DeepFace项目中FastMtCnn检测器的坐标转换问题分析

在计算机视觉领域，目标检测是一个基础而重要的任务，其中边界框(Bounding Box)的表示方式直接影响检测结果的准确性。本文针对DeepFace项目中FastMtCnn人脸检测器的一个坐标转换问题进行分析和探讨。

边界框表示方法

在目标检测中，边界框主要有两种表示方式：

1. xyxy格式：使用左上角(x1,y1)和右下角(x2,y2)两个点的坐标表示
2. xywh格式：使用左上角坐标(x,y)以及宽度(w)和高度(h)表示

理论上，这两种表示方法之间的转换应该是直接的数学关系：

• w = x2 - x1
• h = y2 - y1

问题发现

在DeepFace项目的FastMtCnn检测器实现中，发现了一个不寻常的坐标转换处理。在将xyxy格式转换为xywh格式时，代码额外增加了1个像素的宽度和高度：

def _xyxy_to_xywh(self, xyxy: Union[list, tuple]) -> list:
    x, y = xyxy[0], xyxy[1]
    w = xyxy[2] - x + 1  # 问题点：额外加1
    h = xyxy[3] - y + 1  # 问题点：额外加1
    return [x, y, w, h]

问题影响分析

这种处理方式会导致以下潜在问题：

1. 边界框尺寸不准确：对于本应宽10像素高28像素的边界框[[5,3],[15,31]]，转换后会变成宽11像素高29像素，与真实尺寸不符。

2. 边界情况问题：当检测框恰好位于图像边界时(如右下角坐标等于图像尺寸)，加1操作会导致边界框超出图像范围，可能引发后续处理错误。

3. 一致性破坏：与大多数计算机视觉库和框架的约定不一致，可能导致与其他组件的兼容性问题。

解决方案

正确的实现应该遵循标准的坐标转换公式，去掉不必要的+1操作：

def _xyxy_to_xywh(self, xyxy: Union[list, tuple]) -> list:
    x, y = xyxy[0], xyxy[1]
    w = xyxy[2] - x  # 修正：去掉+1
    h = xyxy[3] - y  # 修正：去掉+1
    return [x, y, w, h]

总结

在计算机视觉项目中，边界框的精确表示至关重要。虽然在某些情况下1个像素的差异可能不会立即导致明显问题，但这种非标准的实现方式会带来潜在风险，特别是在边缘情况和与其他系统集成时。保持与行业标准的一致性，遵循直观的数学关系，是确保算法可靠性和可维护性的关键。DeepFace项目团队已经及时修正了这个问题，体现了对代码质量的重视。