用较少的cv2实现人脸检测

Question

对于一个大学项目，我正在编写一个面罩识别程序。为了检测人脸，我使用cv2.CascadeClassifier('face_detector.xml')。正如我注意到的，这个程序占用了太多的CPU，导致视频流帧速率严重混乱。我在一台1.6 i5双核(英特尔酷睿i5)的MacBook Air上运行代码。有人能解释一下我可以做些什么来让它更顺畅吗？或者推荐另一种人脸检测？下面是我的代码：

import numpy as np
import os
import tensorflow as tf
import cv2
from matplotlib.pyplot import gray

# Disable tensorflow compilation warnings
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import cv2

# Load the cascade
face_cascade = cv2.CascadeClassifier('face_detector.xml')

# To capture video from webcam.
cap = cv2.VideoCapture(0)
# To use a video file as input
# cap = cv2.VideoCapture('filename.mp4')

model = tf.keras.models.load_model('checkpoint19.ckpt')

i = 0
while True:
    # Read the frame
    _, img = cap.read()

    # Detect the faces
    faces = face_cascade.detectMultiScale(img, 1.3, 4)

    # save each frame as image with PNG format
    image = cv2.imwrite('database/{index}.png'.format(index=i), img)
    i += 1

    # cut out the fragment in the box of the image
    # Draw the rectangle around each face
    for (x, y, w, h) in faces:
        crop_img = img[y:y + h, x:x + w]
        resizedImg = cv2.resize(crop_img, (224, 224))
        gray = cv2.cvtColor(resizedImg, cv2.COLOR_BGR2GRAY)
        imgArrNew = gray.reshape(1, 224, 224, 1)
        prediction = model.predict(imgArrNew)
        print(prediction)
        label = np.argmax(prediction)
        print(label)

        # font
        font = cv2.FONT_HERSHEY_SIMPLEX
        # org
        for (x, y, w, h) in faces:
            org = (x, y+h+30)

        # fontScale
        fontScale = 1
        # Blue color in BGR
        color = (255, 0, 0)
        # Line thickness of 2 px
        thickness = 2
        # output the predicted label/sign on the live-stream frame
        if label == 0:
            color = (0,0,225)
            label_out = "Mask off"
        if label == 1:
            color = (50,205,50)
            label_out = "Mask on"
        if label == 2:
            color = (0,255,225)
            label_out = "incorrect Mask"
        cv2.rectangle(img, (x, y), (x + w, y + h), color, 2)
        image1 = cv2.putText(img, label_out, org, font,
                             fontScale, color, thickness, cv2.LINE_AA)
    # Display
    cv2.imshow('Face_Regonition', img)
    # Stop if escape key is pressed
    k = cv2.waitKey(30) & 0xff
    if k == 27:
        break
# Release the VideoCapture object
cap.release()

感谢您的帮助:)

Answer 1

haar级联分类器速度很慢。。对于低端计算设备来说，在每一帧中进行检测是困难的。

最简单的方法是使用较低分辨率的图像或较低的FPS。但它看起来会很便宜

更好的方法是使用检测和跟踪框架，其中在新线程上以1 1hz的间隔进行检测，而跟踪可以以30 1hz的频率进行，这是人眼无法区分的。

对于人脸检测，你可以选择任何方法，如hear，HOG，CNN，并将其放入新的线程中。在主跟踪线程(可以实时运行)中，更新模型、预测边界框并显示边界框。

您可以在这里查找跟踪信息。我推荐基于KCF的方法，因为它是快速和可靠的。

​

​

https://www.pyimagesearch.com/2018/07/30/opencv-object-tracking/

只需将检测框rect作为跟踪的输入rect框即可。THen它应该可以直接工作。