效果：

人脸检测+5个关键点 (左眼,右眼,鼻子,左嘴角,右嘴角)

模型信息：

全部代码如下：
 

using OpenCvSharp;
using OpenCvSharp.Dnn;
using System;
using System.Collections.Generic;
using System.Linq;
using System.Runtime.InteropServices;

public class YOLOv11FaceLandmarkDetector
{
    private Net _net;
    private float _confidenceThreshold = 0.5f;
    private float _nmsThreshold = 0.4f;
    private int _inputSize = 640;

    // 5个脸部关键点名称
    private readonly string[] _landmarkNames = { "left_eye", "right_eye", "nose", "left_mouth", "right_mouth" };

    // 关键点颜色
    private readonly Scalar[] _landmarkColors =
    {
        new Scalar(0, 255, 0),     // 左眼 - 绿色
        new Scalar(0, 0, 255),     // 右眼 - 红色
        new Scalar(255, 0, 0),     // 鼻子 - 蓝色
        new Scalar(255, 255, 0),   // 左嘴角 - 青色
        new Scalar(255, 0, 255)    // 右嘴角 - 粉色
    };

    public YOLOv11FaceLandmarkDetector(string modelPath)
    {
        // 加载模型
        _net = CvDnn.ReadNetFromOnnx(modelPath);

        // 尝试使用CUDA（如果可用）
        _net.SetPreferableBackend(Backend.OPENCV);
        _net.SetPreferableTarget(Target.CPU);
    }

    public class DetectionResult
    {
        public Rect BoundingBox { get; set; }
        public float Confidence { get; set; }
        public Point2f[] Landmarks { get; set; } = new Point2f[5];
    }

    public class LetterBoxInfo
    {
        public Mat Image { get; set; }
        public float Ratio { get; set; }
        public int PadWidth { get; set; }
        public int PadHeight { get; set; }
    }

    private LetterBoxInfo LetterBoxResize(Mat image, int targetSize = 640)
    {
        int width = image.Width;
        int height = image.Height;

        // 计算缩放比例
        float scale = Math.Min((float)targetSize / width, (float)targetSize / height);

        int newWidth = (int)(width * scale);
        int newHeight = (int)(height * scale);

        // 创建新的图像
        Mat resized = new Mat();
        Cv2.Resize(image, resized, new Size(newWidth, newHeight));

        // 计算填充
        int padWidth = targetSize - newWidth;
        int padHeight = targetSize - newHeight;

        int padLeft = padWidth / 2;
        int padTop = padHeight / 2;
        int padRight = padWidth - padLeft;
        int padBottom = padHeight - padTop;

        // 添加填充
        Mat padded = new Mat();
        Cv2.CopyMakeBorder(resized, padded, padTop, padBottom, padLeft, padRight,
                          BorderTypes.Constant, new Scalar(114, 114, 114));
        return new LetterBoxInfo
        {
            Image = padded,
            Ratio = scale,
            PadWidth = padLeft,
            PadHeight = padTop
        };
    }

    public List<DetectionResult> Detect(Mat image)
    {
        // 使用letterbox预处理
        var letterBoxInfo = LetterBoxResize(image, _inputSize);

        // 准备输入blob
        Mat blob = CvDnn.BlobFromImage(letterBoxInfo.Image, 1.0 / 255.0,
            new Size(_inputSize, _inputSize), new Scalar(0, 0, 0), true, false);

        // 设置输入
        _net.SetInput(blob);

        // 前向推理
        Mat output = _net.Forward();

        // 解析输出并映射回原图坐标
        var results = ParseOutput(output, image.Width, image.Height, letterBoxInfo);

        // 释放资源
        letterBoxInfo.Image.Dispose();
        blob.Dispose();
        output.Dispose();
        return results;
    }

    private List<DetectionResult> ParseOutput(Mat output, int originalWidth, int originalHeight, LetterBoxInfo letterBoxInfo)
    {
        var results = new List<DetectionResult>();
        // 获取输出数据
        // output shape: [1, 20, 8400]
        // 20 = 4(bbox) + 1(conf) + 10(5个关键点 * 2) + 5(关键点置信度)
        int numAnchors = output.Size(2); // 8400
        // 获取输出数据指针
        var outputData = new float[output.Total()];
        Marshal.Copy(output.Data,outputData,0,outputData.Length);
        // 重新组织数据为 [8400, 20]
        var reshapedData = new float[numAnchors, 20];
        for (int i = 0; i < numAnchors; i++)
        {
            for (int j = 0; j < 20; j++)
            {
                reshapedData[i, j] = outputData[j * numAnchors + i];
            }
        }
        var bboxes = new List<Rect>();
        var confidences = new List<float>();
        var landmarksList = new List<Point2f[]>();

        for (int i = 0; i < numAnchors; i++)
        {
            float confidence = reshapedData[i, 4];

            if (confidence > _confidenceThreshold)
            {
                // 解析边界框 (cx, cy, w, h 格式)
                float cx = reshapedData[i, 0];
                float cy = reshapedData[i, 1];
                float w = reshapedData[i, 2];
                float h = reshapedData[i, 3];

