如何在MediaPipe人脸检测中提取人脸的X、Y整数坐标？

核心解决方案 #

MediaPipe的FaceDetection检测结果包含了你需要的所有信息，只需对输出的归一化数据做简单转换即可拿到整数坐标，同时直接读取对应的属性就能获取人脸数量和置信度。

代码实现（Python） #

import cv2
import mediapipe as mp

# 初始化MediaPipe人脸检测和绘图工具
mp_face_detection = mp.solutions.face_detection
mp_drawing = mp.solutions.drawing_utils

# 打开摄像头
cap = cv2.VideoCapture(0)

with mp_face_detection.FaceDetection(
    model_selection=0,  # 0适用于近距离人脸，1适用于远距离
    min_detection_confidence=0.5) as face_detection:
    
    while cap.isOpened():
        success, image = cap.read()
        if not success:
            print("忽略空帧")
            continue

        # 转换图像为RGB（MediaPipe要求输入格式）
        image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
        results = face_detection.process(image_rgb)

        # 获取当前帧的尺寸
        img_height, img_width = image.shape[:2]

        # 处理检测结果
        if results.detections:
            # 1. 获取检测到的人脸数量
            face_count = len(results.detections)
            print(f"检测到人脸数量: {face_count}")

            for detection in results.detections:
                # 2. 获取人脸置信度
                confidence = detection.score[0]
                print(f"当前人脸置信度: {confidence:.2f}")

                # 3. 获取并转换人脸坐标为整数
                # 读取归一化边界框数据
                bbox = detection.location_data.relative_bounding_box
                # 转换为图像像素坐标（整数）
                x_min = int(bbox.xmin * img_width)
                y_min = int(bbox.ymin * img_height)
                bbox_width = int(bbox.width * img_width)
                bbox_height = int(bbox.height * img_height)
                
                # 计算人脸中心坐标（适合舵机追踪）
                face_center_x = x_min + bbox_width // 2
                face_center_y = y_min + bbox_height // 2
                print(f"人脸中心坐标(X,Y): ({face_center_x}, {face_center_y})")

                # 可选：绘制检测结果到图像上
                mp_drawing.draw_detection(image, detection)

        # 显示画面（翻转后更符合直觉）
        cv2.imshow('人脸检测', cv2.flip(image, 1))
        if cv2.waitKey(5) & 0xFF == 27:
            break

cap.release()
cv2.destroyAllWindows()

关键细节说明 #

• 人脸数量：直接通过len(results.detections)获取，detections是所有检测到的人脸对象的列表。
• 置信度：每个detection对象的score属性是一个包含单个浮点值的列表，取值范围0-1，值越高表示检测结果越可靠，取score[0]即可。
• 坐标转换：MediaPipe输出的是相对图像尺寸的归一化坐标（0到1之间），需要乘以图像实际的宽和高，再转换为整数。如果用于舵机追踪，推荐使用人脸中心坐标，避免边界框偏移导致追踪不准。

内容的提问来源于stack exchange，提问作者Fadi EID