Haar Cascades 到 YOLO：人脸检测迁移指南

Source: Dev.to

仍在生产环境中运行的 15 年老代码

Haar Cascades 随处可见。如果你曾使用过 OpenCV 的人脸检测器，你实际上使用的是 2001 年发布的方法。它比 Python 2.7 还要老，速度比 YOLO 慢，却仍然是互联网上每个 人脸检测教程 中出现的第一种方法。

但问题是：从 Haar 迁移到 YOLO 并不仅仅是换一个模型文件。预处理假设不同，输出格式完全不兼容。如果你没有仔细处理过渡，就会悄悄漏掉人脸，或让你的流水线充斥大量误报。

本文将演示一次真实的迁移过程：将现有的 OpenCV 人脸检测流水线改写为 YOLOv8。我会展示代码改动、性能差异，以及我首次尝试时出现的三个边缘案例。

图片来源：@cottonbro studio 于 Pexels

Haar Cascades 实际做了什么（以及它们为何仍然存在）

在 TildAlice 上继续阅读完整文章。