一、人脸检测概述

人脸检测，说白了就是让计算机在图像或视频里找到人脸的位置。不是识别你是谁，而是先回答一个问题——「这里有没有人脸？如果有，它在哪？」

我刚开始接触这个领域时，觉得这问题挺简单的。人眼一眼就能看到脸，机器怎么就不行呢？后来做了几个项目才明白，这背后涉及的图像处理、特征工程、机器学习知识，远比想象中复杂。

1.1 人脸检测的定义

人脸检测（Face Detection）是计算机视觉中的一个基础任务。它的目标是：

• 判断输入图像中是否包含人脸
• 定位人脸的位置（通常用矩形框标出）
• 输出人脸区域的坐标信息

注意，人脸检测≠人脸识别。检测只是找到脸，识别才是判断「这是谁」。很多初学者容易搞混，我当年也犯过这个错。

1.2 发展历程

人脸检测技术走了二十多年，我把它分成四个阶段：

阶段	时间	代表方法	特点
萌芽期	1990s	模板匹配、肤色模型	简单场景可用，光照一变就崩
经典期	2001	Viola-Jones（Haar + AdaBoost）	实时检测里程碑，至今仍有应用
深度学习期	2012-2016	CNN、R-CNN、MTCNN	精度大幅提升，开始处理复杂场景
成熟期	2017至今	RetinaFace、YOLO-Face、MediaPipe	轻量级、端侧部署、多任务联合

我记得2015年做第一个安防项目时，用的还是Viola-Jones。那时候在嵌入式设备上跑，帧率勉强到15fps。现在用MediaPipe，手机上都能跑30fps以上，而且还能同时检测 landmarks。技术迭代真的快。

1.3 应用场景

人脸检测已经渗透到我们生活的方方面面。我挑三个典型场景说说：

安防监控

• 重点区域人员检测、轨迹追踪
• 黑名单预警、人群密度分析
• 我曾经参与过一个地铁站的项目，高峰期画面里上百张脸，检测器必须同时处理遮挡、侧脸、低头看手机等各种情况。嗯，那会儿踩了不少坑。

移动支付

• 刷脸支付前的活体检测前置步骤
• 需要高精度、低延迟，而且不能把广告牌上的明星脸误检成真人
• 我建议做支付场景时，一定要加质量评估模块——模糊、过暗、过曝的图直接拒掉，别让检测器硬扛

美颜相机

• 人脸检测是美颜、贴纸、滤镜的第一步
• 要求实时性极高，通常30fps以上
• 你想想看，如果贴纸跟不上人脸移动，用户一秒就卸载了

1.4 技术挑战

人脸检测看起来简单，实际做起来全是坑。我总结三大核心挑战：

光照变化

光线太强人脸过曝，太暗细节丢失，侧光造成阴阳脸。同一个人的脸，在不同光照下像素差异可能比不同人还大。这就是所谓的「类内差异大于类间差异」。

遮挡问题

口罩、墨镜、帽子、手部遮挡，甚至只是刘海挡住眉毛，都会让检测器失效。疫情期间很多系统被迫升级，就是因为口罩导致大量漏检。

姿态变化

正面脸最好检，但实际场景中的人脸可能是：

• 左右侧脸（平面旋转）
• 低头抬头（俯仰角）
• 歪头（平面内旋转）

大角度侧脸的特征信息严重缺失，很多检测器直接跪了。

1.5 本章知识体系

下面这张图梳理了人脸检测的核心脉络，方便你建立整体认知：

这张图把本章的核心内容串起来了。从定义出发，到发展历程、应用场景、技术挑战和评估指标，五个维度构成了人脸检测的完整知识框架。后面的章节，我们会逐一深入每个技术细节。