English 繁體中文 简体中文

如何讓即時人臉辨識跑得更快(人臉辨識,版本 8)?

林邦源博士 · AI 筆記 · 2026 年 11 月 13 日 · 約 6 分鐘閱讀

版本 7 行得通,但它會卡。每一格影格都要按鏡頭的原始解析度,付找臉和編碼的成本, 這份成本就是畫面落後於你動作的原因。版本 8 在寬度和高度都縮到一半的副本上 做同樣的辨識,然後把框畫回原始尺寸的畫面。輸出看起來一樣。等待變短了。

寬度減半,工作量是四分之一

一格寬 1280 像素、高 720 像素的影格,大約有 920,000 個像素。兩個數字都減半,就是 640 乘 360, 大約 230,000 個——是四分之一,不是一半。偵測是在畫面裡掃描圖案,所以它的成本跟著像素數量走, 不跟寬度走。這就是為什麼一個聽起來保守的改動,能買回大部分速度。

1. 先量出畫面有多大

cap = cv2.VideoCapture(0)
scale_ratio = 0.5
multiple = int(1 / scale_ratio)
ret, img = cap.read()
width = int(img.shape[1] * scale_ratio)
height = int(img.shape[0] * scale_ratio)
dim = (width, height)

鏡頭必須在迴圈之前讀一次,原因只有一個:不知道畫面尺寸,就算不出更小的尺寸。 那一格影格用完就被迴圈裡的第一次讀取替換掉,所以什麼也沒有浪費。

img.shape 先報高再報寬,所以 shape[1] 是寬,shape[0] 是高。 乘以 0.5 得到更小的數字,int 丟掉小數,因為尺寸必須是整數個像素。 dim 把這一對數字準備好,交給 cv2.resize。

multiple 是後面用來乘框的數字:1 / 0.5 是 2。兩個比例都從一個變數算出來, 所以只改一處的 scale_ratio,兩邊就能保持一致。

2. 縮小畫面,再在縮小後的畫面上找

    ret, img = cap.read()
    resized = cv2.resize(img, dim, interpolation=cv2.INTER_NEAREST)
    rgb_img = cv2.cvtColor(resized, cv2.COLOR_BGR2RGB)
    face_locations = face_recognition.face_locations(rgb_img)
    face_encodings = face_recognition.face_encodings(rgb_img, face_locations)

原始尺寸的 img 保持不動,留給視窗用。版本 7 的每一次辨識呼叫現在都換成接收 resized,所以找臉和編碼都在四分之一的像素上做。

interpolation=cv2.INTER_NEAREST 的意思是每個新像素直接複製最近的那個舊像素。 它是各種縮放方法裡最快、也最不好看的,這裡不重要:小畫面從來不給人看,只用來找。 視窗顯示的仍然是原圖。

3. 把框乘回原來的尺寸

    for face_loc, name in zip(face_locations, face_names):
        y1, x2, y2, x1 = face_loc[0], face_loc[1], face_loc[2], face_loc[3]
        y1 = y1 * multiple
        x2 = x2 * multiple
        y2 = y2 * multiple
        x1 = x1 * multiple

就是這一步會出錯。臉是在小畫面裡找到的,所以那裡頂部在 100 的框,在完整畫面上應該在 200。 四條邊都得先乘 2 再畫。

忘了它不會崩潰,所以才容易漏掉。框只是出現在錯誤的位置、以錯誤的尺寸——通常擠在左上角, 尺寸是預期的一半。形狀對但位置不對的框,幾乎總是說明這個乘法被跳過了, 或者只乘了四個數字裡的某幾個。

4. 按原始尺寸繪製和顯示

        cv2.putText(img, name, (x1, y1 - 10), cv2.FONT_HERSHEY_DUPLEX, 1, (0, 200, 0), 2)
        cv2.rectangle(img, (x1, y1), (x2, y2), (0, 200, 0), 4)

    cv2.imshow("Frame", img)

