dlib.get_frontal_face_detector()返回空rectangles[]如何解决

当前代码存在3个直接导致检测失败的问题：

• 强制将所有图片拉伸为720*720正方形，破坏了人脸原始宽高比例，会导致HOG特征匹配失效；同时缩放使用cv2.INTER_NEAREST最近邻插值，缩放后图片会产生明显锯齿、像素块失真，进一步破坏人脸纹理特征。
• 检测器的第二个参数为图片上采样次数，设置为0时不会对图片做放大处理，当视频截图中人脸尺寸小于80*80像素时，HOG检测器无法提取到有效人脸特征，自然返回空结果。
• 缺少图片读取有效性校验，若存在损坏、格式异常的图片，输入检测器后也无法得到有效结果。

修复步骤 #

按照以下顺序调整代码即可解决绝大多数场景下的空返回问题：

1. 缩放图片时保持原始宽高比，不要强制拉伸为正方形，插值方式替换为适合图片缩放的cv2.INTER_LINEAR（放大场景）或cv2.INTER_AREA（缩小场景），弃用会导致严重失真的最近邻插值。
2. 将检测器的上采样次数从0调整为1，对小人脸检测需求高的场景可以调到2，注意数值越大检测耗时越长。
3. 增加图片读取校验逻辑，自动跳过损坏、非图片格式的文件；检测前可以将图片转为灰度图输入，减少彩色通道干扰，小幅提升检测稳定性。

修正后可直接运行的代码 #

import cv2
import dlib
import os

# 初始化人脸检测器
detector = dlib.get_frontal_face_detector()
img_root = "/content/drive/MyDrive/new"
# 缩放后图片的最长边尺寸，保持宽高比
target_max_side = 720

for filename in os.listdir(img_root):
    # 过滤非图片格式文件
    if not filename.lower().endswith((".jpg", ".jpeg", ".png", ".bmp")):
        continue
    img_path = os.path.join(img_root, filename)
    frame = cv2.imread(img_path)
    # 跳过读取失败的损坏图片
    if frame is None:
        print(f"Skip unreadable file: {filename}")
        continue

    # 按原始宽高比缩放
    img_h, img_w = frame.shape[:2]
    scale_ratio = target_max_side / max(img_h, img_w)
    resized_w = int(img_w * scale_ratio)
    resized_h = int(img_h * scale_ratio)
    frame = cv2.resize(frame, (resized_w, resized_h), interpolation=cv2.INTER_LINEAR)

    # 转灰度图检测，上采样次数设为1
    gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    detect_faces = detector(gray_frame, 1)

    print(f"File name: {filename}")
    print(f"Detected face number: {len(detect_faces)}")
    print(f"Face rectangles: {detect_faces}")

补充说明：如果调整上采样次数到2后仍有部分图片返回空结果，先检查对应图片是否存在大角度侧脸、大面积人脸遮挡、严重过曝/欠曝、画质极度模糊的问题。默认的HOG正面人脸检测器对这类非理想场景鲁棒性有限，这类场景可以替换为dlib的CNN人脸检测器，对小人脸、侧脸的检测精度更高，GPU环境下运行速度也能满足需求。

内容的提问来源于stack exchange，提问作者Sharon