Question

我正在开发一个C ++程序，该程序应该检测来自网络摄像头流的面部，而不是使用面部地标裁剪它们并交换它们。

我使用OpenCV和Viola-Jones面部检测编程了人脸检测。工作良好。比我搜索如何从ROI分割面部。我尝试了很少的皮肤检测实现，但都没有成功。

比我发现dlib面临着地标。我决定尝试一下。刚开始时我遇到了问题，因为我必须将cv::Mat转换为cv_image，将Rect转换为矩形等。所以我尝试使用dlib进行转换。我只是使用cv::VideoCapture获取流，而不是想显示使用dlib image_window捕获的内容。但这是问题，它是reeeealy慢。 Down是使用代码。注释行是使用OpenCV执行相同操作的行。 OpenCV比没有评论的代码更快，更平滑，更连续，低于5 FPS。那太糟了。我无法想象当我应用面部检测和面部地标时会有多慢。

我做错了吗？我怎样才能让它更快？或者我应该使用OpenCV进行视频捕获和显示？

cv::VideoCapture cap;
image_window output_frame;

if (!cap.open(0))
{
    cout << "ERROR: Opening video device 0 FAILED." << endl;
    return -1;
}

cv::Mat cap_frame;
//HWND hwnd;
do
{
    cap >> cap_frame;

    if (!cap_frame.empty())
    {
        cv_image<bgr_pixel> dlib_frame(cap_frame);
        output_frame.set_image(dlib_frame);
        //cv::imshow("output",dlib::toMat(dlib_frame));
    }

    //if (27 == char(cv::waitKey(10)))
    //{
    //  return 0;
    //}

    //hwnd = FindWindowA(NULL, "output");
} while(!output_frame.is_closed())//while (hwnd != NULL);

修改切换到释放模式后，显示捕获的帧变得正常。但我继续尝试使用 dlib 进行面部检测和形状预测，就像在此处http://dlib.net/face_landmark_detection_ex.cpp.html中的示例一样。这是相当迟钝的。所以我关闭了形状预测。仍然“滞后。”

所以我假设面部检测正在减慢速度。所以我尝试使用OpenCV进行面部检测，因为它明显优于dlib探测器。我需要将检测到的cv :: Rect转换为dlib :: rectangle。我用过这个。

std::vector<dlib::rectangle> dlib_rois;
long l, t, r, b;

for (int i = cv_rois.size() - 1; i >= 0; i--)
{
    l = cv_rois[i].x;
    t = cv_rois[i].y;
    r = cv_rois[i].x + cv_rois[i].width;
    b = cv_rois[i].y + cv_rois[i].height;
    dlib_rois.push_back(dlib::rectangle(l, t, r, b));
}

但 OpenCV人脸检测和 dlib形状预测的这种组合变得残酷滞后。处理单帧需要 4s。

我无法弄清楚原因。 OpenCV人脸检测绝对精细，dlib形状预测似乎并不难处理。有人可以帮助我吗？

Answer 1

在假设Dlib运行缓慢之前，您可以采取多项措施使Dlib运行得更快。您只需阅读更多文档并尝试。

Dlib能够在非常小的区域（80x80像素）中检测面部。您可能以大约1280x720的分辨率发送原始WebCam帧，这是不必要的。根据我的经验，我建议将帧减少大约原始分辨率的四分之一。是的，320x180适用于Dlib。结果你将获得4倍的速度。
正如评论中所提到的，通过在构建Dlib时启用编译优化，您将大大提高速度。
使用灰度图像时，Dlib的工作速度更快。您不需要网络摄像头框架上的颜色。您可以使用OpenCV将之前缩小尺寸的帧转换为灰度。
Dlib花时间寻找面孔，但在脸上寻找地标非常快。只有当您的网络摄像头提供高帧率（24-30fps）时，您才可以跳过一些帧，因为脸部通常不会移动太多。

鉴于优化，我相信你的检测速度至少会提高12倍。

具有面部检测和形状预测的Dlib网络摄像头捕获速度很慢

1 个答案: