时间戳

首页 > 解决方案 > 使用 azure face api 进行实时人脸检测时的性能问题

python - 使用 azure face api 进行实时人脸检测时的性能问题

问题描述

我想用 azure 认知服务的人脸 API 制作一个实时人脸识别器。但是api调用需要很多时间。我能做些什么？

我在简单的 while 循环中编写了我的代码。抓住一个框架并检测该框架中的人脸。但是检测人脸的请求部分大约需要 2.5 秒。所以，它与实时检测相去甚远 :) 我在他们的网站上找到了 ac# 示例，但我无法处理。链接是：https ://docs.microsoft.com/en-us/azure/cognitive-services/face/face-api-how-to-topics/howtoanalyzevideo_face

while True:
    image = getCapture()
    cv2.imshow('image', image)
    image = cv2.imencode('.jpg', image)[1].tostring()
    response = requests.post(vision_analyze_url,
                             params=params,
                             headers=headers,
                             data=image)
    print(response.json())
    key = cv2.waitKey(1) & 0xFF

顺便说一句，我什至可以使用 2 fps。我应该使用什么概念？我看到了类似 asyncio 的东西，我应该使用它吗？

标签： pythonopencvpython-requestsazure-cognitive-services

解决方案

根据我的经验，您的性能问题是由两个原因引起的。

  1. aiohttp每个请求响应的网络延迟，使用基于asyncio并发来降低间隔请求的时间成本。
  2. 这是一个在单个线程上运行的循环过程，等待响应返回然后执行下一个。由于 Python 没有真正的并发机制，通过或GIL并行或并发请求远程人脸检测 api 。Parallel Pythonray

Example: How to Analyze Videos in Real-time基本上，以上两点与官方文档中关于视频流人脸检测加速的思路是一样的。

否则，如果您只需要进行实时人脸检测，我认为ageitgey/face_recognition基于dlib可能是您没有云的场景的更好解决方案。

希望能帮助到你。

推荐阅读