如何使用DeepFace.detectFace()检测单张图像中的多张人脸？

首先直接给结论：默认的DeepFace.detectFace()确实只能返回单张人脸，但你完全可以通过DeepFace提供的其他函数或者调整实现逻辑，来检测并提取图片中的所有人脸。下面是具体的解决思路和代码示例：

为什么detectFace()只返回一张人脸？ #

这个函数的设计定位是快速获取单张高质量人脸——它会自动筛选出检测结果中置信度最高的人脸，裁剪并预处理后返回，所以默认不会输出多个人脸结果。

解决方案1：使用DeepFace.detect_faces()（推荐） #

DeepFace专门提供了detect_faces()函数来处理多场景人脸检测，它会返回图像中所有检测到的人脸的详细信息，包括边界框、置信度，甚至可以直接获取裁剪后的人脸图像。

示例代码：

from deepface import DeepFace

# 传入图片路径，检测所有人脸
all_faces = DeepFace.detect_faces(img_path="your_image.jpg", detector_backend="mtcnn")

# 遍历每一个检测到的人脸
for idx, face_info in enumerate(all_faces):
    print(f"第{idx+1}张人脸：")
    print(f"  边界框坐标：{face_info['facial_area']}")
    print(f"  检测置信度：{face_info['confidence']:.4f}")
    # 如果需要裁剪好的人脸图像，直接取face字段
    cropped_face = face_info['face']
    # 这里可以对裁剪后的人脸做后续处理（比如特征提取、识别等）

你可以通过detector_backend参数指定不同的检测后端（比如opencv、dlib、retinaface），和detectFace()支持的后端完全一致。

解决方案2：手动调用底层后端（如果需要自定义流程） #

如果你坚持要基于detectFace()的预处理逻辑，也可以手动调用它依赖的检测后端，拿到所有人脸的检测结果后，再逐一处理：

比如以MTCNN后端为例：

from deepface.detectors import MTCNNWrapper
import cv2

# 初始化MTCNN检测器
mtcnn_detector = MTCNNWrapper.build_model()

# 读取目标图片
img = cv2.imread("your_image.jpg")
# 转换为RGB格式（MTCNN需要RGB输入）
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# 检测所有人脸，返回包含边界框和置信度的列表
detections = mtcnn_detector.detect_faces(img_rgb)

# 遍历每个检测结果，裁剪并预处理人脸
for detection in detections:
    # 获取人脸边界框
    x, y, w, h = detection['box']
    # 裁剪人脸区域
    face_crop = img_rgb[y:y+h, x:x+w]
    # 按照DeepFace的默认规则调整尺寸（比如224x224，适配大多数模型）
    face_crop = cv2.resize(face_crop, (224, 224))
    # 后续可以复用detectFace()中的归一化等逻辑，或者直接用于特征提取

总结 #

如果你只是需要检测并提取所有人脸，优先用DeepFace.detect_faces()，它是官方为多场景检测设计的接口，简单高效；如果需要自定义检测后的处理流程，再考虑手动调用底层后端。

内容的提问来源于stack exchange，提问作者Tlaloc-ES