opencv 3.0 DPM Cascade 检测 (附带TBB和openMP加速)
2015-10-27 09:10
435 查看
opencv 3.0 DPM cascade contrib模块
转载请注明出处,楼燚(yì)航的blog,http://www.cnblogs.com/louyihang-loves-baiyan/
在opencv3.0 中 加入DPM检测的C++代码,目前开源的DPMC++代码不多,在2.4的opencv 版本中,DPM模块中在检测时用的是latentSVM,这个是标准的DPM matlab源码中使用的分类器,不过在在voc_release 5.01版本中已经也加入了cascade。这一版本的C++ DPM也加入了级联分类器,并做了TBB和openMP加速,先晒一张TBB加速后的图x64, release 开启TBB加速,TBB加速的效果比较明显,在0.5S左右
目前工程化的代码比较少,在这之前我还试了yuxiaoguo 的DPM代码,这里我放一个链接yuxiaoguo,作者的硕士毕设完成的是将DPM源码实现了C++的版本,并做了不少优化。
首先感谢这么有奉献精神的人士,让大家在学习应用DPM的时候有了更多的资源,他已经开源了,相关的代码可以在其博客上下到,首先的性能还不错。
今天我主要说一下怎么跑opencv 3.0 中的DPM代码,需要说明的是在3.0模块中,DPm的相关部分已经被剥离了,在opencv_contrib这个模块中,这里给出模块的github链接,必须到上面去下,原始的3.0SDK中已经没有了
下面是链接
https://github.com/Itseez/opencv_contrib
你可以直接把代码建工程,链接到相应的另外的opencv库,也可以直接把模块编译进去,生成库文件
生成库文件的具体步骤如下:
http://segmentfault.com/a/1190000003496009
但是我跟着步骤,用cmake做了configure,去除了部分没有的选项,添加了额外的contrib module,configure generate没有任何报错,在用visual studio 2013 打开工程,在cmake targets 中直接Build install,生成的时候报了不少错,因为着急看效果,因此也懒得折腾了,如果谁有碰到opencv编译报错,可以把相关的处理过程贴一下。
DPM +TBB and openMP
这一版本的opencv DPM检测代码加入了TBB并行加速和openMP并行加速,有个开关可以控制开启TBB加速
需要定义HAVE_TBB这个宏,不想在文件里加的话,直接全局生效,右键点击工程-->属性-->c/c++-->预处理器-->预处理器定义,点击下拉框中的编辑里天机即可接着还需要下载tbb这个库,TBB是英特尔推出的并行库
这里是官网链接https://www.threadingbuildingblocks.org
具体的配置我就不再详述了,跟opencv 配置一样,添加path变量,在工程属性页中添加include头文件路径和相应的库目录和链接的库名字
开启openMP加速
直接在工程的属性页中C++页卡,语言下面选择openMP支持即可因此我这里选择了直接建立工程,直接把项目clone 到本地,打开DPM的文件夹,
建立工程列表如下:
主函数:
#include "dpm.hpp" #include <opencv2/core.hpp> #include <opencv2/imgproc.hpp> #include <opencv2/highgui.hpp> #include <stdio.h> #include <iostream> #include <fstream> using namespace cv; using namespace cv::dpm; using namespace std; int save_results(const string id, const vector<DPMDetector::ObjectDetection> ds, ofstream &out); static void help() { cout << "\nThis example shows object detection on image sequences using \"Deformable Part-based Model (DPM) cascade detection API\n" "Call:\n" "./example_dpm_cascade_detect_sequence <model_path> <image_dir>\n" "The image names has to be provided in \"files.txt\" under <image_dir>.\n" << endl; } static bool readImageLists( const string &file, vector<string> &imgFileList) { ifstream in(file.c_str(), ios::binary); if (in.is_open()) { while (in) { string line; getline(in, line); imgFileList.push_back(line); } return true; } else { cerr << "Invalid image index file: " << file << endl; return false; } } void drawBoxes(Mat &frame, vector<DPMDetector::ObjectDetection> ds, Scalar color, string text); int main( int argc, char** argv ) { const char* keys = { "{@model_path | | Path of the DPM cascade model}" "{@image_dir | | Directory of the images }" }; CommandLineParser parser(argc, argv, keys); //string model_path(parser.get<string>(0)); //string image_dir(parser.get<string>(1)); //string image_list = image_dir + "/files.txt"; string model_path ="D:\\WorkSpace\\VS_Projects\\opencv_dpm\\opencv_dpm\\inriaperson.xml"; string image_dir = "D:\\DataSet\\INRIAPerson"; string image_list = "D:\\DataSet\\INRIAPerson\\Test\\pos1.lst"; if( model_path.empty() || image_dir.empty() ) { help(); return -1; } vector<string> imgFileList; if ( !readImageLists(image_list, imgFileList) ) return -1; #ifdef HAVE_TBB cout << "Running with TBB" << endl; #else #ifdef _OPENMP cout << "Running with OpenMP" << endl; #else cout << "Running without OpenMP and without TBB" << endl; #endif #endif cv::Ptr<DPMDetector> detector = \ DPMDetector::create(vector<string>(1, model_path)); namedWindow("DPM Cascade Detection", 1); // the color of the rectangle Scalar color(0, 255, 255); // yellow Mat frame; for (size_t i = 0; i < imgFileList.size(); i++) { double t = (double) getTickCount(); vector<DPMDetector::ObjectDetection> ds; string imageFile = image_dir + "\\" + imgFileList[i]; Mat image = imread(imageFile); frame = image.clone(); if (image.empty()) { cerr << "\nInvalid image:\n" << imgFileList[i] << endl; return -1; } // detection detector->detect(image, ds); // compute frame per second (fps) t = ((double) getTickCount() - t)/getTickFrequency();//elapsed time cout << t << endl; // draw boxes string text = format("%0.1f fps", 1.0/t); drawBoxes(frame, ds, color, text); // show detections imshow("DPM Cascade Detection", frame); waitKey(0); //if ( waitKey(30) >= 0) // break; } return 0; } void drawBoxes(Mat &frame, \ vector<DPMDetector::ObjectDetection> ds, Scalar color, string text) { for (unsigned int i = 0; i < ds.size(); i++) { rectangle(frame, ds[i].rect, color, 2); } // draw text on image Scalar textColor(0,0,250); putText(frame, text, Point(10,50), FONT_HERSHEY_PLAIN, 2, textColor, 2); }
在x64 release 模式下,图像的分辨率480*360,测试的是Inria行人数据集
不开加速的检测时间如下:大约在0.6~0.7秒之间
x64, release 开启TBB加速,TBB加速的效果比较明显,在0.5S左右
x64, release 开启openMP加速,openMP加速不如TBB加速明显,在0.5S~0.6S之间
代码写的非常规整,有较高的参考价值
相关文章推荐
- Activiti学习笔记三-开发部署bpmn流程文件
- B端产品经理的发展路径思考(间歇性更新完毕)
- npm 安装module
- 阿里PM的可用性测试秘籍:有理有据的用户体验优化
- rpm的安装与卸载
- 音频播放(System Sound Services、MPMusicPlayerController、AVAudioplayer) for IOS
- 概率矩阵分解模型 PMF
- APM飞控修改数传模块方法
- RPM包制作方法
- 用户体验学习笔记(工程中发现的PM常犯错误)
- PM俱乐部之旅7-弱活着
- 绩效考核:要想落地应该这样做
- npm ERR!无法安装任何包的解决办法
- centeOS6.5 RPM方式安装MySQL5.6
- cnetos 6----install ---- rpmfusion
- 如果我来应聘产品经理岗位(一)
- 听腾讯产品经理从 12306 和 “写简历” 这些事聊聊用户体验
- 关 于 yum rpm 的 类 习 题
- npm package.json中的dependencies和devDependencies的区别
- PMP考试中的项目管理知识领域