OpenCV DNN 人脸检测教程

使用深度学习模型进行人脸检测是 OpenCV 提供的强大功能之一，适用于实时人脸识别、监控等场景。以下是关键步骤：

1. 环境准备

   • 安装 OpenCV 库（推荐版本 4.5+）
   • 确保支持 CUDA 的 GPU（可显著加速 DNN 计算）
   • 导入预训练模型（如 opencv_face_detection_model_v2.onnx）

2. 核心代码逻辑

   import cv2  
   # 加载模型  
   net = cv2.dnn.readNetFromONNX('model_path.onnx')  
   # 读取图像并处理  
   img = cv2.imread('test.jpg')  
   blob = cv2.dnn.blobFromImage(img, 1.0, (300, 300), (104, 117, 123))  
   net.setInput(blob)  
   detections = net.forward()  
   

   📌 检测结果可通过 detections 数组获取，每个检测框包含人脸位置与置信度信息

3. 可视化结果

   用不同颜色标注检测到的人脸区域，可参考 [OpenCV DNN 模型调用指南](/opencv_dnn_model_usage) 进一步优化

4. 注意事项

   • 模型文件需与 OpenCV 版本兼容
   • 调整 blobFromImage 参数可改善检测精度
   • 低性能设备建议使用 CPU 模式

如需完整代码示例或模型下载链接，请访问 OpenCV DNN 人脸检测实战 页。