python opencv教程rtsp server_Python多进程opencv调用rtsp视频流(改进版)

前几天遇到了一个问题，利用opencv程序调取rtsp视频流，因为处理程序要消耗的CPU时间过于长，VideoCapture的read是按帧读取，所以经常导致内存溢出，延时还高得出奇。

所以想到是不是可以利用多进程把读取视频和处理视频分开，这样就可以消除因处理图片所导致的延迟。

逻辑论证在上一篇中有讲解，但是会有程序不好读、不好移植、不好维护的缺点，而且图片的处理算法放到进程内也不好调试。

经过一年多的学习又加上最近看完了《流畅的python》就正好改进一下直接重新包装实现VideoCapture。同时也感谢@qq_39658909的提问

所用库

multiprocessing

gc

opencv-python

abc

实现方法不熟悉抽象基类的话可以直接看总结

将主要的实现逻辑写成一个抽象基类ABVideoCapture，其子类只用关心要做的图像算法，并实现到.process_image(image)这一方法中，就可以定制一个自带算法处理的实时VideoCapture类

ABVideoCapture也可以选择重构.write静态方法以支持从其他的数据源中读取图片。这里边有鸭子类型带来的好处

ABVideoCapture.read_gen()是一个生成器函数，也是整个实例可以快速运行的核心，ABVideoCapture.read()和ABVideoCapture.__iter__()都依赖于它。实例会维护一个由它返回的生成器ABVideoCapture.__read_gen。它可以一个一个的生成经过自定义算法处理过后的缓存栈顶的图片。

抽象基类实现了迭代器协议__iter__和上下文管理器协议__enter__、__exit__。

实现代码import gc

import abc

from multiprocessing import Process, Manager

import cv2

# 定义抽象基类，此类不能直接实例化

# 做好框架

# 其子类只用实现.process_image方法，返回任意图像算法处理后的从缓存栈中读取的图片

class ABVideoCapture(abc.ABC):

def __init__(self, cam, top=100):

self.stack = Manager().list()

self.max_cache = top

self.write_process = Process(target=self.__class__.write, args=(self.stack, cam, top))

self.write_process.start()

self.__read_gen = self.read_gen()

@abc.abstractmethod

def process_image(self, image):

"""

对输入的图片进行处理并返回处理后的图片

"""

def read_gen(self):

while True:

if len(self.stack) != 0:

               img = self.process_image(self.stack.pop())

               yield img

def read(self):

try:

return True, next(self.__read_gen)

except StopIteration:

return False, None

except TypeError:

raise TypeError('{}.read_gen必须为生成器函数'.format(self.__class__.__name__))

def __iter__(self):

yield from self.__read_gen

def release(self):

self.write_process.terminate()

def __del__(self):

self.release()

@staticmethod

def write(stack, cam, top):

"""向共享缓冲栈中写入数据"""

cap = cv2.VideoCapture(cam)

while True:

           _, img = cap.read()

if _:

               stack.append(img)

# 每到一定容量清空一次缓冲栈

# 利用gc库，手动清理内存垃圾，防止内存溢出

if len(stack) >= top:

del stack[:]

gc.collect()

def __enter__(self):

return self

def __exit__(self, exc_type, exc_val, exc_tb):

self.release()

# 继承ABVideoCapture，对缓存栈中的图片不做处理直接返回

class VideoCapture(ABVideoCapture):

def process_image(self, image):

# 这里对图像的处理算法可以随意制定

       return image

示例一（经典用法）camera_addr = 0

cap = VideoCapture(camera_addr)

while True:

   _, img = cap.read()

if _:

       cv2.imshow('img', img)

key = cv2.waitKey(1) & 0xFF

if key == ord('q'):

break

cap.release()

cv2.destroyAllWindows()

示例二（上下文+迭代器）camera_addr = 0

with VideoCapture(camera_addr) as cap:

   for img in cap:

       cv2.imshow('img', img)

key = cv2.waitKey(1) & 0xFF

if key == ord('q'):

break

cv2.destroyAllWindows()

总结当然，对于用户，只用继承ABVideoCapture然后像代码中那样重写process_image就可以

甚至直接像实例中那样用VideoCapture得到图像再去处理也是可以的

其它抽象基类的实现细节可以完全不用管