使用 azure face api 进行实时人脸检测时的性能问题

Question

我想用 Azure 认知服务的人脸制作实时人脸识别器 api。但是 api 调用需要很长时间。我能做什么？

我在简单的 while 循环中编写了我的代码。抓取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需要大约 2.5 秒。所以，它离实时检测太远了:) 我在他们的网站上找到了一个 c# 示例，但我无法处理。 link 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

我什至可以接受 2 fps 顺便说一句。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？

Answer 1

根据我的经验，您的性能问题是由两个原因造成的。

每次请求响应的网络延迟，在asyncio并发的基础上使用aiohttp减少间隔请求的时间成本。
单线程运行是一个循环过程，等待响应返回再做下一个。由于 Python GIL, parallelly or concurrently to request the remote face detection api via Parallel Python or ray.

以上两个基本上和官方文档Example: How to Analyze Videos in Real-time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 based on dlib 可能是您在没有云的情况下更好的解决方案。

希望对您有所帮助。

使用 azure face api 进行实时人脸检测时的性能问题

Performance problems while using azure face api for real time face detection

python

opencv

python-requests

azure-cognitive-services