人脸检测 60 FPS
Face Detection 60 FPS
📌 项目介绍
用 OpenCV 内置的 Haar 级联分类器做人脸检测，在普通笔记本上即可达到约 60 帧/秒的实时速度。
与 MediaPipe 等深度学习方案相比，Haar 分类器模型极小、CPU 占用极低，适合资源受限或追求极致帧率的场景，也是理解传统 CV 检测原理的最佳起点。
🧰 环境与物料
- 电脑 + 摄像头
- Python 3.7+ 环境
- pip 安装：opencv-python
- （可选）图片/视频文件用于离线测试
🔧 步骤拆解
1
安装 OpenCV
pip install opencv-python
Haar 模型随 opencv 内置，无需额外下载
2
加载级联分类器
用 CascadeClassifier 加载人脸检测 xml 模型
常见模型：正面人脸（haarcascade_frontalface_default）
3
转灰度并检测
detectMultiScale 在灰度图上滑窗检测
灰度图可显著加速检测
4
绘制检测框
对每个返回的 (x, y, w, h) 画矩形框
可加抗锯齿线与文字标注
5
参数调优
scaleFactor、minNeighbors、minSize 影响漏检与误检
minNeighbors 调大减少误报，调小减少漏检
6
帧率对比与落地
统计 FPS 并显示在画面上
可接绿幕/特效/考勤等下游应用
💡 要点提示
- 侧面脸、戴墨镜会漏检，属于 Haar 方案的固有限制
- 画面缩小后再检测可以进一步提升帧率，框坐标按比例还原即可
- minSize 设为 30×30 以上可避免小窗误检