如何提高安卓系统中OpenCV人脸检测性能？

Question

我正在从事安卓系统的一个项目，在这个项目中，我使用OpenCV从画廊中的所有图像中检测人脸。从图像中获取人脸的过程在服务中执行。服务持续工作，直到所有的图像被处理。它将检测到的面存储在内部存储器中，如果活动被打开，也会显示在网格视图中。

我的代码是：

CascadeClassifier mJavaDetector=null;

public void getFaces()
{

    for (int i=0 ; i<size ; i++)        
    {

        File file=new File(urls.get(i));
        imagepath=urls.get(i);

        defaultBitmap=BitmapFactory.decodeFile(file, bitmapFatoryOptions);

        mJavaDetector = new CascadeClassifier(FaceDetector.class.getResource("lbpcascade_frontalface").getPath());

        Mat image = new Mat (defaultBitmap.getWidth(), defaultBitmap.getHeight(), CvType.CV_8UC1);
        Utils.bitmapToMat(defaultBitmap,image);

         MatOfRect faceDetections = new MatOfRect();
            try
            {
                mJavaDetector.detectMultiScale(image,faceDetections,1.1, 10, 0, new Size(20,20), new Size(image.width(), image.height()));
            }
            catch(Exception e)
            {
                e.printStackTrace();
            }


        if(faceDetections.toArray().length>0)
        {


        }


    }
}   

一切都很好，但发现面部的速度很慢。表演很慢。当我调试代码时，我发现需要花费时间的一行是：

MJavaDetector.detectMultiScale(图像，面板检测，1.1，10，0，新尺寸(20，20)，新大小(image.width()，image.height()；

为了这个问题，我已经检查了多个帖子，但是我没有得到任何解决办法。请告诉我该怎么做才能解决这个问题。

任何帮助都将不胜感激。谢谢。

Answer 1

您应该注意detectMultiScale()的参数

• scaleFactor -参数指定图像大小在每个图像比例尺上缩小了多少。此参数用于创建比例金字塔。这是必要的，因为模型有一个固定的大小在训练期间。如果没有金字塔，唯一要检测的大小就是这个修复(也可以从XML读取)。然而，人脸检测可以采用多尺度表示，即使用相同的检测窗口检测大、小人脸。

scaleFactor取决于您经过训练的检测器的大小，但实际上，您需要在获得“良好”结果的同时尽可能地将其设置得更高，因此这应该由经验来确定。

为此目的，您的1.1值可以是一个很好的值。这意味着，一个相对较小的步骤用于调整大小(将大小减少10%)，增加了匹配大小的机会，并找到了用于检测的模型。如果您经过训练的检测器的大小为10x10，则可以检测大小为11x11、12x12等的面部。但事实上，1.1的系数大约是金字塔中层数的两倍(计算时间是1.2的2倍)。

• minNeighbors -参数指定每个候选矩形应该保留多少邻居。级联分类器采用滑动窗口方法。通过应用这种方法，您可以在图像上滑动一个窗口，而不是调整它的大小，然后再搜索，直到无法进一步调整它的大小。在每一次迭代中，都会存储真正的输出(级联分类器)，但不幸的是，它实际上检测到了许多假阳性。为了消除假阳性，从检测中得到合适的人脸矩形，采用邻域方法。3-6是一个很好的价值。如果价值太高，那么你也可能失去真正的积极因素。
• minSize -对于minNeighbors的滑动窗口方法，这是级联所能检测到的最小窗口。小于该对象的对象将被忽略。通常情况下，cv::Size(20, 20)对人脸检测是足够的。
• maxSize -最大可能的对象大小。大于该值的对象将被忽略。

最后，您可以根据不同的特征(如Haar、LBP、HoG)尝试不同的分类器。通常，LBP分类器比Haar分类器快几倍，但也不太准确。

此外，我们亦强烈建议研究以下问题：

• OpenCV detectMultiScale()参数的推荐值
• OpenCV detectMultiScale() minNeighbors参数

Answer 2

相反，将图像读取为Bitmap，然后通过使用Utils.bitmapToMat(defaultBitmap,image)将它们转换为Mat，您可以直接使用Mat image = Highgui.imread(imagepath);，您可以检查这里的imread()函数。

另外，由于探测器正在寻找至少尺寸(20，20)相当小的面孔，所以在线下花费了太多时间。检查这视频，以便使用OpenCV实现人脸检测的可视化。

mJavaDetector.detectMultiScale(image,faceDetections,1.1, 10, 0, new Size(20,20), new Size(image.width(), image.height()));