dlib人脸检测加速

最近使用dlib进行人脸检测时遭遇严重的性能问题，在ubuntu下处理一张640*480的图像，耗时将近4s，重新编译dlib无数次，问题依旧没有解决，最后居然一个g++的编译命令拯救了为，还是学艺不精，因此把整个过程下来，很多linux命令也可以在以后复用。

下载dlib源码，目前应该是19.17的版本

解压后依次执行下面命令，这个网上大部分提供的都一样

sudo mkdir build
sudo chmod -R 777 build(not needed)
cd build
cmake .. -DDLIB_USE_CUDA=0 -DDLIB_USE_AVX_INSTRUCTIONS=1 -DBUILD_SHARED_LIBS=ON -DDLIB_USE_LAPACK=1
sudo cmake --build . --config Release
sudo make install
sudo ldconfig

这里主要是经用cuda的显卡加速，启用cpu的AVX加速，特别注意如果不加-DBUILD_SHARED_LIBS=ON，默认生成的是libdlib.a静态库文件，如果需要其他功能可以自行把指令加上去

sudo make install后会打印出所有的生成文件，可以看到（默认路径）/usr/local/lib/pkgconfig下多了一个dlib-1.pc文件，这个是自动生成的可用于pkg-config的，opencv是不会自动生成的，但是提供了一个pc.in的文件模板，可以自己配置一下，cp到/usr/local/lib/pkgconfig，这里就顺带提一下。

执行pkg-config --libs --cflags dlib-1可以看到dlib的头文件路径和库文件路径，该命令可以在需要链接到dlib时使用，非常方便，不用写一堆路径和文件名

由于项目需要输出jni接口的.so文件，这里把编译.so文件的命令也贴上来

g++ -Ofast 项目本身包含的实现.cpp文件 -I包含的头文件路径 -Ijni.h路径 -Ijni_md.h路径 -shared -fPIC -o libFaceIQA.so $(pkg-config --libs --cflags dlib-1 +其他依赖库)

划重点，性能提升的最最最关键，-Ofast，此标志为g++的优化等级，共有O，O1，O2，O3，Os，Ofast这几个等级，Ofast为最高优化等级，加上以后会自动添加很多编译选项，目前暂时还不知道利弊，得去查一下，只是知道，使用Ofast会不遵循语言标准，同时需要较多的stack，如果程序同样需要较大的stack，最好再加上-stack选项

好了，最后是性能比较：

原本一张640*480的图片，只做face_detect耗时4s，Ofast后需要44ms，可能会有波动，但是不会超过50ms，这提升，简直可怕，顺带提一下，opencv的cascade需要80多90ms左右

然后我又把图片大小限制了一下，尺寸在300以下的图片，基本只要几毫秒就可以搞掂了，与opencv没什么差别

最后再说常用的几个dlib提速方法吧

1. release编译

2. 人脸检测的时候采用灰度图像

3. 控制图片大小，尽量不超过600以上

4. 编译优化，感兴趣的朋友可以试试其他优化等级

Visual Studio的编译优化：Visual Studio的编译器是cl，-Ofast是不存在的，右键点击项目属性-C/C++-优化-优化设置为Ox（还有其他等级），同时修改C/C++-代码生成-基本运行时检查改为默认。