Python face_recognition需要太长时间才能处理每一帧

Question

嘿，我正在使用来自face_recognition github的以下代码：code 一切正常，除了当我检测到脸部时我以每秒2 fps的速度运行时，否则帧率约为30。

我抬头看了任务管理器，看看我的计算机运行状况如何，CPU和GPU都在15％左右，所以这不是硬件问题。我还尝试将分辨率更改为320x240，但没有发生相同的问题。

如何提高fps？ 编辑： 我只有一种编码要处理，所以多线程可能无济于事

Answer 1

此程序有两个处理步骤：

1. 在while循环中，face_detection在帧中搜索人脸，然后对其进行编码（使用线性代数将人脸数据简化为唯一的向量）。

2. 在for循环中（仅在检测到面部时运行），程序将对所有其他“已知”编码运行第1步的编码，如果满足默认的确定性阈值，则返回最佳匹配。

如果您完全修改了代码，增加了“已知”面孔的数量，则会使此过程变慢。另外，我不知道线程的优化程度。某些程序可能在单个线程上运行，即使该程序正在最大化其可以有效访问的资源，这也会显示较低的CPU使用率。

故障排除步骤：在循环2（for循环）中，首先注释掉框架行（或compare_faces之后的所有内容），然后查看它是否在加速。这样，您可以缩小处理能力最大的范围。如果发现compare_faces IS 瓶颈，请尝试减少“已知”面孔的数量。如果该速度急剧提高fps，则很可能受到内核/线程数量的限制。

---

您正在使用的示例代码是优化程度较低的版本。 Here是一个稍快的版本。调整包括：

1. 以1/4分辨率处理每个视频帧（尽管仍以全分辨率显示）

2. 仅在视频的其他每一帧中检测人脸。

基本上，通过减少处理量可以加快处理速度。

Answer 2

我在装有OSX的Windows PC和Macbook pro上尝试了相同的项目。我发现MacBook Pro上的FPS可以达到30 FPS以上，而Windows PC只能以2 FPS运行。 Windows PC上的CPU是Ryzen 3900X，而MacBook使用i9 CPU。从我的角度来看，瓶颈不是CPU本身，操作系统应该是主要问题。尝试安装基于Linux的操作系统，然后再做一次。我不知道原因，但是Linux确实具有这些优势。