我目前正致力于人员检测和计数项目。它基本上通过USB网络摄像头检测现场的任何人，然后计算人们路过。目前，我的设置是：
不幸的是，处理时间不够快，每帧70到100毫秒（14 - 10 fps），因此不计算以正常速度或更快速度行走的人。瓶颈在OpenCV HaarDetection方法中，基本上每帧的处理时间的90％被该过程消耗。
我尝试使用Haar旁边的另一个模型，LBP模型基于整数处理，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和OpenCV（在OpenCV中原生实现的多线程），但不知何故导致Odroid崩溃，如果我不使用TBB，应用程序可以稳定工作。
我能想到的唯一优化是在板上使用Mali GPU，使用修改后的HaarDetection重新编译OpenCV以利用一些GPU处理能力。我的问题是，这是否可以使用OpenGL库？我看到OpenGL的大部分例子是渲染图形而不是处理图像。
答案 0 :(得分：2)
您可以考虑的其他优化：
1.使用参数进行播放 - 即使比例因子和最小窗口大小的微小变化也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（我认为它可能 - 可能不是所有时间，但至少它的某些部分可以）。看看ENABLE_SSE和ENABLE_SSE2也是如此
4.搜索haar级联探测器的其他一些实现或尝试自己制作它 - 可以使它更快，请参阅（文章和评论）：http://www.computer-vision-software.com/blog/2009/06/fastfurious-face-detection-with-opencv/
5.如果要分析图像序列，请检查两个连续帧是否相同/非常相似 - 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）。我在我的BSc论文（使用720p网络摄像头的简单eyetracker）中使用了这个解决方案，它工作得很好。
6.如上所述+仅在发生差异的地区进行搜索
7.将图像分割为例如16个矩形。检查每个矩形中当前帧和上一帧之间的差异 - 如果来自一行或列的所有矩形与前一帧中的几乎相同 - 不要分析此行/列（仅将图像的一部分传递给haar级联 - 使用ROI） 。它应该提供相当好的结果并提高速度，因为人们将从帧的一侧走到/跑/等到另一侧 - 所有矩形在两个连续帧之间变化的可能性很小。
答案 1 :(得分：0)
您可以尝试使用latensvm探测器检测人员（按部件检测）。幸运的是，这里有一个训练有素的模特：
https://github.com/Itseez/opencv_extra/tree/master/testdata/cv/latentsvmdetector/models_VOC2007
它可能比HOG快。
希望有所帮助。