Python环境下用OpenCV读取网络摄像头视频流的多线程优化技巧

目录

前言

最近在进行功能性测试时，要在Python环境下，使用OpenCV读取网络摄像头的视频流，然后用目标检测器对视频帧做后续处理。测试时发现，单线程情况下会出现较严重的时延，要是目标检测模型稍大些，比如YOLOv4这类，那情况会更严重。

后面出于对演示效果的考量，将模式从单线程改成了多线程，也就是专门用一个线程实时捕捉视频帧，当主线程有需要的时候，从子线程拷贝最近的帧来使用就行。经过这样的改动，不但时延基本消除了，整个流程的实时性也有了相应的提高，这算得上是很实用的技巧。

Python多线程编程

使用Python进行多线程编程并不复杂，Python的threading模块对相关操作进行了封装，编写功能类并继承threading.Thread就能实现自身逻辑。简单的代码示例如下所示：

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()