Розробка системи детекції облич (Face Detection)

Розробка систем виявлення обличчя

Виявлення обличчя - це перший етап майже будь-якого face-конвеєра. Завдання: знайти всі обличчя на зображенні та повернути обмежувальні рамки з оцінкою впевненості. Звучить просто, але реальні умови добавляють складність: маленькі обличчя на відстані, профільні кути, часткові перекриття, погане освітлення, маски.

Сучасні детектори облич

SCRFD (Sample and Computation Redistribution for Face Detection, InsightFace) — поточно найкращий за співвідношенням швидкість/якість. SCRFD-10GF: 95.2% AP на WiderFace Hard.

RetinaFace — класика з детекцією орієнтирів (5 точок: очі, ніс, кутики рота). Використовується для вирівнювання перед розпізнаванням облич.

YOLOv8 fine-tuned на WiderFace — універсальний варіант для кастомних вимог.

from insightface.app import FaceAnalysis
import cv2

# InsightFace: виявлення + детекція орієнтирів
app = FaceAnalysis(allowed_modules=['detection'])
app.prepare(ctx_id=0, det_size=(640, 640))

def detect_faces(image_path: str) -> list[dict]:
    img = cv2.imread(image_path)
    faces = app.get(img)

    results = []
    for face in faces:
        results.append({
            'bbox': face.bbox.astype(int).tolist(),     # [x1, y1, x2, y2]
            'confidence': float(face.det_score),
            'landmarks': face.kps.astype(int).tolist()  # 5 keypoints
        })
    return results

Виявлення дрібних облич

Стандартні детектори втрачають обличчя менше ніж 16x16 пікселів. Для камер відеоспостереження на великій відстані:

• Image tiling: розділяємо зображення на перекриваючі плитки, виявляємо на кожній, об'єднуємо результати через NMS
• SAHI (Slicing Aided Hyper Inference) — автоматична плитка з об'єднанням:

from sahi import AutoDetectionModel
from sahi.predict import get_sliced_prediction

model = AutoDetectionModel.from_pretrained(
    model_type='yolov8',
    model_path='face_detector.pt',
    confidence_threshold=0.3
)

result = get_sliced_prediction(
    image='crowd.jpg',
    detection_model=model,
    slice_height=512,
    slice_width=512,
    overlap_height_ratio=0.2,
    overlap_width_ratio=0.2
)

Продуктивність на різному обладнанні

Виявлення облич у масках

Пандемія сформувала окремий клас завдань — виявлення облич у медичних масках. Набір даних MAFA містить 35,806 розміткованих облич у масках. Дофінальтрування стандартного детектора на MAFA+WiderFace: AP на маскованих обличчях збільшується з 65% до 89%.