人脸检测相关方法的网络文章汇总_opencv 中haar和dlib那个检测更准-优快云博客

本文链接：https://blog.youkuaiyun.com/weixin_44637071/article/details/104801650

这篇博客汇总了人脸识别的相关方法，包括OpenCV的Haar特征，Dlib库的应用，以及MTCNN模型。文章指出，OpenCV在特定条件下表现一般，Dlib在准确率上优于OpenCV但性能稍逊，而MTCNN则在人脸检测上表现出色。此外，还提到了一些基于MTCNN和Facenet的实时人脸识别项目，以及超轻量级人脸检测模型和虹软的C#实现。最后，博客提供了大量计算机视觉大牛的博客和代码资源。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

快速导览

汇总文章

人脸识别相关开源项目汇总
计算机视觉人脸相关开源项目总结
人脸检测方案总结——百度AI、OpenCV与MTCNN
对于图片而言的。百度AI收费，OpenCV效果一般，MTCNN较好。

OpenCV(Haar)

正面/垂直/光线较好的人脸，该方法可以检测出来，而侧面/歪斜/光线不好的人脸，无法检测。因此，该方法不适合现场应用。

OpenCV3的人脸检测
较为详细的介绍
Python OpenCV 视频人脸检测
手工代码，非常简便。调用的电脑内置摄像头。
Python OpenCV 视频人脸检测+识别
和上一条相似

Dlib

跨平台的C++公共库，老牌人脸检测。

OpenCV + Dlib
OpenCV和Dlib的视频识别对比，有两个地方是不同的：
1.Dlib模型识别的准确率和效果要好于OpenCV；
2.Dlib识别的性能要比OpenCV差，使用视频测试的时候Dlib有明显的卡顿，但是OpenCV就好很多，基本看不出来。
HAAR与DLib的实时人脸检测之对比
作者用两行关键代码就实现了Dlib人脸检测

MTCNN

MTCNN与facenet实现实时人脸识别
手工代码，自行训练
基于mtcnn人脸检测+dlib人脸特征提取
本文主要是记录项目过程，主要的流程如下：
1.传入视频流使用mtcnn人脸检测，将人脸区域裁剪出来并且保存。
2.利用拉普拉斯算子去掉保存的图片中模糊的图片。
3.利用dlib库中人脸特征提取的算法提取人脸特征，并且利用聚类去除重复人脸。
基于MTCNN和Facenet的视频流人脸识别实战
本文开发的是一个完整的视频流人脸识别系统，主要流程如下：
首先，通过openCV抓取摄像头的视频流
第二，通过MTCNN对每帧图片进行人脸检测和对齐，当然考虑到效率我们可以每n个间隔帧进行一次检测
第三，通过facenet预训练模型对第二步得到的人脸进行512维的特征值提取
第四，收集目标数据集来训练自己的分类模型
第五，将第三部得到的512维的特征值作为第四部的输入，然后输出即为我们类别值
MTCNN + Deep_Sort实现多目标人脸跟踪之MTCNN人脸检测部分
手工代码，需自行训练模型。