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

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