这次研究的主要是速度问题，后来还获得了其它方面的收获。
1、原始的抽帧
对于这样一个问题，想提高速度，能够想到的最简单、最直接的方法就是“ 抽帧”。比如添加一个计数器
这里，只有当SumofFrames达到FRAMEBLOCK的时候，才进行下面的图像处理，否则只是显示图像本身而不处理。
但是这样做，得到的结果很诡异，就是这个人走走停停的。
这样想来，这个图像处理的过程，还是不能放到主线程中去，还是要独立出来。
就是起码要2个线程。这个时候Console程序的能力就不够了，所以开始修改GOMFCTemplate。
2、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非常多的便利：
引入它的文件
执行它的过程
就可以。
当然看上去简单，细节还是很多的，这个放到第4个部分来讲。
3、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升：
注意，這里已经将视频设置成了1920*1080的原始大小。可以看到，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， 并且DShow自动进行了抽帧处理！原理我还没有考证，但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……等到后面有需要的时候再研究。这里实现的功能已经符合我的预期。
4、注意事项
a、因为OpenVINO的原因，所有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，否则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，需要改写。
