对于 OpenCV 人脸检测和识别，人脸是不是略微失真是不是重要？

Posted 2023-03-16

【中文标题】对于 OpenCV 人脸检测和识别，人脸是不是略微失真是不是重要？

【英文标题】：Does it matter if faces are slightly distorted for OpenCV Face Detection & Recognition?对于 OpenCV 人脸检测和识别，人脸是否略微失真是否重要？

【发布时间】：2020-05-12 20:51:15

【问题描述】：

我正在编写一个使用 OpenCV 人脸检测和识别的程序，使用 this 作为指导

面部变形是否重要？例如，我正在考虑将相机*放在门上的窥视孔上，这会产生内在的失真。 OpenCV 还能检测和识别吗？

系统：树莓派 4 操作系统

Python 版本：3.x

*PS：如果有人能推荐一款好的 RPi 相机，它可以在窥视孔上很好地工作，那就太好了。目前正在考虑 RPi V2 摄像头。

谢谢！ :-)

【问题讨论】：

您的问题似乎不清楚。 良好的 RPi 相机 是什么意思？你有什么要求？请访问并查看how to ask a good question

@YunusTemurlenk “好”是指“最适合该任务”。无论如何，这只是关于失真的实际问题的一个附加问题

有人知道吗？！

【参考方案1】：

首先，相机质量对于检测面部（或其他物体）并不那么重要，因为我使用了更差的（0.5 Mpx 等低分辨率）相机，即使在这些相机上结果也很好。关于检测对象的要点取决于您使用的算法。流行的算法：

OpenCV 中的 Haar 级联人脸检测器 OpenCV 中基于深度学习的人脸检测器 Dlib 中的 HoG 人脸检测器 Dlib 中基于深度学习的人脸检测器

根据您共享的文档，Haar Cascade 是您正在考虑使用的算法。 Haar Cascade 可以更快地工作，但也可能存在一些问题（如遮挡、许多人脸的问题和一些扭曲的人脸图像等。）在this link 中有一个关于这些算法比较的非常好的文档。

Here也是haar级联人脸检测的教程。

我认为使用人孔摄像头检测人脸不会有问题。

【讨论】：

对。在博客上，程序员使用 LBP 分类器而不是 Haar。您对比较费率有什么想法吗？

是的，因为文档说 OpenCV DNN 似乎更好。

OK 所以 LBP 和 DNN 分类器是一样的？