OpenGL人臉檢測

Question

我目前正在進行人員檢測和計數項目。它基本上可以通過USB網絡攝像頭檢測現場的任何人，然後統計路過的人。目前，我的設置是：

1. OpenCV的2.4.6，使用檢測方法哈爾（浮點處理）
2. ARM板與ARM A9四核心和Mali四核GPU

不幸的人頭上，處理時間不夠快，每幀70 - 100毫秒（14 - 10 fps），因此不會計算以正常速度或更快速度行走的人。瓶頸在於OpenCV HaarDetection方法，基本上每幀處理時間的90％被該進程消耗。

我試着在Haar旁邊使用另一個模型，這是基於整數處理的LBP模型，但到目前爲止，我的LBP模型並不令人滿意，我仍在努力創建新模型。此外，我嘗試使用TBB與OpenCV（原生在OpenCV中實現的多線程）但以某種方式導致Odroid崩潰，如果我不使用TBB，應用程序運行穩定。

我能想到的唯一優化就是利用板上的Mali GPU，使用修改後的HaarDetection重新編譯OpenCV以利用某些GPU處理能力。我的問題是，這是可以使用OpenGL庫嗎？我看到大多數OpenGL的例子都是渲染圖形，而不是處理圖像。

Answer 1

您可能會考慮的其他優化：
1.使用參數播放 - 縮放因子和最小窗口大小的微小變化都可以使您的算法更快。
2.嘗試使用不同的級聯
3.嘗試使用OpenCV構建參數 - WITH_TBB可能會幫助您（http://www.threadingbuildingblocks.org/）如果您的處理器支持多線程並且級聯可以使用多個線程（我認爲這可能 - 可能不會所有的時間，但至少有一部分可以）。請看一下ENABLE_SSE和ENABLE_SSE2。
4.搜索haar級聯探測器的一些其他實現或嘗試自己做 - 它可以使其更快，請參閱（文章和評論）：http://www.computer-vision-software.com/blog/2009/06/fastfurious-face-detection-with-opencv/
5.如果您正在分析圖像序列檢查是否兩個連續的幀是相同/非常相似的 - 如果是這樣，您可以跳過當前幀的分析，因爲結果將是相同的（或非常相似）。我已經在我的BSc論文（使用720p網絡攝像機的簡單眼球記錄器）中使用了這個解決方案，並且它工作正常。
6.如上所述+僅在發生差異的地區進行搜索。
7.劃分你的圖像，例如16個矩形。檢查每個矩形中當前和前一幀之間的差異 - 如果一行或一列中的所有矩形幾乎與前一幀中的相同 - 不要分析此行/列（只將圖像的一部分傳遞給haar級聯 - 使用ROI） 。它應該給出相當好的結果並且提高速度，因爲人們會從框架的一側走到另一側 - 所有矩形在兩個連續幀之間改變的可能性很小。

Answer 2

您可以嘗試使用latensvm檢測器檢測人員（通過部件檢測）。幸運的是，有一個人訓練模型在這裏：

https://github.com/Itseez/opencv_extra/tree/master/testdata/cv/latentsvmdetector/models_VOC2007

它可能會更快然後HOG。

希望有所幫助。