繪製呼叫和版本 7 一樣,收到的仍然是 img。唯一的差別是 x1, y1, x2, y2 裡的數字已經還原到原始尺寸的比例。

完整程式

版本 1 的下載裡已經有這個檔案,不需要重新安裝:

import face_recognition
import cv2
import os
import glob
import numpy as np
images_folder = "images"
images_path = glob.glob(os.path.join(images_folder, "*.*"))

known_face_encodings=[]
known_face_names=[]
for img_path in images_path:
    img = cv2.imread(img_path)
    rgb_img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    basename = os.path.basename(img_path)
    (filename, ext) = os.path.splitext(basename)
    img_encoding = face_recognition.face_encodings(rgb_img)[0]
    known_face_encodings.append(img_encoding)
    known_face_names.append(filename)

cap = cv2.VideoCapture(0)
scale_ratio = 0.5
multiple = int(1 / scale_ratio)
ret, img = cap.read()
width=int(img.shape[1]*scale_ratio)
height=int(img.shape[0]*scale_ratio)
dim=(width,height)

while True:
    ret, img = cap.read()
    resized=cv2.resize(img,dim,interpolation=cv2.INTER_NEAREST)
    rgb_img = cv2.cvtColor(resized,cv2.COLOR_BGR2RGB)
    face_locations = face_recognition.face_locations(rgb_img)
    face_encodings = face_recognition.face_encodings(rgb_img, face_locations)

    face_names = []
    for face_encoding in face_encodings:
        matches = face_recognition.compare_faces(known_face_encodings, face_encoding)
        name = "Unknown"
        face_distances = face_recognition.face_distance(known_face_encodings, face_encoding)
        best_match_index = np.argmin(face_distances)
        if matches[best_match_index]:
            name = known_face_names[best_match_index]
        face_names.append(name)

    for face_loc, name in zip(face_locations, face_names):
        y1, x2, y2, x1 = face_loc[0], face_loc[1], face_loc[2], face_loc[3]
        y1=y1*multiple
        x2=x2*multiple
        y2=y2*multiple
        x1=x1*multiple
        cv2.putText(img, name, (x1, y1 - 10), cv2.FONT_HERSHEY_DUPLEX, 1, (0, 200, 0), 2)
        cv2.rectangle(img, (x1, y1), (x2, y2), (0, 200, 0), 4)

    cv2.imshow("Frame", img)
    key = cv2.waitKey(1)
    if key in (ord('q'), ord('Q')):
        break

cap.release()
cv2.destroyAllWindows()

選擇比例

0.5 是筆記型電腦上合理的起點。數值越低,越快也越看不清:

有一個要求:1 / scale_ratio 必須算出整數,因為 int 會截斷。 0.5 得 2,0.25 得 4,都沒問題。像 0.7 這樣的比例算出 1.42, 截斷成 1,框就永遠不會被放大——和上面一樣的安靜錯位。如果你要四分之三,自己算 multiple,例如 multiple = 1.4286,並且讓它保持小數,不要套上 int。

會看到什麼

先加上你自己的相片

和版本 7 一樣,只有當 images 資料夾裡有那個名字的檔案時,臉才會被叫出名字, 例如 Peter 對應 Peter.jpg。沒有它,不管比例是多少,每張臉都會報成 Unknown。

在自己的電腦上執行

用和版本 1 相同的下載: 下載 zip 檔案,解壓, 在 Visual Studio Code 裡打開資料夾。這篇筆記用的是 face08.py。 在這個資料夾裡第一次執行時,三行都跑:

uv python pin 3.12.10
uv sync
uv run face08.py

這三行只需要一次。下次想再執行程式,只打 uv run face08.py。

下一步

速度不再是問題,但標籤還在閃:幾格影格一個名字,然後 Unknown,然後又變回名字。 版本 9 是系列的最後一篇,處理這個閃爍。