human_pose_estimation_demo的再进一步研究

此次研究的主要是速度问题，后来还得到了其它方面的收获。

一、原始的抽帧

      对于这样一个问题，想提升速度，可以想到的最简单、最直接的方法就是“ 抽帧”。好比添加一个计数器

这里，只有当SumofFrames达到FRAMEBLOCK的时候，才进行下面的图像处理，不然只是显示图像自己而不处理。

可是这样作，获得的结果很诡异，就是这我的走走停停的。

这样想来，这个图像处理的过程，仍是不能放到主线程中去，仍是要独立出来。

就是起码要2个线程。这个时候Console程序的能力就不够了，因此开始修改GOMFCTemplate。

二、对human_pose_estimation_demo结构的进一步理解

当我开始移植 human_pose_estimation_demo到GOMfcTemplate中的时候，才发现它的结构化方法提供了很是多的便利：

引入它的文件

 

 

执行它的过程

就能够。

固然看上去简单，细节仍是不少的，这个放到第4个部分来说。

三、Dshow提供的加成

当我花了一番心思把算法移植过来，准备开始搞“2线程”的时候，测试发现速度已经有了明显的提高：

注意，這里已经将视频设置成了1920*1080的原始大小。能够看到，最上面的VCam是虚拟摄像头，它比较流畅，而GOMfctemplate里面的算法处理也是比较快的， 而且DShow自动进行了抽帧处理！原理我尚未考证，可是结果看上去是这样的，这也是采用专业基础库的红利吧。

这样，我就不研究双线程了……等到后面有须要的时候再研究。这里实现的功能已经符合个人预期。

四、注意事项

a、由于OpenVINO的缘由，全部的项目不要放在有中文和空格的地方；

b、正确设置分辨率进行测试，不然小分辨率测试不出来什么效果；

c、 matU8ToBlob  等函数在引用过来的时候会批量报错，须要改写。