我第一次来这里，但我确实进行了搜索，可惜没有找到帮助。
我有一个面部识别算法...目前，我正在尝试提高其效率。
经过研究，我得出结论认为 dlib.get_frontal_face_detector（）是使我的代码变慢的功能。
然后，我的方法是删除人物的背景并仅提取两个图像之间的差异。之后，我得到了从完整图像和原始图像中裁切的图像，并且只有差异的图像要小得多（例如，完整图像：1520 x 2592像素和带有面部的裁剪图像：150x200像素）。
OBS：探测相机远非被识别的人，因此，人脸在图像中很小，这种大小的大部分是无用的，因此我决定去掉无用的部分。
但是，这里的事情变得疯狂了： 当我将较小的，较小的裁切的脸部应用于 dlib.get_frontal_face_detector（）时，有时它无法识别！ （有时候它会认出来，这很奇怪！）。这听起来很奇怪，因为当我将完整图像应用到face_detector时，即使分辨率相同，但形状较大，它只能识别同一张脸！
我想我在这里缺少一些理论信息...
detector = dlib.get_frontal_face_detector()
new_image = []
im2, contours, hierarchy = cv2.findContours(im_bw,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
for contour in contours:
[x, y, w, h] = cv2.boundingRect(contour)
#print(x, y, w, h)
if h<20 or w<20:
continue
else:
new_image.append(img2_n[y*inv_coef:y*inv_coef+h*inv_coef, x*inv_coef:x*inv_coef+w*inv_coef])
for images in new_image:
rgb_img = cv2.cvtColor(images, cv2.COLOR_BGR2RGB)
dets = detector(rgb_img, 1)
在较小图像的提取器上方，并将其用于检测器。下面是我将完整图像应用于同一检测器的简单代码。
full_img = cv2.cvtColor(img2, cv2.COLOR_BGR2RGB)
dets = detector(full_img, 1)
任何对DLIB，OPENCV和PYTHON有所了解的人都可以帮助我吗？
OBS¹：未被识别的图像大于for中定义的阈值，以丢弃太小的图像。