在opencv和Intel Galileo gen2上缓慢的人脸检测

Question

我想编程我的Intel Galileo gen 2，以便它在网络摄像头前显示面孔的数量，并简单地在shell上打印它(使用opencv)。我的代码是工作，但问题是，处理速度真的很慢。它每15秒打印一次数字。这样我也无法检查号码是否正确。有什么办法或者有人做过吗?这是代码…

import cv2
import sys
import time
cascPath = '/media/mmcblk0p1/haarcascade_frontalface_default.xml'
faceCascade = cv2.CascadeClassifier(cascPath)
video_capture = cv2.VideoCapture(0)
while True:
    # Capture frame-by-frame
    ret, frame = video_capture.read()
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    faces = faceCascade.detectMultiScale(
        gray,
        scaleFactor=1.1,
        minNeighbors=5,
        minSize=(30, 30),
        flags=cv2.cv.CV_HAAR_SCALE_IMAGE
    )
    print len(faces)
    time.sleep(0.033)

Answer 1

虽然它是一个英特尔CPU，但在英特尔伽利略上没有那么多资源(400MHz CPU, 256MB RAM)用于高级计算机视觉算法(如人脸检测)。

我注意到的第一件事是你没有设置捕获维度。我不知道相机的规格是什么，但我猜你是用全分辨率打开相机的。我建议以较低的分辨率打开相机，例如320x240甚至160x120，因为要处理的像素要少得多。

HAAR级联也有点密集(特别是在像Intel Galileo Gen2这样的系统上)。我建议您查看本地二进制模式(LBP)。这些已经在OpenCV中实现了，你可以在这里查看一个LBP c++示例。将其调整到Python API或找到Python API示例应该很容易。LBP级联应该比HAAR级联快。

虽然不太标准，但根据您的相机，您可能有较低级别的访问权限。如果您直接检索灰度图像，或者如果原始颜色流是YUV格式，则仅检索Y通道。这应该会给你一个小小的提升，因为你不再转换色彩空间，但只有在很容易控制相机的情况下才会这样做(或者你有时间和资源去更深入地进行部分提升)。

虽然创建原型比使用Python慢，但您可能还想尝试使用本机c或c++，并检查是否有任何编译器优化标志可以尽可能地利用CPU。

注意:你可以在这里找到一个c++人脸检测的例子。