实践|OpenCV4.2使用DNN进行人脸检测二(视频篇)

2020-04-08 12:29:15 浏览数 (1)

前言

前一篇《实践|OpenCV4.2使用DNN进行人脸检测一(图片篇)》我们已经实现了人脸检测的主要方法,这一篇我们来看看加载视频中实时检测效果,检测来说其实也都是一样的,主要就是把播放的视频每帧通过检测去进行处理,代码我会直接贴出来,这里主要是想说的核心点,Debug和Relese的运行效果差异之大

程序代码

程序代码我们还是上个项目的基础上,新建了一个main.cpp的文件,把原来的mainpic的main入口改了个名,这样程序启动时就会启动这个新的main.cpp的程序了。

main.cpp代码

代码语言:javascript复制
#include<opencv2/opencv.hpp>
#include<iostream>
#include <direct.h>
#include "dnnfacedetect.h"

using namespace std;
using namespace cv;

dnnfacedetect fdetect;
void detectface(Mat frame);

int main(int argc, char* argv) {
  //获取程序目录
  char filepath[256];
  _getcwd(filepath, sizeof(filepath));

  cout << filepath << endl;
  //定义模型文件
  string ModelBinary = (string)filepath   "/opencv_face_detector_uint8.pb";
  string ModelDesc = (string)filepath   "/opencv_face_detector.pbtxt";

  //视频文件
  string videodesc = (string)filepath   "/test.mp4";

  cout << ModelBinary << endl;
  cout << ModelDesc << endl;

  int startfps = 0;
  int detectfps = 3;

  //初始化
  fdetect = dnnfacedetect(ModelBinary, ModelDesc);
  if (!fdetect.initdnnNet())
  {
    cout << "初始化DNN人脸检测失败!" << endl;
    return -1;
  }

  //加载视频
  Mat frame;
  VideoCapture video;
  video.open(videodesc);
  if (!video.isOpened())
  {
    cout << "视频加载失败!" << endl;
    return -1;
  }


  try
  {
    //读取图像每一帧
    while (video.read(frame))
    {
      if (startfps % detectfps == 0) {
        double t = (double)getTickCount();
        //旋转90度
        rotate(frame, frame, 0);
        //缩放图片
        resize(frame, frame, cv::Size(0, 0), 0.6, 0.6);
        //人脸检测
        detectface(frame);

        imshow("src", frame);

        t = ((double)getTickCount() - t) / getTickFrequency();
        cout << "执行时间(秒): " << t << endl;
      }
      startfps  ;
      char c = waitKey(1);
      if (c == 27)
      {
        break;
      }
    }
    cout << "检测完成" << endl;
  }
  catch (const std::exception & ex)
  {
    cout << ex.what() << endl;
  }

  video.release();
  waitKey(0);
  return 0;
}

void detectface(Mat frame)
{
  if (!frame.empty()) {
    vector<Mat> dst = fdetect.detect(frame);
    if (!dst.empty()) {
      for (int i = 0; i < dst.size(); i  ) {
        string title = "detectface"   i;
        imshow(title, dst[i]);
      }
    }
  }
}

运行效果

从上面的动图可以看到,我们每一帧处理的都需要0.6秒左右,右边的实际视频效果差距太大了,如果这样来看,简直就是没法用。

后来在网上找了找答案,发现一篇文章说到在OpenCV中Debug和Release的效果能差10倍。

看到这个后感觉有点太夸张了,到底有没有效果我们也应该去验证一下,于是在属性管理器中我们又增加了一个OpenCV_Release的属性

配置和Debug基本一样,只不过在链接器里的文件原来是opencv_world420d.lib改为opencv_world420.lib

然后代码我们一点没动,只不过把生成方法从Debug改为了Release

再看效果

可以看到处理的时间在0.1秒左右,那个速度也可以说直接提升了很多倍了,不过比起直接播放视频还是慢了些,不过这倒是不影响,真正生产环境中,我们可以考虑几帧处理一次,然后外部调用的时候还是实时播放,通过线程,协程等方式进行回调处理即可。

代码里面我有处理了加了个参数,实现的是每三帧处理一次,显示画面,整个播放能看到有一点小卡,不过速度跟原视频明显差距没有那么大了,最后就放上视频的整个运行效果看一下。

视频效果

重要的事说三遍

Release比Debug的速度快N倍。

Release比Debug的速度快N倍。

Release比Debug的速度快N倍。

0 人点赞