Медленное обнаружение лица на OpenCV?

Каков размер входного изображения. Думаю 640х480. Обычно люди, которые размещают видео на YouTube, изменяют размер изображения до 160x120. В полном разрешении 640х480 очень сложно получить больше 2-3 фпс. Попробуйте отправить изображение 160x120. Вы должны получить по крайней мере 10 кадров в секунду.

Добавление к предыдущим ответам:

вы также можете ускорить процесс, установив максимальный и, что наиболее важно, минимальный размер для detectMultiScale.

[Кроме того, как говорится в предыдущих ответах, требуется серьезное уменьшение масштаба, поскольку детектор Хаара использует очень простые функции (для отношений до 6 пикселей; в больших масштабах вы добавляете прямоугольные области, как если бы это был всего один пиксель) . На стандартном mac/mbp2011 я мог получить около 60 кадров в секунду, этого более чем достаточно.]

Для еще большего ускорения вы также можете исключить неизменяемые области, например, используя templateMatching.

Недавно я нашел библиотеку Simd, в которой есть реализация каскадных классификаторов HAAR и LBP. Он может использовать стандартные каскады HAAR и LBP от OpenCV. Эта реализация имеет оптимизацию SIMD с использованием SSE4.1, AVX2 и NEON(ARM), поэтому работает в 2-3 раза быстрее оригинальной реализации OpenCV.

У меня была та же проблема, на четырехъядерном компьютере с 4 ГБ ОЗУ было 500 мс на обнаружение, однако я заметил, что есть параметр «Масштаб» …. чтобы получить это:

./facedetect --масштаб=4

Я получаю скорость обнаружения ‹20 мс

Надеюсь, это поможет,

Кеукпа

При работе с изображением вы должны уменьшать масштаб до определенных пределов. В случае видео, наряду с распознаванием лиц, вы также можете попробовать отслеживание. Вы можете выполнять распознавание лиц через каждые кадры и отслеживать положение лица между кадрами.

Кроме того, OpenCv поддерживает использование Canny для отбрасывания регионов, где шансов найти Face нет.

Я изменил размер кадра в видеоряде с коэффициентом 10, и он отлично работает. Также для ускорения процесса используйте Детектор лиц в каждом x кадре, а затем используйте Отслеживание лиц вместо этого в x-1 кадрах между ними (Чтобы избежать дрейфа).

проверить эту ссылку: Отслеживание и обнаружение

А также, возможно, кому-то поможет пример кода (это простое обнаружение, не отслеживание или распознавание):

ЭТО ПРИМЕР ДЛЯ ANDROID, но он очень похож на opencv для других платформ и языков.

mRgba = inputFrame.rgba();
mGray = inputFrame.gray();

int resizeFactor=10;//or any other number based on your input resolution
Imgproc.resize(mGray,mGray,newSize(mGray.width()/resizeFactor,mGray.height()/resizeFactor));
mRgba = proc(mRgba, mGray,resizeFactor);

И функция proc примерно такая - я нашел и обновил это из примера обнаружения лиц OpenCV4Android:

public Mat proc(Mat mRgba, Mat mGray, int resizeFactor) {
MatOfRect faces = new MatOfRect();
        if (mJavaDetector != null)
            mJavaDetector.detectMultiScale(mGray, faces, 1.1, 2, 2, new Size(0,0), new Size());//change this according to your usage-> Size(0, 0)

        Rect[] facesArray = faces.toArray();
        for (Rect rect : facesArray) {
            Point t1 = rect.tl();
            t1.x *= resizeFactor;
            t1.y *= resizeFactor;
            Point br = rect.br();
            br.x *= resizeFactor;
            br.y *= resizeFactor;
            Imgproc.rectangle(mRgba, t1, br, FACE_RECT_COLOR, 3);
        }

        return mRgba;
    }

Процессор, который я использовал: Snapdragon 720G

Также на соответствующем форуме я обнаружил, что LBP намного быстрее, чем HAAR. Я не уверен в этом, а также в производительности и качестве, но я подумал, что было бы неплохо упомянуть и этот момент.