C++ OpenCV上的慢速人脸检测？

我在MacOSX上编译并安装了OpenCV（SVN的最新版本）（这可能是问题的根源）

这个示例是可行的，但是人脸检测算法对我来说似乎很慢。人脸的检测时间约为400ms（我刚刚使用了包含的示例）。此时FPS相当低

在youtube和所有网站上，我看到了带有实时人脸检测的超级平滑视频（甚至在iPhone上），所以我感到困惑。我记得它在我的旧Windows PC上运行得更快

400毫秒是正确的检测时间吗？

---

注意：我的Macbook并不老（2009年），而且在上面运行的一切都很好。我使用iSight网络摄像头（集成网络摄像头）。网络摄像头上只有一张脸（我的脸）。如果没有人脸，这几乎是同时发生的。

输入图像的大小是多少。我猜是640x480。通常，发布YouTube视频的人会将图像大小调整为160x120。在640x480的全分辨率下，很难获得超过2-3 fps的分辨率。尝试发送160x120图像。你应该得到至少10帧

我也遇到了同样的问题，在一台具有4GB RAM的四核机器上，每次检测的速度为500ms，但我注意到有一个缩放选项……将此设置为：

/facedetect——比例=4

---

在前面的回答中，我得到了的检出率：

您还可以通过设置

detectMultiScale

的最大和最重要的最小大小来加快速度

[此外，正如前面的回答所说，由于Haar检测器使用非常简单的功能（最多6个像素的关系；在更大的比例上，您可以将矩形区域相加，就好像它只是一个像素一样）。在标准mac/mbp2011上，我可以获得约60fps的速度，这就足够了。]

---

为了获得更好的加速效果，您还可以使用模板匹配消除非更改区域。

在图像上运行时，您应该缩小到一定的范围。对于视频，除了人脸检测，您还可以尝试跟踪。您可以每隔一帧进行人脸检测，并跟踪帧间人脸的位置

---

此外，OpenCv支持使用Canny来丢弃没有找到人脸机会的区域

最近，我发现了一个包含HAAR和LBP级联分类器的。它可以使用OpenCV中的标准HAAR和LBP cascade。此实现使用SSE4.1、AVX2和NEON（ARM）对SIMD进行了优化，因此它的工作速度比原始OpenCV实现快2-3倍

我用因子10调整了视频序列中的帧大小，效果非常好。此外，为了加快处理速度，请在每个

x

帧中使用人脸检测器，然后在

x-1

帧之间使用人脸跟踪器（以避免漂移）

签出此链接：

---

还有可能一个示例代码可以帮助某人（这是一个简单的检测，而不是跟踪或识别）：

这是ANDROID示例，但在其他平台和语言的opencv中非常相似。”

和“proc”函数类似的东西-我从OpenCV4Android人脸检测示例中找到并升级了它：

我使用的CPU：Snapdragon 720G

---

---

同样在一个相关论坛上，我发现LBP比HAAR快得多。我不确定这一点以及性能和质量，但我认为最好也提到这一点。

您是否启用了OpenMP进行编译？没有它就糟透了。我使用默认配置进行编译（所以我不知道）。默认情况下是否启用？取决于您的编译器，但通常不是。您的编译器是什么？查找如何使用OpenMP启用OpenMP，重新编译，然后尝试。我在OpenCV 2.1更新中读到：“OpenCV已完全从OpenMP切换到TBB”，因此我想，鉴于我使用的是上一个SVN版本，我不必担心这一点。（链接：）啊，对不起。我已经有一段时间没有使用OpenCV了。所以，我想下一步应该是看看文档，看看是否有任何预处理器定义需要你来告诉OpenCV你已经/它应该使用TBB。我稍后会忍不住去看。另外，把@GMan放在上面，这样我会得到你的回复。谢谢，这是一个好建议。这是一个pr项目暂时暂停，但答案为+1。我目前正在全高清实时网络摄像头流上运行人脸检测。将视频缩小到480x270，并以交互速率（20-40ms）运行人脸检测在我的Corei7上，使用OpenCV 1.0.Puting Scale=4是错误的！！scalefactor表示要更改searchWindowSize的步长…意味着，假设您最初使用大小为1*100的窗口进行搜索，下次将使用windowSize=1*400进行搜索…因此，我们执行的迭代次数较少，但也可能会漏掉位于两个窗口之间的面默认步长接近1.1，这意味着将窗口大小更改10%。

mRgba = inputFrame.rgba();
mGray = inputFrame.gray();

int resizeFactor=10;//or any other number based on your input resolution
Imgproc.resize(mGray,mGray,newSize(mGray.width()/resizeFactor,mGray.height()/resizeFactor));
mRgba = proc(mRgba, mGray,resizeFactor);

public Mat proc(Mat mRgba, Mat mGray, int resizeFactor) {
MatOfRect faces = new MatOfRect();
        if (mJavaDetector != null)
            mJavaDetector.detectMultiScale(mGray, faces, 1.1, 2, 2, new Size(0,0), new Size());//change this according to your usage-> Size(0, 0)

        Rect[] facesArray = faces.toArray();
        for (Rect rect : facesArray) {
            Point t1 = rect.tl();
            t1.x *= resizeFactor;
            t1.y *= resizeFactor;
            Point br = rect.br();
            br.x *= resizeFactor;
            br.y *= resizeFactor;
            Imgproc.rectangle(mRgba, t1, br, FACE_RECT_COLOR, 3);
        }

        return mRgba;
    }