利用OpenCV開發行人檢測程序，怎樣提高檢測速率呢？

02-05

檢測演算法：HOG+SVM，使用的是detectMultiScale()函數。除了劃定合理的檢測區域，設置圖像金字塔間的尺度參數還可以做哪些工作提高檢測速率呢？
不適用OpenCV的話，大家有什麼更好的建議么

行人檢測我沒有深入研究過，大致地給點思路

整體層面：先運行下 profiler，定位程序大部分時間是在運行哪些函數，我經常使用的是 Very Sleepy
CPU 並行優化，可以分三個線程，確保每個 CPU core 都是滿載

視頻捕捉和簡單預處理
HOG
SVM

GPU 優化，HOG 有 GPU 加速版本 Object Detection

在讀研究生，新人一枚，曾經做過視頻中檢測行人的項目。

張靜老師的回答更偏重於演算法優化，其實在工程項目中往往有工程化的思路。我在視頻中首先用高斯背景法進行建模，這個對於704*576的一幀視頻大約平均用27ms左右吧，然後對檢測出的運動團塊用面積，複雜度，位置，外接矩形長寬比等進行粗略的分類，可以得到人的大致範圍，這一步耗時很短。最後在這個範圍附近區域進行hog+svm，能有效減小處理圖像，速度就提高了很多。

如果使用opencv，最直接的就是上GPU。

計算量最大的部分是HOG的計算。opencv實現了original HOG，可以考慮下DPM里那個HOG。HOG的參數調整，比如number of bin, cell size，要不要插值，如何歸一化等等，也能減小點計算量，跟檢測效果平衡下。

HOG的multiscale比較費時。可以做個倍數的image pyramid，在每個level上計算hog，然後再對這個倍數的hog pyramid downscaling得到n個scale的multiscale hog。或者直接訓練多個不同尺度的classifier，用來逐個遍歷。

SVM盡量linear。

先做個膚色檢測，將可能的人臉區域標註出來

小生最近也遇到這樣的困惑，Detectmultiscale()遍歷一副480*640的圖片要花費一分多鐘，請問樓主這樣的速度正常嗎