OpenCVだけで顔認証を実装する【YuNet + SFace・C++】〜C#（OpenCvSharp）の現状も実測解説〜

「顔認証を試したい。でも顔認証クラウドAPIは使えない／使いたくない」——実はその用途、OpenCV 本体だけで一通り実装できます。OpenCV 4.5.4 以降には顔検出モデル YuNet（cv::FaceDetectorYN）と顔照合モデル SFace（cv::FaceRecognizerSF）が標準搭載されており、追加ライブラリなしで「登録画像と目の前の顔が同一人物か」を判定するパイプラインが組めます。

検出（YuNet）→ 整列・切り出し → 特徴量抽出（SFace）→ コサイン類似度で照合

本記事では C++ の動くコードでこの4ステップを最短で実装します。あわせて、C#（OpenCvSharp）では現状どこまでできるのか（結論: 検出は OpenCvSharp4 / OpenCvSharp5 の両方で可能・照合は OpenCvSharp5 だけがラップ済み）を実測ベースで解説します。

---

動作環境

• OpenCV 4.5.4 以降（本記事は 4.10 系で確認。cv::FaceDetectorYN / cv::FaceRecognizerSF は 4.5.4 で追加）
• C++17 / .NET 8（OpenCvSharp4）
• コンパイル例: g++ -std=c++17 main.cpp $(pkg-config --cflags --libs opencv4)

環境構築がまだの方は環境構築ガイドを先にどうぞ。

モデルファイルの入手

2つの ONNX モデルを opencv_zoo からダウンロードし、実行ファイルと同じディレクトリに置きます。

モデル	ファイル	役割
YuNet	face_detection_yunet_2023mar.onnx	顔検出（位置 + 5点ランドマーク）
SFace	face_recognition_sface_2021dec.onnx	顔照合（128次元特徴量）

どちらも軽量なモデルで（YuNet は約230KB、SFace は約37MB）、GPU なしの CPU 推論で実用速度が出ます。

※ OpenCV Zoo の既定は現在 face_detection_yunet_2026may.onnx（入力サイズ可変・OpenCV 5.x 向け）になっています。OpenCV 4.x では本記事と同じ face_detection_yunet_2023mar.onnx を使ってください。

---

C++ 実装（全コード）

登録画像 enroll.jpg と照合画像 query.jpg を比較し、同一人物かを判定するコンソールプログラムです。

#include <opencv2/opencv.hpp>
#include <iostream>

int main(int argc, char** argv)
{
    if (argc < 3) {
        std::cerr << "usage: ./face_auth <enroll.jpg> <query.jpg>" << std::endl;
        return -1;
    }

    // 1. モデルを読み込む
    auto detector = cv::FaceDetectorYN::create(
        "face_detection_yunet_2023mar.onnx", "", cv::Size(320, 320),
        0.9f,    // スコア閾値
        0.3f,    // NMS 閾値
        5000);   // 上位K件
    auto recognizer = cv::FaceRecognizerSF::create(
        "face_recognition_sface_2021dec.onnx", "");

    // 2. 画像を読み込む
    cv::Mat enroll = cv::imread(argv[1]);
    cv::Mat query  = cv::imread(argv[2]);
    if (enroll.empty() || query.empty()) {
        std::cerr << "画像の読み込みに失敗しました" << std::endl;
        return -1;
    }

    // 3. 顔を検出する（入力サイズは画像ごとに設定し直す）
    cv::Mat facesEnroll, facesQuery;
    detector->setInputSize(enroll.size());
    detector->detect(enroll, facesEnroll);
    detector->setInputSize(query.size());
    detector->detect(query, facesQuery);
    if (facesEnroll.rows < 1 || facesQuery.rows < 1) {
        std::cerr << "顔が検出できませんでした" << std::endl;
        return -1;
    }

    // 4. 顔を整列・切り出しして特徴量を抽出する
    cv::Mat aligned1, aligned2, feat1, feat2;
    recognizer->alignCrop(enroll, facesEnroll.row(0), aligned1);
    recognizer->feature(aligned1, feat1);
    feat1 = feat1.clone();   // feature() の出力は内部バッファ参照。clone しないと次の呼び出しで上書きされる
    recognizer->alignCrop(query, facesQuery.row(0), aligned2);
    recognizer->feature(aligned2, feat2);
    feat2 = feat2.clone();

