Question

我正在尝试编写一个简单的人脸检测算法，使用OpenCV进行相机捕获，使用Dlib进行人脸检测（使用“定向梯度直方图”算法）。

使用Python，我获得了大约20 fps的不错表现。但是，C ++中的相同代码的性能非常差，每个dlib的检测过程大约需要4秒钟。

有人知道发生了什么吗？

我做了一些优化，但是并没有真正提高性能：

图片缩小为640x480
我在启用了AVX指令的情况下编译了dlib
我还尝试使用-0fast标志进行编译...

感谢您的帮助。

编辑：找到解决方案！通过使用此消息末尾的命令进行编译，我设法在C ++下达到了类似的良好性能。在此之前，我使用了Jetbrain的CLion IDE中的编译器，即使编译器发送肯定的“ AVX指令已启用”消息，它也无法正常工作。 AVX说明可以解决我的问题。

以下是代码：

在C ++中：

#include "opencv2/objdetect.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include <dlib/opencv.h>
#include <dlib/image_processing/frontal_face_detector.h>
#include <dlib/image_processing.h>

using namespace dlib;
using namespace std;

int main(){

cv::VideoCapture cap(0);
vector<cv::Rect> facesCV;
vector<rectangle> faces;
frontal_face_detector detector = get_frontal_face_detector();
cv::namedWindow("test");
cv::Mat frame, small;

if (!cap.isOpened()) {
    cerr << "Unable to connect to camera" << endl;
    return 1;
}

while (true) {
    // Grab a frame
    if (!cap.read(frame)) {
        break;
    }
    cv::resize(frame, small, {640, 480});
    cv_image<rgb_pixel> cimg(small);

    // Detect faces
    faces = detector(cimg);
    for (auto &f : faces) {
        facesCV.emplace_back(cv::Point((int) f.left(), (int) f.top()), cv::Point((int) f.right(), (int) f.bottom()));
    }

    for (auto &r : facesCV) {
        cv::rectangle(small, r, {0, 255, 0}, 2);
    }
    cv::imshow("test", small);
    cv::waitKey(1);
    faces.clear();
    facesCV.clear();
}
}

在Python中：

import argparse
import cv2
import dlib

#initialize face detector
detector = dlib.get_frontal_face_detector()

#initialize video source
cam = cv2.VideoCapture(0)
window = cv2.namedWindow("camera")

while True:
    ret, image = cam.read()
    if ret is True:
        gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
        gray =cv2.resize(gray, (640, 480))

        for r in detector(gray, 0):
            cv2.rectangle(image, (r.left(), r.top()), (r.right(), r.bottom()), (0, 255, 0), 2)

        cv2.imshow(window, image)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break

    else:
        break

cam.release()
cv2.destroyAllWindows()

对于C ++编译，我使用cmake，这是我的CMakeLists.txt

cmake_minimum_required(VERSION 3.10)
project(FaceDetection)

set(CMAKE_CXX_STANDARD 14)
set(GCC_COVERAGE_COMPILE_FLAGS " -Ofast")
set(CMAKE_C_FLAGS "${CMAKE_C_FLAGS} ${GCC_COVERAGE_COMPILE_FLAGS}" )

add_subdirectory(/path/to/dlib/dlib-19.14/dlib dlib_build)
find_package( OpenCV REQUIRED)

add_executable(FaceDetection main.cpp)
target_link_libraries( FaceDetection ${OpenCV_LIBS} dlib::dlib)

我使用以下命令运行编译：

cmake . -DUSE_AVX_INSTRUCTIONS=ON
cmake --build . --config Release

Answer 1

问题来自CMakeLists.txt。需要通过以下方式在CMakeLists.txt中设置AVX优化：

set(USE_AVX_INSTRUCTIONS ON CACHE BOOL "Use AVX instructions")
add_subdirectory("path/to/dlib" dlib_build)

add_executable(myProject main.cpp)
target_link_libraries( myProject dlib::dlib)

Answer 2

被接受的解决方案不是我的解决方案。

我正在分别构建dlib（使用选项-DUSE_AVX_INSTRUCTIONS=ON），然后尝试在CMakeLists.txt文件中以此构建我的项目：

find_package(dlib REQUIRED)

有点奏效。它正在链接到dlib，但是由于某种原因它运行速度非常慢。

要充分利用dlib，我必须：

add_subdirectory(../dlib dlib_build)

在我的CMakeLists.txt文件中，并像构建dlib一样构建 my 项目：

cmake -DUSE_AVX_INSTRUCTIONS=ON  ../
cmake --build . --config Release

Dlib人脸检测在C ++上表现糟糕，在python中表现出色，为什么？

2 个答案: