幾個(gè)月前，AIZOO曾經(jīng)盤(pán)點(diǎn)過(guò)?最強(qiáng)六大開(kāi)源輕量級(jí)人臉檢測(cè)項(xiàng)目分析 | 附打包下載，nihate同學(xué)將它豐富到10種算法，并用Python.對(duì)他們進(jìn)行了匯總整理，以及效果的對(duì)比。

Github鏈接：https://github.com/hpc203/10kinds-light-face-detector-align-recognition 可以閱讀原文跳轉(zhuǎn)。

原文：https://blog.csdn.net/nihate/article/details/108798831?

最近在微信公眾號(hào) AIZOO 里看到輕量級(jí)人臉檢測(cè)算法大盤(pán)點(diǎn)的文章，里面還提供了Github源碼地址，我就把它們逐個(gè)下載到本地Win10-CPU機(jī)器上，調(diào)試通過(guò)運(yùn)行。

去年在Github下載過(guò)一個(gè)包含6種人臉檢測(cè)的程序，分別是Pyramidbox，DSFD，S3FD，TinyFace，FaceBox，MTCNN，但是這些算法大多是重量級(jí)的網(wǎng)絡(luò)模型，它在一幅圖片上的人臉檢測(cè)結(jié)果和運(yùn)行耗時(shí)統(tǒng)計(jì)直方圖如下。

運(yùn)行效果如下圖所示：

耗時(shí)效果統(tǒng)計(jì)對(duì)比：

可以看到PyramidBox，DSFD，S3FD，TinyFace這4個(gè)模型是非常耗時(shí)的，對(duì)于比賽刷榜，我們可以用這種很大的模型，但是在工業(yè)界非常不實(shí)用，假如要部署到 ARM 的嵌入式設(shè)備上，大概率直接卡死。

因此我就整理了最近一年之內(nèi)的輕量級(jí)人臉檢測(cè)算法的程序，獨(dú)立編寫(xiě)一個(gè)包含多種輕量級(jí)人臉檢測(cè)算法集合的程序。PyTorch是我最喜歡的深度學(xué)習(xí)框架，在部署模型的前向推理時(shí)，我更喜歡用Opencv的dnn模塊。因而，我收集到的輕量級(jí)人臉檢測(cè)算法的程序如果是基于PyTorch框架的，我就不會(huì)對(duì)代碼做較大的改動(dòng)，如果程序是基于Caffe, Tensorflow或者Darknet的，我會(huì)把程序改寫(xiě)成用Opencv的dnn模塊做人臉檢測(cè)。最后我整理了10種人臉檢測(cè)算法，它們分別是：

• ?Ultra-Light-Fast-Generic-Face-Detector，程序里簡(jiǎn)寫(xiě)為ultraface

• ?LFFD：A Light and Fast Face Detector for Edge Devices，程序里簡(jiǎn)寫(xiě)為lffdface

• ?CenterFace， 程序里簡(jiǎn)寫(xiě)為centerface

• ?DBFace， 程序里簡(jiǎn)寫(xiě)位dbface

• ?RetinaFace， 程序里簡(jiǎn)寫(xiě)為retinaface

• ?MTCNN， 程序里簡(jiǎn)寫(xiě)為mtcnn

• ?SSD， 程序里簡(jiǎn)寫(xiě)為ssdface

• ?facebox，程序里簡(jiǎn)寫(xiě)為facebox

• ?yoloface，程序里簡(jiǎn)寫(xiě)為yoloface

• ?于仕琪老師提出的libfacedetection， 程序里簡(jiǎn)稱(chēng)為libface

此外，我編寫(xiě)的程序里還包含 PFLD: A Practical Facial Landmark Detector，它是一個(gè)簡(jiǎn)單、快速、超高精度人臉特征點(diǎn)檢測(cè)算法。到此一共有10種人臉檢測(cè)和1個(gè)人臉關(guān)鍵點(diǎn)檢測(cè)的程序，我用面向?qū)ο蟮乃枷氚衙恳环N人臉檢測(cè)算法寫(xiě)成一個(gè)類(lèi)的形式，里面包含構(gòu)造函數(shù)__init__和成員函數(shù)detect。最后，編寫(xiě)一個(gè)主函數(shù)，來(lái)做這10種人臉檢測(cè)算法在同一幅圖上的人臉檢測(cè)結(jié)果和運(yùn)行耗時(shí)的比較。我編寫(xiě)的這套程序在github上的地址是?

https://github.com/hpc203/10kinds-light-face-detector-align-recognition

我分別測(cè)試了兩幅圖片，第一幅圖片的檢測(cè)結(jié)果和運(yùn)行耗時(shí)統(tǒng)計(jì)直方圖如下：

耗時(shí)對(duì)比如下圖：

第2幅圖片的檢測(cè)結(jié)果和運(yùn)行耗時(shí)統(tǒng)計(jì)直方圖如下：

耗時(shí)對(duì)比如下圖：

這兩幅測(cè)試圖片有鮮明代表性，一幅是只有2個(gè)人臉，另一幅是有好多個(gè)人臉的。ssdface和libface的運(yùn)行速度最快，但是在有密集人臉的場(chǎng)景里，它們漏檢了很多人臉。綜合兩幅圖片的檢測(cè)結(jié)果，考慮檢測(cè)準(zhǔn)確率和運(yùn)行耗時(shí)的折中權(quán)衡，retinaface和lffdface是最優(yōu)選擇。retinaface運(yùn)行耗時(shí)雖然比lffdface的要略長(zhǎng)一點(diǎn)，但是retinaface的輸出里有5個(gè)關(guān)鍵點(diǎn)。

在我的程序里還有提取人臉特征向量和計(jì)算人臉特征向量距離的模塊，這兩個(gè)模塊再加上前面的人臉檢測(cè)和關(guān)鍵點(diǎn)檢測(cè)(做人臉對(duì)齊)的模塊，這樣就組成了人臉檢測(cè)+人臉對(duì)齊+人臉識(shí)別，這時(shí)候你就可以構(gòu)造一個(gè)實(shí)時(shí)的人臉識(shí)別系統(tǒng)。具體實(shí)現(xiàn)方式可以參見(jiàn)github代碼里的README.md。程序有不足的地方，還請(qǐng)同行多多指教。

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎(jiǎng)勵(lì)來(lái)咯，堅(jiān)持創(chuàng)作打卡瓜分現(xiàn)金大獎(jiǎng)

總結(jié)

以上是生活随笔為你收集整理的10种轻量级人脸检测算法大PK的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。