OpenCV視頻流Python多線程處理方法詳細分析

更新時間：2022年11月16日 14:31:33 作者：hlld26

為OpenCV是搞計算機視覺必須要掌握的基礎,這篇文章主要給大家介紹了關于OpenCV視頻流多線程處理的相關資料,文中通過示例代碼介紹的非常詳細,需要的朋友可以參考下

前言

最近在功能性測試的過程中，需要在Python環(huán)境下用OpenCV讀取網(wǎng)絡攝像頭的視頻流，接著用目標檢測器進行視屏幀的后續(xù)處理。在測試過程中發(fā)現(xiàn)如果是單線程的情況，會出現(xiàn)比較嚴重的時延，如果目標檢測模型稍微大一點，像YOLOv4這類的，那么情況更加嚴重。

后面考慮到演示效果，從單線程改為了多線程，即單獨用一個線程實時捕獲視頻幀，主線程在需要時從子線程拷貝最近的幀使用即可。通過這樣的修改，不僅時延基本消失，整個流程的實時性也有相對的提升，可以說是非常實用的技巧。

Python多線程編程

使用Python進行多線程編程是較為簡單的，Python的threading模塊封裝了相關的操作，通過編寫功能類繼承threading.Thread即可實現(xiàn)自己的邏輯。簡單的代碼示例如下所示：

class myThread(threading.Thread):
    def __init__(self, name=None):
        super(myThread, self).__init__(name=name)
    def run(self):
        print('=> Thread %s is running ...' % self.name)
thread = myThread()
thread.start()
thread.join()

上面的代碼簡單展示了如何使用線程類：通過調用start()方法，線程實例開始在單獨的線程上下文中運行自己的run()函數(shù)處理任務，直到線程退出。在此期間，主線程可以繼續(xù)執(zhí)行任務。當主線程任務執(zhí)行結束時，主線程可通過設置全局狀態(tài)變量告知子線程退出，同時調用join()方法等待子線程運行結束。

OpenCV視屏流的多線程處理

在上面例子的基礎上，可對簡單的單線程處理流程進行優(yōu)化，即將讀取視頻幀的部分單獨放在一個線程執(zhí)行，同時提供線程間同步、數(shù)據(jù)交互的支持，在主線程中運行目標檢測模型和后續(xù)處理流程，在需要時從讀取視頻幀的子線程獲取最近的幀進行預處理、推理、后處理和可視化等操作。相關的示例代碼如下：

import numpy as np
import cv2
import threading
from copy import deepcopy
thread_lock = threading.Lock()
thread_exit = False
class myThread(threading.Thread):
    def __init__(self, camera_id, img_height, img_width):
        super(myThread, self).__init__()
        self.camera_id = camera_id
        self.img_height = img_height
        self.img_width = img_width
        self.frame = np.zeros((img_height, img_width, 3), dtype=np.uint8)
    def get_frame(self):
        return deepcopy(self.frame)
    def run(self):
        global thread_exit
        cap = cv2.VideoCapture(self.camera_id)
        while not thread_exit:
            ret, frame = cap.read()
            if ret:
                frame = cv2.resize(frame, (self.img_width, self.img_height))
                thread_lock.acquire()
                self.frame = frame
                thread_lock.release()
            else:
                thread_exit = True
        cap.release()
def main():
    global thread_exit
    camera_id = 0
    img_height = 480
    img_width = 640
    thread = myThread(camera_id, img_height, img_width)
    thread.start()
    while not thread_exit:
        thread_lock.acquire()
        frame = thread.get_frame()
        thread_lock.release()
        cv2.imshow('Video', frame)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            thread_exit = True
    thread.join()
if __name__ == "__main__":
    main()

在上面的代碼中，為確保資源訪問不受沖突，使用threading.Lock進行保護；主線程使用thread_exit全局狀態(tài)變量控制子線程的運行狀態(tài)。稍微特別一點的是，thread_exit實際上控制著兩個線程的運行狀態(tài)，因為在上述的處理流程中，兩個線程都擁有終止運行流程的話語權，故這樣的處理是合理的。

結語

實際上使用多線程并行處理任務，最大程度地利用資源早已是老生常談的技巧，例如在服務器端，會開辟有專門的線程池用于處理隨時可能到來的請求，而在嵌入式通信終端上，也通常采用線程池的方式來處理收到的消息包，以盡可能提升實時性。雖然多線程的處理方式相較單線程而言要稍微復雜一些，但帶來的性能提升確是實打實的，所以還是很值得一試。

到此這篇關于OpenCV視頻流多線程處理方法詳細分析的文章就介紹到這了,更多相關OpenCV視頻流內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: