海思3559上移植OpenCV3.4.1 (四) 人脸检测速度初步优化

本文介绍了在海思3559芯片上移植OpenCV3.4.1并进行人脸识别速度优化的过程。通过调整cvHaarDetectObjects函数的参数,实现了在不同图片上的人脸检测。优化后,在一张5人图上检测到所有人脸耗时约564毫秒,在单人人脸图上耗时约403毫秒。尽管已在ARM Cortex-A7核上进行优化,但可能需要利用IVE硬件加速或结合角点计算以进一步提高效率。
摘要由CSDN通过智能技术生成

相关文章
海思3559上移植OpenCV3.4.1 (三)cvHaarDetectObjects函数

根据上面的介绍,尝试初步修改尝试,看能否加快识别速度
测试图片一
在这里插入图片描述

将代码修改为:

faces = cvHaarDetectObjects(img, cascade,  storage, 3, 4, 0, cvSize(40,40) ,cvSize(160,200));

缩小了范围,加大了搜索的比例
检测出人脸花了
163481us
大约是163毫秒
但是对于下面这个5人图
在这里插入图片描述
确检测不到一个人脸了。

修改参数为:

faces = cvHaarDetectObjects(img, cascade,  storage, 2, 4, 0, cvSize(20,25) ,cvSize(160,200));  

能检出5个人脸
耗时为:
use time: 564922us

继续去检测只有一个人脸的图片
耗时
use time: 403251us

这个是在ARM cotex-a7核上纯软件运算的结果。
目前看样子只能优化到这样。
如果运行到ARM cotex-a17核上,只是跑纯软件运算的话,效果提升估计不是很明显,
看能否用到IVE的东西,提升运算效率。

实在不行,就结合角点计算看看吧。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值