一个使用Go语言实现的高效视频人脸检测和截取工具，支持并发处理，能快速从视频中检测并保存人脸图像，并为人脸质量打分。

1. 🔍 读取视频文件并逐帧检测人脸
2. 📸 自动截取检测到的人脸并保存为图片
3. ⭐ 为人脸质量打分（基于大小和清晰度）
4. ⚡ 多协程并发处理，提高解析速率
5. 🎯 支持命令行参数配置，灵活使用

• Go 1.18+（推荐使用最新版本）
• OpenCV 4.x

重要提示：安装OpenCV和配置GoCV环境可能比较复杂。请参考本项目中的INSTALL.md文件，获取详细的Windows平台安装指南。

1. 首先安装Go语言环境
2. 按照INSTALL.md中的步骤安装OpenCV和配置GoCV
3. 安装GoCV包：

   go get -u gocv.io/x/gocv

4. 下载人脸检测模型： haarcascade_frontalface_default.xml

# 基本使用（使用默认参数）
go run main.go

# 自定义参数使用
go run main.go -video your_video.mp4 -model haarcascade_frontalface_default.xml -output detected_faces -workers 8 -skip 1

• -video: 输入视频文件路径（默认为 "input_video.mp4"）
• -model: 人脸检测模型路径（默认为 "haarcascade_frontalface_default.xml"）
• -output: 人脸图像输出目录（默认为 "detected_faces"）
• -workers: 并发工作协程数量（默认为 4）
• -skip: 跳帧数量（用于加快处理速度，默认为 0，即不跳帧）

输出的人脸图像文件命名格式为：

face_worker{workerID}_frame{frameNum}_{timestamp}_quality{score}.jpg

• workerID: 处理该帧的工作协程ID
• frameNum: 人脸所在的视频帧号
• timestamp: 时间戳（确保唯一性）
• score: 人脸质量评分（0-100分）

评分基于以下两个因素：

1. 人脸大小（占30%权重）：适中的人脸大小（50-200像素）得分更高
2. 清晰度（占70%权重）：基于拉普拉斯算子计算的图像清晰度

1. 对于长视频，可以使用 -skip 参数跳帧处理，提高速度
2. 根据CPU核心数调整 -workers 参数，一般设置为CPU核心数的1-2倍
3. 对于高清视频，可以考虑先降采样处理再进行人脸检测

1. 编译错误：找不到opencv2/opencv.hpp

   • 请参考INSTALL.md文件，确保正确设置了CGO环境变量
   • 确保OpenCV已正确安装并配置

2. OpenCV 4.12.0 兼容性问题 如果您安装了OpenCV 4.12.0版本并在编译时遇到protobuf相关错误（如"error: temporary of non-literal type 'google::protobuf::internal::CallOnceInitializedMutexstd::mutex' in a constant expression"），请尝试以下解决方案：

   • 更新GoCV版本：

     go get -u gocv.io/x/gocv

   • 降级到更稳定的OpenCV版本（如4.5.x或4.6.x）
   • 查看GoCV官方文档获取最新的兼容性信息

3. 无法找到人脸

   • 确保已下载并正确放置人脸检测模型文件
   • 调整视频的亮度和对比度，有助于提高检测准确率

4. 处理速度慢

   • 增加 -skip 参数值，减少处理的帧数
   • 增加 -workers 参数值，提高并发处理能力
   • 对于高清视频，可以先进行降采样处理

1. 程序需要足够的内存来处理视频和图像数据
2. 对于大型视频文件，处理时间可能较长
3. 人脸检测的准确性取决于视频质量和人脸清晰度

MIT