Python环境下OpenCV视频流的多线程处理方式

前言

最近在功能性测试的过程中，需要在Python环境下用OpenCV读取网络摄像头的视频流，接着用目标检测器进行视屏帧的后续处理。在测试过程中发现如果是单线程的情况，会出现比较严重的时延，如果目标检测模型稍微大一点，像YOLOv4这类的，那么情况更加严重。
后面考虑到演示效果，从单线程改为了多线程，即单独用一个线程实时捕获视频帧，主线程在需要时从子线程拷贝最近的帧使用即可。通过这样的修改，不仅时延基本消失，整个流程的实时性也有相对的提升，可以说是非常实用的技巧。

Python多线程编程

使用Python进行多线程编程是较为简单的，Python的threading模块封装了相关的操作，通过编写功能类继承threading.Thread即可实现自己的逻辑。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()