opencv 3.0 DPM Cascade 检测 （附带TBB和openMP加速）

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 << "
This example shows object detection on image sequences using "Deformable Part-based Model (DPM) cascade detection API
"
       "Call:
"
       "./example_dpm_cascade_detect_sequence <model_path> <image_dir>
"
       "The image names has to be provided in "files.txt" under <image_dir>.
"
       << 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 << "
Invalid image:
" << 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