                // 转换为 (x1, y1, x2, y2) 格式并映射回原图坐标
                float x1 = (cx - w / 2 - letterBoxInfo.PadWidth) / letterBoxInfo.Ratio;
                float y1 = (cy - h / 2 - letterBoxInfo.PadHeight) / letterBoxInfo.Ratio;
                float x2 = (cx + w / 2 - letterBoxInfo.PadWidth) / letterBoxInfo.Ratio;
                float y2 = (cy + h / 2 - letterBoxInfo.PadHeight) / letterBoxInfo.Ratio;

                // 确保坐标在图像范围内
                x1 = Math.Max(0, Math.Min(x1, originalWidth));
                y1 = Math.Max(0, Math.Min(y1, originalHeight));
                x2 = Math.Max(0, Math.Min(x2, originalWidth));
                y2 = Math.Max(0, Math.Min(y2, originalHeight));

                var bbox = new Rect((int)x1, (int)y1, (int)(x2 - x1), (int)(y2 - y1));

                // 解析关键点并映射回原图坐标
                var landmarks = new Point2f[5];
                for (int j = 0; j < 5; j++)
                {
                    float lx = (reshapedData[i, 5 + j * 3] - letterBoxInfo.PadWidth) / letterBoxInfo.Ratio;
                    float ly = (reshapedData[i, 5 + j * 3 + 1] - letterBoxInfo.PadHeight) / letterBoxInfo.Ratio;

                    // 确保关键点在图像范围内
                    lx = Math.Max(0, Math.Min(lx, originalWidth));
                    ly = Math.Max(0, Math.Min(ly, originalHeight));

                    landmarks[j] = new Point2f(lx, ly);
                }

                bboxes.Add(bbox);
                confidences.Add(confidence);
                landmarksList.Add(landmarks);
            }
        }

        // 应用非极大值抑制
        int[] indices;
        CvDnn.NMSBoxes(bboxes, confidences, _confidenceThreshold, _nmsThreshold, out indices);

        // 构建最终结果
        foreach (int index in indices)
        {
            results.Add(new DetectionResult
            {
                BoundingBox = bboxes[index],
                Confidence = confidences[index],
                Landmarks = landmarksList[index]
            });
        }

        return results;
    }

    public void VisualizeResults(Mat image, List<DetectionResult> results)
    {
        // 创建原图的副本，避免修改原图
        Mat displayImage = image.Clone();

        // 绘制边界框和关键点
        foreach (var result in results)
        {
            // 绘制边界框
            Cv2.Rectangle(displayImage, result.BoundingBox, new Scalar(0, 255, 255), 2);

            // 绘制置信度
            string label = $"Face: {result.Confidence:F2}";
            var labelSize = Cv2.GetTextSize(label, HersheyFonts.HersheySimplex, 0.5, 1, out int baseline);
            Cv2.Rectangle(displayImage,
                new Point(result.BoundingBox.X, result.BoundingBox.Y - labelSize.Height - baseline),
                new Point(result.BoundingBox.X + labelSize.Width, result.BoundingBox.Y),
                new Scalar(0, 255, 255), -1);
            Cv2.PutText(displayImage, label,
                new Point(result.BoundingBox.X, result.BoundingBox.Y - baseline),
                HersheyFonts.HersheySimplex, 0.5, new Scalar(0, 0, 0), 1);

            // 绘制关键点
            for (int i = 0; i < result.Landmarks.Length; i++)
            {
                var point = result.Landmarks[i];
                Cv2.Circle(displayImage, new Point((int)point.X, (int)point.Y), 4, _landmarkColors[i], -1);

                // 显示关键点名称
                //Cv2.PutText(displayImage, _landmarkNames[i],
                //    new Point((int)point.X + 5, (int)point.Y - 5),
                //    HersheyFonts.HersheySimplex, 0.4, _landmarkColors[i], 1);
            }
        }

        // 显示结果
        Cv2.NamedWindow("Face Detection Results",WindowFlags.Normal);
        Cv2.ImShow("Face Detection Results", displayImage);
        displayImage.Dispose();
    }

    public void ProcessImage(string imagePath, string outputPath)
    {
        // 读取图像
        var image = Cv2.ImRead(imagePath);
        if (image.Empty())
        {
            Console.WriteLine($"无法读取图像: {imagePath}");
            return;
        }

        // 检测
        var results = Detect(image);
        Console.WriteLine($"检测到 {results.Count} 个人脸");

        // 可视化结果
        VisualizeResults(image, results);

        // 保存结果
        Cv2.ImWrite(outputPath, image);
        Console.WriteLine($"结果已保存到: {outputPath}");

        Cv2.WaitKey(0);
        Cv2.DestroyAllWindows();
    }
}

使用方法示例：

string modelPath = "face_5kp_yolo11n.onnx";
string imagePath = "D:\\1762524023651.png";
string outputPath = "output.jpg";

var detector = new YOLOv11FaceLandmarkDetector(modelPath);
detector.ProcessImage(imagePath, outputPath);