    // 5. コサイン類似度で照合する
    double score = recognizer->match(feat1, feat2,
                                     cv::FaceRecognizerSF::DisType::FR_COSINE);
    const double kThreshold = 0.363;   // OpenCV 公式サンプルの推奨閾値
    std::cout << "cosine similarity = " << score << std::endl;
    std::cout << (score >= kThreshold ? "SAME person" : "DIFFERENT person") << std::endl;
    return 0;
}

実行結果

$ ./face_auth enroll.jpg query_same_person.jpg
cosine similarity = 0.6～0.9 程度（同一人物の別写真）
SAME person

$ ./face_auth enroll.jpg query_other_person.jpg
cosine similarity = 0.363 を大きく下回る値
DIFFERENT person

各ステップの解説

ステップ	ポイント
FaceDetectorYN::create	第2引数（config）は ONNX では空文字。Size(320,320) は後で setInputSize で上書きするので初期値でよい
setInputSize	前の画像とサイズが違う画像ごとに必ず呼ぶ。入力サイズが合っていないと detect が cv::Exception（”Size does not match. Call setInputSize(size) if input size does not match the preset size”）を投げて止まる
detect	結果は N×15 の cv::Mat（x, y, w, h + ランドマーク5点×2 + スコア）。1行が1つの顔
alignCrop	検出結果のランドマークを使って顔を正規化・切り出し。SFace はこの整列を前提に学習されているため省略不可
feature	128次元の特徴量ベクトルを出力
match	FR_COSINE でコサイン類似度。0.363 以上なら同一人物（公式サンプルの閾値）

---

C#（OpenCvSharp）ではどうか — パッケージの系統で答えが変わる【実測】

「同じことを OpenCvSharp でやりたい」という C# 開発者は多いはずです。先に知っておきたいのは、OpenCvSharp が現在2つの系統で配布されていることです。OpenCvSharp4（4.13.x・OpenCV 4.13 をラップ・保守中の系統）と OpenCvSharp5（5.0.x・OpenCV 5 をラップ・.NET 8 以降・開発が進んでいる系統）です。筆者は OpenCvSharp4 4.13.0.20260627 で実測し、同じ結論が OpenCvSharp4 の最新 4.13.0.20261107 でも変わらないことを確認しました。結論を先に書きます。

機能	C++（OpenCV本体）	C# OpenCvSharp4（4.13）	C# OpenCvSharp5（5.0）
顔検出（YuNet）	cv::FaceDetectorYN	✅ FaceDetectorYN あり（SetInputSize は無い。Create 時にサイズを渡す）	✅ FaceDetectorYN あり（SetInputSize もある）
顔照合（SFace）	cv::FaceRecognizerSF	❌ ラップされていない（FaceRecognizerSF クラスが存在しない）	✅ FaceRecognizerSF あり（AlignCrop / Feature / Match）

OpenCvSharp4 の OpenCvSharp.Face 名前空間にあるのは Eigen / Fisher / LBPH といった旧世代の顔認識クラスで、SFace は含まれていません。つまり OpenCvSharp4 だけでは、この記事の照合パイプラインを完結できません。.NET 8 と OpenCV 5 に移れるなら、OpenCvSharp5 には FaceRecognizerSF があり、上の C++ の流れをそのまま AlignCrop / Feature / Match に置き換えられます。なお OpenCvSharp5 での一連の動作は筆者はまだ通しで確認していないため、「使える」までの記載にとどめます。

検出（YuNet）までは OpenCvSharp4 でも動く

using System;
using OpenCvSharp;

class DetectFace
{
    static void Main()
    {
        using var img = Cv2.ImRead("sample.jpg");
        if (img.Empty())
        {
            Console.Error.WriteLine("sample.jpg が読み込めません");
            return;
        }

