Open madobet opened 4 years ago
1）算法内部的优化
为了实现通用性，各种类、模板用得飞起，应该会影响性能；
2）做并行化
3）做向量化
4）汇编级优化
5）算法流程优化，参考：
https://blog.csdn.net/xiaota00/article/details/54864824blog.csdn.net
最近看到一个代码很不错，方法简单，而且速度很快。代码地址如下https://github.com/mc-jesus/face_detect_n_track
这里是作者给出的流程图，意思就是说第一帧图片先进行普通的全图搜索，如果找到了人脸那就在这个 boundingBox 两倍大的区域内再次调用检测器检测，如果检测不到就使用模板匹配的方法检测，2s 内检测不到就重置算法。跑了一下发现模板匹配其实没怎么用到，而且要配合特征点检测算法，这里不能使用模板匹配来搜索人脸，简化一下算法，只要使用两倍大的搜索框搜索就可以达到不错的效果。按照这个思想修改了 Dlib 版本的代码，在 320*240 的图片里检测人脸可以达到 30ms 以内。320*240 的分辨率不做缩放可以检测到差不多 3 米远的人脸。可以根据应用场景再做优化，而且现在这个速度其实也不快，还有很多简单的优化方法。
6）换算法和模型
MTCNN 等，
如https://blog.csdn.net/Mono_1032290547/article/details/78912370
这里用到了大名鼎鼎于仕琪老师的开源库，下面附上于老师的项目下载链接
ShiqiYu/libfacedetection
然后就是环境的配置，具体见链接
http://blog.csdn.net/mono_1032290547/article/details/78912548
或者https://blog.csdn.net/fengzhongluoleidehua/article/details/80410389
不知道实现测试效果怎么样。
https://zhuanlan.zhihu.com/p/90788153
1）算法内部的优化
为了实现通用性，各种类、模板用得飞起，应该会影响性能；
2）做并行化
3）做向量化
4）汇编级优化
5）算法流程优化，参考：
https://blog.csdn.net/xiaota00/article/details/54864824blog.csdn.net
最近看到一个代码很不错，方法简单，而且速度很快。代码地址如下https://github.com/mc-jesus/face_detect_n_track
这里是作者给出的流程图，意思就是说第一帧图片先进行普通的全图搜索，如果找到了人脸那就在这个 boundingBox 两倍大的区域内再次调用检测器检测，如果检测不到就使用模板匹配的方法检测，2s 内检测不到就重置算法。跑了一下发现模板匹配其实没怎么用到，而且要配合特征点检测算法，这里不能使用模板匹配来搜索人脸，简化一下算法，只要使用两倍大的搜索框搜索就可以达到不错的效果。按照这个思想修改了 Dlib 版本的代码，在 320*240 的图片里检测人脸可以达到 30ms 以内。320*240 的分辨率不做缩放可以检测到差不多 3 米远的人脸。可以根据应用场景再做优化，而且现在这个速度其实也不快，还有很多简单的优化方法。
6）换算法和模型
MTCNN 等，
如https://blog.csdn.net/Mono_1032290547/article/details/78912370
这里用到了大名鼎鼎于仕琪老师的开源库，下面附上于老师的项目下载链接
ShiqiYu/libfacedetection
然后就是环境的配置，具体见链接
http://blog.csdn.net/mono_1032290547/article/details/78912548
或者https://blog.csdn.net/fengzhongluoleidehua/article/details/80410389
不知道实现测试效果怎么样。
https://zhuanlan.zhihu.com/p/90788153