用python增强人脸检测/识别过程（opencv+；tensorflow+；CNN）

我正在使用tensorflow和opencv在python中开发人脸检测和识别应用程序。总体流程如下：

while True:

        #1) read one frame using opencv: ret, frame = video_capture.read()

        #2) Detect faces in the current frame using tensorflow (using mxnet_mtcnn_face_detection)

        #3) for each detected face in the current frame, run facenet algorithm (tensorflow) and compare with my Database, to find the name of the detected face/person

        #4) displlay a box around each face with the name of the person using opencv 

---

现在，我的问题是人脸检测和识别的开销（运行时）非常高，因此有时候输出视频更像是慢动作！我尝试使用跟踪方法（例如，MIL、KCF），但在这种情况下，我无法检测到进入帧的新面孔！有没有办法提高加速比？至少对于那些已经在前一帧中识别的人脸来说，要去掉“人脸识别功能”

你的图像有多大？你在哪台机器上运行这个？帧大小（来自相机）：（480640，3）。我使用标准的facenet模型，该模型已经过培训（160、160、3）。视窗10。i7 6600U 2.8 HGz，Ram:16GB。没有GPU，找个GPU。在人工智能方面，即使是一台便宜的（比如1050Ti，售价150美元）也应该比一台快速的CPU做得更好。如果您有预算，请记住以超过时钟速度获得更多VRAM。您的图像大小是多少？你在哪台机器上运行这个？帧大小（来自相机）：（480640，3）。我使用标准的facenet模型，该模型已经过培训（160、160、3）。视窗10。i7 6600U 2.8 HGz，Ram:16GB。没有GPU，找个GPU。在人工智能方面，即使是一台便宜的（比如1050Ti，售价150美元）也应该比一台快速的CPU做得更好。如果您有预算，请记住以超过时钟速度获得更多VRAM。