下面这个代码，识别的很慢吗？

[bbhxwl]

只有不到10帧，怎么才能做个火柴人的功能呢。流畅的。

import requests
import json
import cv2
import base64


def cv2_to_base64(image):
    data = cv2.imencode('.jpg', image)[1]
    return base64.b64encode(data.tostring()).decode('utf8')


cap = cv2.VideoCapture(0)

while (True):

    # 开始用摄像头读数据，返回hx为true则表示读成功，frame为读的图像
    hx, frame = cap.read()
    data = {'images': [cv2_to_base64(frame)]}
    headers = {"Content-type": "application/json"}
    url = "http://127.0.0.1:8866/predict/human_pose_estimation_resnet50_mpii"
    r = requests.post(url=url, headers=headers, data=json.dumps(data))

    # 打印预测结果
    print(r.json()["results"])
    # 如果hx为Flase表示开启摄像头失败，那么就输出"read vido error"并退出程序
    if hx is False:
        # 打印报错
        print('read video error')
        # 退出程序
        exit(0)

    # 显示摄像头图像，其中的video为窗口名称，frame为图像
    cv2.imshow('video', frame)

    # 监测键盘输入是否为q，为q则退出程序
    if cv2.waitKey(1) & 0xFF == ord('q'):  # 按q退出
        break

# 释放摄像头
cap.release()

# 结束所有窗口
cv2.destroyAllWindows()

# 发送HTTP请求
# data = {'images':[cv2_to_base64(cv2.imread("./test_image.jpg"))]}
# headers = {"Content-type": "application/json"}
# url = "http://127.0.0.1:8866/predict/human_pose_estimation_resnet50_mpii"
# r = requests.post(url=url, headers=headers, data=json.dumps(data))
#
# # 打印预测结果
# print(r.json()["results"])

https://github.com/PaddlePaddle/PaddleHub/tree/release/v2.2/modules/image/keypoint_detection/human_pose_estimation_resnet50_mpii

[haoyuying]

可调用模型时将use_gpu打开：https://github.com/PaddlePaddle/PaddleHub/blob/release/v2.2/modules/image/keypoint_detection/human_pose_estimation_resnet50_mpii/module.py#L58

[bbhxwl]

可调用模型时将use_gpu打开：https://github.com/PaddlePaddle/PaddleHub/blob/release/v2.2/modules/image/keypoint_detection/human_pose_estimation_resnet50_mpii/module.py#L58

那我看别人的摄像头，几百块做的火柴人的模型比这个强大吗？不应该啊，用GPU的价格就好几千了。