要太小，1.1-1.2之间比较合理
可以先缩小原图再检测，比如把1080p缩到720p

我做过一个测试：一张1920x1080的图片，scaleFactor=1.1时，检测耗时约200ms；scaleFactor=1.2时，耗时约120ms。速度提升了40%，但漏检率从2%升到了5%。

所以，调参就是一个权衡的过程。没有完美的参数，只有适合你场景的参数。

我的建议： 如果你刚开始用Haar Cascade，先用默认参数跑一遍，看看效果。然后根据结果，一次只调一个参数。别上来就全调，那样你都不知道是哪个参数起了作用。

最后说一句，Haar Cascade虽然老了，但它的思想——用简单特征+级联结构实现快速检测——至今仍有借鉴意义。理解了它，你再去看YOLO、SSD这些现代检测方法，会发现很多相似之处。