OpenGL人脸检测

Question

我目前正在进行人员检测和计数项目。它基本上可以通过USB网络摄像头检测现场的任何人，然后统计路过的人。目前，我的设置是：

1. OpenCV的2.4.6，使用检测方法哈尔（浮点处理）
2. ARM板与ARM A9四核心和Mali四核GPU

不幸的人头上，处理时间不够快，每帧70 - 100毫秒（14 - 10 fps），因此不会计算以正常速度或更快速度行走的人。瓶颈在于OpenCV HaarDetection方法，基本上每帧处理时间的90％被该进程消耗。

我试着在Haar旁边使用另一个模型，这是基于整数处理的LBP模型，但到目前为止，我的LBP模型并不令人满意，我仍在努力创建新模型。此外，我尝试使用TBB与OpenCV（原生在OpenCV中实现的多线程）但以某种方式导致Odroid崩溃，如果我不使用TBB，应用程序运行稳定。

我能想到的唯一优化就是利用板上的Mali GPU，使用修改后的HaarDetection重新编译OpenCV以利用某些GPU处理能力。我的问题是，这是可以使用OpenGL库吗？我看到大多数OpenGL的例子都是渲染图形，而不是处理图像。

Answer 1

您可能会考虑的其他优化：
1.使用参数播放 - 缩放因子和最小窗口大小的微小变化都可以使您的算法更快。
2.尝试使用不同的级联
3.尝试使用OpenCV构建参数 - WITH_TBB可能会帮助您（http://www.threadingbuildingblocks.org/）如果您的处理器支持多线程并且级联可以使用多个线程（我认为这可能 - 可能不会所有的时间，但至少有一部分可以）。请看一下ENABLE_SSE和ENABLE_SSE2。
4.搜索haar级联探测器的一些其他实现或尝试自己做 - 它可以使其更快，请参阅（文章和评论）：http://www.computer-vision-software.com/blog/2009/06/fastfurious-face-detection-with-opencv/
5.如果您正在分析图像序列检查是否两个连续的帧是相同/非常相似的 - 如果是这样，您可以跳过当前帧的分析，因为结果将是相同的（或非常相似）。我已经在我的BSc论文（使用720p网络摄像机的简单眼球记录器）中使用了这个解决方案，并且它工作正常。
6.如上所述+仅在发生差异的地区进行搜索。
7.划分你的图像，例如16个矩形。检查每个矩形中当前和前一帧之间的差异 - 如果一行或一列中的所有矩形几乎与前一帧中的相同 - 不要分析此行/列（只将图像的一部分传递给haar级联 - 使用ROI） 。它应该给出相当好的结果并且提高速度，因为人们会从框架的一侧走到另一侧 - 所有矩形在两个连续帧之间改变的可能性很小。

Answer 2

您可以尝试使用latensvm检测器检测人员（通过部件检测）。幸运的是，有一个人训练模型在这里：

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

它可能会更快然后HOG。

希望有所帮助。