基于MTCNN的人脸检测项目，包含 Python 实现和 C++ 实现，支持 ONNX 推理加速。
MTCNN 是一种基于深度学习的人脸检测算法，通过级联三个卷积神经网络（P-Net、R-Net、O-Net）实现高效的人脸检测和关键点定位。本项目提供了：
- Python 版本：完整的 MTCNN 实现，支持图像检测和摄像头实时检测
- C++ 版本：基于 ONNX Runtime 的高性能推理实现
- 模型导出：支持将 PyTorch 模型导出为 ONNX 格式
| 原始图像 | 检测结果 |
|---|---|
 |
 |
pj_mtcnn/
├── py/ # Python MTCNN 实现
│ ├── demo.py # 图像人脸检测演示
│ ├── camera_demo.py # 摄像头实时人脸检测
│ ├── images/ # 测试图像目录
│ │ ├── image.jpg # 原始测试图像
│ │ └── drawed_image.jpg # 检测结果图像
│ └── mtcnn/ # MTCNN 核心模块
│ ├── __init__.py # 模块初始化
│ ├── detector.py # 人脸检测器主类
│ ├── get_nets.py # P-Net/R-Net/O-Net 模型定义
│ ├── export_net.py # ONNX 模型导出脚本
│ ├── utils.py # 工具函数
│ ├── weights/ # NPY 格式预训练权重
│ │ ├── pnet.npy
│ │ ├── rnet.npy
│ │ └── onet.npy
│ └── onnx/ # 导出的 ONNX 模型
│ ├── pnet.onnx
│ ├── rnet.onnx
│ └── onet.onnx
├── cpp/ # C++ MTCNN 实现
│ ├── main.cpp # 主程序入口
│ ├── mtcnn.cpp # MTCNN 核心实现
│ ├── mtcnn.h # MTCNN 头文件
│ ├── image.jpg # 测试图像
│ ├── onnx/ # ONNX 模型目录
│ │ ├── pnet.onnx
│ │ ├── rnet.onnx
│ │ └── onet.onnx
│ ├── onnxruntime-win-x64-gpu-1.18.0 / onnxruntime-win-x64-gpu-1.18.0 / # ONNX Runtime 依赖
│ │ ├── include/ # 头文件目录
│ │ └── lib/ # 库文件目录
│ └── x64/ # 编译输出目录
│ └── Release/
├── config_imgs/ # VS2022 配置截图
│ ├── 1.jpg
│ ├── 2.jpg
│ ├── 3.jpg
│ └── 4.jpg
└── README.md # 项目说明文档
| 文件 | 功能描述 |
|---|---|
py/demo.py |
图像人脸检测演示脚本，加载图像并检测人脸，绘制边界框和关键点 |
py/camera_demo.py |
摄像头实时人脸检测，使用 OpenCV 读取摄像头并实时显示检测结果 |
py/mtcnn/detector.py |
FaceDetector 类，提供人脸检测、绘制、裁剪等接口 |
py/mtcnn/get_nets.py |
P-Net、R-Net、O-Net 三个神经网络的 PyTorch 定义 |
py/mtcnn/export_net.py |
将 PyTorch 模型导出为 ONNX 格式的脚本 |
py/mtcnn/utils.py |
辅助工具函数（非极大值抑制、边界框处理等） |
| 文件 | 功能描述 |
|---|---|
cpp/main.cpp |
C++ 主程序，演示图像人脸检测流程 |
cpp/mtcnn.cpp |
MTCNN 算法的 C++ 实现，调用 ONNX Runtime 进行推理 |
cpp/mtcnn.h |
MTCNN 类的头文件声明 |
cpp/onnxruntime-win-x64-gpu-1.18.0/ |
ONNX Runtime GPU 版本的头文件和库文件，本项目搭配了OpenCV 4.4.0版本 |
| 文件 | 描述 |
|---|---|
pnet.npy / pnet.onnx |
P-Net 模型，快速生成人脸候选框 |
rnet.npy / rnet.onnx |
R-Net 模型，过滤误检候选框 |
onet.npy / onet.onnx |
O-Net 模型，精确人脸检测和关键点定位 |
MTCNN 采用三级级联结构：
- P-Net（Proposal Network）：快速生成大量人脸候选框
- R-Net（Refine Network）：对候选框进行精细筛选
- O-Net（Output Network）：输出最终人脸边界框和5个关键点（左眼、右眼、鼻子、左嘴角、右嘴角）
- 边界框（bbox）：
[x1, y1, x2, y2, score]，左上角和右下角坐标及置信度 - 关键点（landmark）：
[right_eye_x, left_eye_x, nose_x, right_mouth_x, left_mouth_x, right_eye_y, left_eye_y, nose_y, right_mouth_y, left_mouth_y]
from mtcnn import FaceDetector
from PIL import Image
detector = FaceDetector()
image = Image.open("./images/image.jpg")
# 检测人脸
bboxes, landmarks = detector.detect(image)
# 绘制并保存结果
drawed_image = detector.draw_bboxes(image)
drawed_image.save("./images/drawed_image.jpg")python camera_demo.py- Visual Studio 2022
- ONNX Runtime GPU 版本 1.18.0（include和lib目录结构包含在项目中，但是需要手动下载并解压）
- OpenCV 4.4.0 版本（需自行配置）
config_imgs/ 目录包含了相关的 VS2022 配置步骤截图：
| 截图 | 说明 |
|---|---|
 |
头文件搜索目录 |
 |
库文件搜索目录 |
 |
链接的库 |
 |
编译后需要将对应的三个dll文件复制到可执行文件所在目录，不然会报错。 |
如需重新导出 ONNX 模型：
from mtcnn.export_net import export_onnx
export_onnx() # 导出所有模型到 ./mtcnn/onnx/使用时根据情况调整，项目能运行即可。
- onnxruntime-win-x64-gpu-1.18.0，下载链接：ONNX Runtime GPU 版本 1.18.0
- OpenCV 4.4.0 版本（需自行配置），下载链接：OpenCV 4.4.0 下载，或 OpenCV官方下载。
本项目仅供学习和研究使用。