我有一个无限循环,从网络摄像头读取视频帧,每个帧将通过一个复杂的功能,需要高计算能力.因此,当显示帧时,由于阻塞代码,程序会感觉有点迟钝.
我现在打算做的是,
>仅在目标对象出现时收集前几帧
>将它们放入单独的线程中以避免代码阻塞.
我每秒测量网络摄像头捕获的帧数,即~28帧.因此,while循环每秒只收集前5个帧并在另一个线程中处理所有这些帧,并在完成所有5个函数后返回结果.
我试图使用’Pool’和’Queue’但是无法使它工作,循环仍然被阻止.下面的代码模糊地表示我的程序现在的样子,我回家后会编辑它,现在使用手机发布.
def detect(frame):
# detect target object from images
pass
def nn(frame):
# some heavy processing code
pass
count = 0
stack = []
while True:
frame = cv2.imread(0)
detected = detect(frame)
# stop collecting images when collected 5
if detected and count <= 5:
stack.append(frame)
count += 1
# start processing
if len(stack) == 5:
p = Pool(4)
results = p.map(nn, frame)
p.close()
p.join()
# reset
stack = []
count = 0
我的概念是否正确？或者我需要做一些像协程一样的事情？
最佳答案 我用
rq解决了这个问题.
python的简单消息队列.
首先,需要异步运行的方法的实现.
它将运行你的nn函数,在这种情况下,
然后,为消息队列设置一个简单的配置,
我使用redis包中的connectionPool.
基本上,您将整个任务发送到由rq worker执行的并行进程.
def nn(frame):
# some heavy processing code
pass
def asynch_call(frame):
p = Pool(4)
results = p.map(nn, frame)
p.close()
p.join()
pool = redis.ConnectionPool(
host=HOST,
port=PORT,
password=PASS,
db=0)
r = redis.Redis(connection_pool=pool)
q = Queue('nn_queue', connection=r)
count = 0
stack = []
while True:
frame = cv2.imread(0)
detected = detect(frame)
# stop collecting images when collected 5
if detected and count <= 5:
stack.append(frame)
count += 1
# start processing
if len(stack) == 5:
job = q.enqueue(asynch_call, frame, timeout=any_long_timeout )
if job.status=='queued':
print("Job submission ok")
# reset
stack = []
count = 0
为了启动一个将处理异步调用的worker,你有几个选项,为Worker创建自己的代码,或者只是在一个单独的终端中运行以下命令：
rq worker nn_queue
请参阅上面使用的队列名称命令以发送作业.
我希望它有所帮助.
