Bester Ansatz für hohe FPS mit Surfalgorithmus ⇐ Python

[Anonymous]

Ich arbeite an einem Projekt, das den Surf-Algorithmus (beschleunigte robuste Funktionen) verwendet, um Funktionen aus Banknoten zu erkennen. Ziel ist es, eine Echtzeit-Erkennung mit Python 3.6 auf einem Raspberry PI 5 zu erhalten, aber ich stoße auf Leistungsprobleme mit FPS (Frames pro Sekunde) bei der Integration der Funktionserkennung in meinen Video-Stream. < /P>
Das Problem: < /p>
Ich verwende Webcamvideostream anstelle von OpenCVs VideoCapture, um Frames aus der Webcam zu erfassen. 160 fps, was großartig ist. Wenn ich jedoch den Surf -Algorithmus für die Erkennung und Übereinstimmung von Merkmalen (entweder mit BFMatcher- oder FLANN -Matcher) integriere, sinkt die FPS signifikant. < /P>
Um die FPS zu verbessern Surf -Funktionen wurden auf 500 erkannt, um die Berechnung zum Vergleich jedes Frame mit den Deskriptoren von 20 in einer Gurkendatei gespeicherten Bildern zu verringern. Trotz dieser Optimierungen fällt der FPS immer noch erheblich, wenn die Nachweis hinzugefügt wird. < /P>
Was ich ausprobiert habe: Die Anzahl der Surffunktionen zu 500, um die Berechnung zu reduzieren. Übereinstimmend, aber die FPS fällt drastisch mit diesen verwendeten Algorithmen ab. 5 Mit einer USB -Webcam, aber ich habe keinen Zugriff auf PICAM oder GPU -Beschleunigung. > Was ist der beste Ansatz, um FPS zu optimieren, während Surf für die Echtzeiterkennung auf einem Raspberry Pi 5 ohne Picam oder GPU verwendet wird? < /p>
< /li>
[*] Gibt es zusätzliche Optimierungen, die ich für die Surf -Funktionextraktion oder den Übereinstimmungsvorgang anwenden kann, um die Leistung zu verbessern?