目标检测多线程框架(1)

目标检测用到的异步多线程处理(1)-之异步处理   完整工程下载

采用C11以上语法支持

这里为了好说明问题就不用ffmpeg ,保证代码足够简单易懂以下还是用opencv的VideoCapture描述为主.

通常在目标检测分析处理中大致思路是下面这样的:

   如下:

//视频模拟camera
void testCPUvideo(const char* name)
{
    cv::VideoCapture vcap;
    cv::Mat fps_curr;
    vcap.open(name);      
    vcap.set(CAP_PROP_POS_FRAMES, 1);
    if (!vcap.isOpened())
        return ;
    while (true)
    {
        vcap >> fps_curr;
        if (fps_curr.empty())
            return ;
        //DNN(fps_curr, my_objinfo);        //目标检测
        //draw(fps_curr, my_objinfo);       //解析my_objinfo绘制框
        cv::namedWindow("CPU_Video_play", cv::WINDOW_OPENGL);   //gl
        cv::imshow("CPU_Video_play", fps_curr);
        //pushrtsp(fps_curr,1920,1080);     //推出去rtsp
        cv::waitKey(1);
    }
    cv::waitKey(0);
}

这是一个明显的单线程线性的处理方法,很多事情在同步阻塞下是不能操作的,这也导致了中间不能插入太多要求.真正项目上是力不从心的.

下面对上面做一个改进.将解码->处理->渲染(显示)分别拆开到独立线程处理.如下图:

void testMutiThread(const char* name)
{
    //数据结构
    using MAT = cv::Mat;
    using MyFrame = struct 
    {
        std::queue<MAT> image_data_queue;                   //解码数据
        std::mutex decode_mutex;
        std::queue<MAT> process_data_queue;                 //处理数据
        std::mutex process_mutex;
        std::queue<MAT> draw_data_queue;                    //渲染数据
        std::mutex draw_mutex;
    };
    static MyFrame m_Frame;
    std::atomic_bool brun1(true), brun2(true), brun3(true);

    auto CollectTd = [&]
    {
        cv::VideoCapture vcap;
        MAT capture264;
        vcap.open(name);           //打开文件
        vcap.set(cv::CAP_PROP_POS_FRAMES, 1);
        if (!vcap.isOpened())
            return;
        int numflag(0);
        while (true)
        {
            std::string strnum = std::to_string(numflag++);
            vcap >> capture264;     //此处模拟相机采集数据
            if (!capture264.empty())
            {
                std::lock_guard<std::mutex> lock_guard(m_Frame.decode_mutex);
                cout << "CollectThread image_data>> " << strnum << endl;
                m_Frame.image_data_queue.push(capture264);
            }
            else {
                brun1 = brun2 = brun3 = false;
                break;
            }
            this_thread::sleep_for(std::chrono::milliseconds(30));
        }
    };

    auto DecodeTd =[&]
    {
        while (brun1)
        {
            if (!m_Frame.image_data_queue.empty())
            {
                MAT image_data;
                {
                    std::lock_guard<std::mutex> lock_guard(m_Frame.decode_mutex);
                    image_data = m_Frame.image_data_queue.front();
                    m_Frame.image_data_queue.pop();
                    cout << "DecodeThread image_data<< " << endl;
                }
                //从收到的数据进行解码,解码后送到处理线程
                MAT process_data = image_data;
                {
                    std::lock_guard
  • 3
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
Qt是一个跨平台的C++应用开发框架,可以用于开发各种类型的应用程序,包括目标检测应用。 目标检测是计算机视觉领域的一个重要任务,旨在识别图像或视频中的特定对象并将其标记出来。Qt提供了丰富的功能和工具,可以帮助开发人员实现目标检测算法。 在Qt中实现目标检测可以按照以下步骤进行: 1.导入图像或视频数据:通过Qt的图像处理模块,可以将图像或视频数据导入到应用程序中,这是目标检测的基础。 2.图像预处理:在进行目标检测之前,通常需要对输入数据进行预处理,如图像增强、尺度调整等。Qt提供了丰富的图像处理功能,可以方便地实现这些操作。 3.选择目标检测算法:根据具体需求,选择合适的目标检测算法。常用的目标检测算法包括基于特征的方法(如Haar特征和HOG特征)和基于深度学习的方法(如卷积神经网络)等。 4.实现目标检测算法:利用C++编写目标检测算法的代码。Qt提供了一套易于使用的工具和库,可以快速实现和调试算法。 5.标记目标并显示结果:在检测到目标后,通过Qt的图形界面模块,可以将目标在图像或视频中标记出来,并将结果显示在应用程序的界面上。 6.性能优化:根据实际需求,对目标检测算法进行性能优化,如加速算法、减少误检率等。Qt提供了多线程、并行计算等功能,可以提高目标检测的速度和效率。 总之,Qt是一个强大的开发框架,在目标检测应用中可以发挥重要作用。通过利用Qt的功能和工具,开发人员可以更加便捷地实现目标检测算法,并开发出高效、稳定的目标检测应用程序。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值