深入理解Dlib基于CNN的MMOD人脸检测模型

import dlib
import cv2
import numpy as np

def detect_faces_with_mmod(image_path, model_path='mmod_human_face_detector.dat', upsample_times=1):
    """
    使用Dlib的MMOD CNN模型检测图像中的人脸。

    Args:
        image_path (str): 输入图像的路径。
        model_path (str): MMOD模型文件的路径，默认为'mmod_human_face_detector.dat'。
        upsample_times (int): 图像上采样的次数。上采样可以帮助检测较小的人脸，
                              但会增加计算量。默认为1。

    Returns:
        list: 包含dlib.mmod_rect对象的列表，每个对象代表一个检测到的人脸。
    """
    try:
        # 1. 加载MMOD CNN人脸检测器
        cnn_face_detector = dlib.cnn_face_detection_model_v1(model_path)
        print(f"成功加载MMOD模型: {model_path}")
    except Exception as e:
        print(f"加载MMOD模型失败: {e}")
        print("请确保'mmod_human_face_detector.dat'文件存在于指定路径。")
        return []

    # 2. 读取图像
    image = cv2.imread(image_path)
    if image is None:
        print(f"无法读取图像: {image_path}")
        return []

    # Dlib期望RGB图像，OpenCV读取的是BGR，需要转换
    rgb_image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

    # 3. 执行人脸检测
    # upsample_num_times 参数可以对图像进行上采样，有助于检测较小的人脸，
    # 但会增加计算成本。
    print(f"开始检测人脸，上采样次数: {upsample_times}...")
    detected_faces = cnn_face_detector(rgb_image, upsample_num_times)
    print(f"检测到 {len(detected_faces)} 个人脸。")

    # 4. 可视化检测结果
    for i, d in enumerate(detected_faces):
        # dlib.mmod_rect 对象包含矩形框 (rect) 和检测置信度 (detection_confidence)
        x1, y1, x2, y2 = d.rect.left(), d.rect.top(), d.rect.right(), d.rect.bottom()
        confidence = d.detection_confidence

        # 在原图上绘制矩形框
        cv2.rectangle(image, (x1, y1), (x2, y2), (0, 255, 0), 2)
        # 绘制置信度
        cv2.putText(image, f"{confidence:.2f}", (x1, y1 - 10), 
                    cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 255, 0), 2)

        print(f"人脸 {i+1}: 矩形框=({x1},{y1},{x2},{y2}), 置信度={confidence:.4f}")

    # 显示结果图像
    cv2.imshow("Dlib MMOD Face Detection", image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

    return detected_faces

# 示例用法
if __name__ == "__main__":
    # 确保 'mmod_human_face_detector.dat' 文件与脚本在同一目录下
    # 或者提供完整的路径
    # 你可以从 dlib-models GitHub 仓库下载此文件：
    # https://github.com/davisking/dlib-models/blob/master/mmod_human_face_detector.dat

    # 创建一个虚拟的图像文件用于测试
    # 实际应用中请替换为你的图像路径
    dummy_image_path = "test_image.jpg"
    dummy_image = np.zeros((400, 600, 3), dtype=np.uint8)
    cv2.putText(dummy_image, "Put your image here", (100, 200), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 255, 255), 2)
    cv2.imwrite(dummy_image_path, dummy_image)
    print(f"已创建虚拟图像: {dummy_image_path}")

    # 替换为你的实际图像路径
    # image_to_process = "path/to/your/image.jpg" 
    image_to_process = dummy_image_path # 使用虚拟图像进行测试

    # 执行检测
    detected = detect_faces_with_mmod(image_to_process, upsample_times=1)
    print(f"\n最终检测到的人脸数量: {len(detected)}")

    # 清理虚拟图像
    import os
    if os.path.exists(dummy_image_path):
        os.remove(dummy_image_path)
        print(f"已删除虚拟图像: {dummy_image_path}")