Python SJ4000&x2B；OpenCV+；用于图像处理的树莓皮

我正在研究使用SJ4000摄像头进行图像处理，该摄像头通过USB连接到Raspberry Pi（运行Raspbian Jessie），以便在Python中使用OpenCV进行图像处理。我已经在使用网络摄像头方面取得了相当大的成就，但现在需要将其移植到SJ4000的环境中，但我仍然面临着这个障碍

我使用的代码与此问题的答案相同：

在我笔记本电脑的网络摄像头上，我得到了一个相当好的帧率。当SJ4000也通过USB连接到我的笔记本电脑时，我获得了良好的帧速率。然而，在Raspberry Pi上，当我执行相同的代码时，图像由于某种原因被冻结。然后，我需要强制退出视频查看器窗口，该窗口显示为简单冻结

编辑1：关闭Spyder IDE并再次加载几次后，执行相同的代码，我可以看到一个提要，但帧速率非常低（每帧2-3秒），过一段时间它就会冻结

编辑2：我做了进一步的测试，发现当我包含人脸检测代码时，显示提要需要很长时间，因为有10秒延迟。当我在没有任何处理的情况下实时转发提要时，它的响应速度非常快

我该怎么解决这个问题？是获得更强大处理器的唯一途径吗

---

谢谢你的帮助

正如其他人所说，使用HOG/Haar描述符进行人脸检测在计算上非常昂贵。你将无法在覆盆子Pi上进行实时人脸检测。在我的Raspberry Pi 3上，我可以在300x300图像上以大约5 fps的速度进行人体检测

我的建议是：做运动检测。检测到运动后，开始人脸检测

---

进一步的优化可以通过在自己的线程中运行人脸检测来完成，如果在一个帧中检测到运动，则让运动检测提供一个FIFO帧供人脸检测器分析。这样，您的人脸检测器就可以异步运行，而不会占用捕获视频帧和执行运动检测的主线程。

正如其他人所说，使用HOG/Haar描述符进行人脸检测在计算上非常昂贵。你将无法在覆盆子Pi上进行实时人脸检测。在我的Raspberry Pi 3上，我可以在300x300图像上以大约5 fps的速度进行人体检测

我的建议是：做运动检测。检测到运动后，开始人脸检测

---

进一步的优化可以通过在自己的线程中运行人脸检测来完成，如果在一个帧中检测到运动，则让运动检测提供一个FIFO帧供人脸检测器分析。这样，您的人脸检测器就可以异步运行，而不会占用捕获视频帧和执行运动检测的主线程。

首先尝试视频馈送而不进行处理。。。。顺便问一下，您强制使用的分辨率颜色深度/编码和比特率是多少？我不使用Raspberry pi，但我打赌USB带宽受CPU限制（无DMA）。如果feed运行良好，请尝试估计剩余的计算能力。。。。你不能超过它，否则它会造成瓶颈，导致严重的减速和冻结。因此，如果你有一些fps，那么

T=1/fps

就是你的时间段。意味着它从CPU中实际花费了多少时间。。。因此，如果10%，那么你得到的

T

少于90%，并且必须适应……如果你选择了不好的分辨率/编码，那么甚至需要95%的T才能从相机抓取图像。。。你必须适应内部带宽too@Spektre-我在没有加工的情况下尝试过，而且喂料非常平滑。有没有办法限制我每秒处理的帧数？尽可能优化。。。在加工前裁剪出饲料中不必要的部分，以便于检测，如果可以，则降低分辨率等。。。首先，您需要检测瓶颈到底是什么。。。（试着一步一步地快速移动检测代码的一部分，并测量它们实际计算所需的时间（fps是不够的，因为它涉及到许多其他事情，而仅仅是原始CPU功率）。此外，Python听起来不像是性能提升。首先尝试不进行处理的视频馈送…顺便问一下，您强制使用的分辨率颜色深度/编码和比特率是多少？我不使用Raspberry pi，但我打赌USB带宽受CPU限制（无DMA）。如果feed运行良好，请尝试估计剩余的计算能力…你不能超过它，否则它将造成瓶颈，导致严重的减速和冻结。因此，如果你有一些fps，那么

T=1/fps

是你的时间段。衡量它实际从CPU占用的时间…如果10%，那么你得到的

T

90%而且必须适应……如果你选择了糟糕的分辨率/编码，那么仅仅从相机抓取图像就需要95%的时间……你必须适应带宽too@Spektre-我在没有处理的情况下尝试过，进纸非常平滑。有没有办法限制我每秒处理的帧数？优化您可以…裁剪出不必要的内容在处理前搜索部分提要，以简化检测，如果可以的话，降低分辨率等…首先，你需要检测瓶颈到底是什么…（尝试一步一步地快速删除检测代码的部分，并测量时间…他们实际计算所用的时间）（fps是不够的，因为它涉及到许多其他方面，而仅仅是原始CPU能力）。此外，Python听起来并不像是性能提升。