        // OpenCvSharp4 には C++ 版の setInputSize が無いため、
        // Create 時の inputSize を画像サイズに合わせて指定する
        using var detector = FaceDetectorYN.Create(
            "face_detection_yunet_2023mar.onnx", "",
            new Size(img.Width, img.Height), 0.9f, 0.3f, 5000);

        using var faces = new Mat();
        detector.Detect(img, faces);
        Console.WriteLine($"検出された顔: {faces.Rows}");

        for (int i = 0; i < faces.Rows; i++)
        {
            var box = new Rect((int)faces.At<float>(i, 0), (int)faces.At<float>(i, 1),
                               (int)faces.At<float>(i, 2), (int)faces.At<float>(i, 3));
            Cv2.Rectangle(img, box, Scalar.LimeGreen, 2);
        }
        Cv2.ImWrite("result.jpg", img);
    }
}

照合まで C# でやりたい場合の選択肢

1. OpenCvSharp5 を使う — .NET 8 と OpenCV 5 を採用できるなら一番の近道です。FaceRecognizerSF がラップされており、上の C++ のコードをほぼそのまま移植できます
2. CvDnn.ReadNetFromOnnx で SFace の ONNX を直接推論する — 可能ですが、alignCrop 相当の顔整列（ランドマークからのアフィン変換）を自前実装する必要があり、ここを省くと精度が大きく落ちます
3. 照合部分だけ C++ で書いて P/Invoke で呼ぶ — 確実ですが、ネイティブ相互運用の保守コストを抱えます
4. 照合・判定を含む商用SDKを使う — 顔まわりの処理を C# から完結させたい場合の現実解です

C# 固有の注意として、Mat は using で確実に解放すること（特にループ内で作る Mat はリークしやすい）も覚えておいてください。

---

つまずきポイント

• setInputSize を忘れる / 使い回す — OpenCV は detect のたびに入力サイズを確かめ、合っていなければ cv::Exception（”Size does not match. Call setInputSize(size) if input size does not match the preset size”）を投げて止まります。フレームのサイズが変わったら設定し直してください（OpenCvSharp4 では Create 時の inputSize 指定で代替）
• feature() の結果を clone しない — 出力 Mat はモデル内部のバッファを参照しているため、次の feature() 呼び出しで静かに上書きされます。複数人の特徴量を保持する場合は必ず clone()
• alignCrop を飛ばして顔領域をそのまま照合する — SFace は整列済み画像を前提に学習されており、精度が大きく落ちます
• 閾値 0.363 を絶対視する — 公式サンプルの値であり、照明・カメラ・運用条件によって適切な値は変わります。実運用では自分のデータで誤受入・誤拒否のバランスを確認してください
• OpenCvSharp4 で SFace を探し続ける — 4.13 系ではラップされていません（4.13.0.20261107 まで確認）。C# で照合まで必要なら、OpenCvSharp5 に移るか、上記のほかの選択肢から選ぶことになります

---

ここで作った「顔認証」に、まだ足りないもの

このパイプラインは「登録された顔と同じ人物の顔が写っているか」には正しく答えます。ただし、それは「本人がその場にいるか」とは別の問いです。

実は、このコードのカメラの前に本人の顔写真を印刷した紙をかざしても、多くの場合「SAME person」と判定されます。写真には本人の顔特徴がそのまま写っているからで、これはバグではなく、顔照合という仕組みの設計上の性質です。

この問題は実際に手を動かすと一目で分かります → OpenCVで顔認証を実装したら、印刷した写真であっさり突破された【C++】

どんな攻撃パターンがあるかは → なりすまし攻撃（プレゼンテーション攻撃）の種類と、どこまでが現実的な脅威か

顔認証を業務で使う前に、なりすまし対策として何を決めておくべきかは → 顔認証システムのなりすまし対策 設計チェックリスト12項目

---

まとめ

• OpenCV 4.5.4 以降なら YuNet + SFace で顔認証パイプラインが本体だけで組める（C++・CPU で実用速度）
• 流れは「検出 → 整列 → 特徴量 → コサイン類似度」の4ステップ。setInputSize と feature() の clone が定番の落とし穴
• C# では、検出（YuNet）は OpenCvSharp4 / OpenCvSharp5 の両方で動くが、照合（SFace）は OpenCvSharp5（OpenCV 5・.NET 8 以降）だけ。OpenCvSharp4 のままなら、照合には DNN 直接推論・P/Invoke・商用SDK のいずれかを選ぶ
• ただし顔照合は「同じ人物か」を判定する仕組みであり、「本人がその場にいるか」（ライブネス）は別問題。認証システムとして運用するなら、なりすまし対策を必ずセットで検討してください