使用线程处理 I/O 繁重的任务（例如从相机传感器读取帧）是一种已经存在数十年的编程模型。

例如，如果我们要构建一个网络爬虫来抓取一系列网页（根据定义，这个任务是 I/O 绑定的），我们的主程序将生成多个线程来处理并行下载这组页面，而不是仅依靠单个线程（我们的“主线程”）按顺序下载页面。这样做可以让我们更快地抓取网页。

同样的概念也适用于计算机视觉中的从相机读取帧——我们可以简单地通过创建一个新线程来提高我们的 FPS，该线程轮询相机以获取新帧，而我们的主线程处理当前帧。

这是一个简单的概念，但它在 OpenCV 示例中很少见，因为它确实为项目添加了几行额外的代码（或者有时是很多行，取决于您的线程库）。多线程也可以让你的程序更难调试，但是一旦你做对了，你可以显著提高你的 FPS。

我们将通过编写一个线程化的 Python 类来开始这一系列文章，以使用 OpenCV 访问您的网络摄像头或 USB 摄像头。

1.使用线程获得更高的 FPS

使用 OpenCV 处理视频流时获得更高 FPS 的“秘诀”是将 I/O（即从相机传感器读取帧）移动到单独的线程。
您会看到，使用 cv2.VideoCapture 函数和 .read() 方法访问您的网络摄像头/USB 摄像头是一个阻塞操作。我们的 Python 脚本的主线程被完全阻塞（即“停滞”），直到从相机设备读取帧并返回到我们的脚本。
I/O 任务，与 CPU 绑定操作相反，往往很慢。虽然计算机视觉和视频处理应用程序肯定会占用大量 CPU（特别是如果它们打算实时运行），但事实证明，相机 I/O 也可能是一个巨大的瓶颈。

正如我们将在本文后面看到的那样，仅通过调整相机 I/O 过程，我们就可以将 FPS 提高多达 379%！

当然，这并不是真正的 FPS 增加，因为它是延迟的显著减少（即，始终有一帧可用于处理；我们不需要轮询相机设备并等待 I/O 完成）。在这篇文章的其余部分，为了简洁起见，我将我们的指标称为“FPS 增加”，但也要记住，它是延迟减少和 FPS 增加的结合。

为了实现FPS的增加/延迟的减少，我们的目标是将从网络摄像头或USB设备读取帧移动到一个完全不同的线程，完全独立于我们的Python主脚本。

这将允许从 I/O 线程连续读取帧，同时我们的主线程处理当前帧。一旦主线程处理完它的帧，它只需要从 I/O 线程中获取当前帧。这无需等待阻塞 I/O 操作即可完成。

实现我们的线程视频流功能的第一步是定义一个 FPS 类，我们可以使用它来测量我们的每秒帧数。
创建一个文件名为fps.py的文件，写入以下代码：

# 导入必要的包
import datetime
class FPS:
	def __init__(self):
		# 存储开始时间、结束时间和在开始和结束间隔之间检查的帧总数
		self._start = None  # 当我们开始读取帧时的开始时间戳。
		self._end = None  # 当我们停止读取帧时的结束时间戳。
		self._numFrames = 0  # 在 _start 和 _end 间隔期间读取的帧总数。
	def start(self):
		# 启动计时器
		self._start = datetime.datetime.now()
		return self
	def stop(self):
		# 停止计时器
		self._end = datetime.datetime.now()
	def update(self):
		# 增加开始和结束间隔期间检查的帧总数
		self._numFrames += 1
	def elapsed(self):
		# 返回开始和结束间隔之间的总秒数
		return (self._end - self._start).total_seconds()
	def fps(self):
		# 计算（近似）每秒帧数
		return self._numFrames / self.elapsed()

2.使用 Python 和 OpenCV 提高网络摄像头 FPS

现在我们已经定义了 FPS 类（因此我们可以根据经验比较结果），创建WebcamVideoStream.py文件，让我们在文件中定义包含实际线程摄像头读取的 WebcamVideoStream 类：

# import the necessary packages
from threading import Thread
import cv2
class WebcamVideoStream:
	def __init__(self, src=0):
		# 初始化摄像机流并从流中读取第一帧
		self.stream = cv2.VideoCapture(src)
		(self.grabbed, self.frame) = self.stream.read()
		# 初始化用于指示线程是否应该停止的变量
		self.stopped = False
	def start(self):
		# 启动线程从视频流中读取帧
		Thread(target=self.update, args=()).start()
		return self
	def update(self):
		# 继续无限循环，直到线程停止
		while True:
			# 如果设置了线程指示器变量，则停止线程
			if self.stopped:
				return
			# 否则，从流中读取下一帧
			(self.grabbed, self.frame) = self.stream.read()
	def read(self):
		# 返回最近读取的帧
		return self.frame
	def stop(self):
		# 表示应该停止线程
		self.stopped = True

3.案例测试

现在我们已经定义了 FPS 和 WebcamVideoStream 类，我们可以将所有部分放在 fps_demo.py 中：

# import the necessary packages
from __future__ import print_function
from imutils.video import WebcamVideoStream
from imutils.video import FPS
import argparse
import imutils
import cv2
# construct the argument parse and parse the arguments
ap = argparse.ArgumentParser()
ap.add_argument("-n", "--num-frames", type=int, default=100,
	help="# of frames to loop over for FPS test")
ap.add_argument("-d", "--display", type=int, default=-1,
	help="Whether or not frames should be displayed")
args = vars(ap.parse_args())

# 此代码块将帮助我们获得 FPS 的基线，没有线程并且在从相机流中读取帧时使用阻塞 I/O。

# 获取指向视频流的指针并初始化 FPS 计数器
print("[INFO] sampling frames from webcam...")
stream = cv2.VideoCapture(0)
fps = FPS().start()
# 循环一些帧
while fps._numFrames < args["num_frames"]:
	# 从流中抓取帧并将其调整为最大宽度为 400 像素
	(grabbed, frame) = stream.read()
	frame = imutils.resize(frame, width=400)
	# 检查帧是否应该显示到我们的屏幕上
	if args["display"] > 0:
		cv2.imshow("Frame", frame)
		key = cv2.waitKey(1) & 0xFF
	# 更新 FPS 计数器
	fps.update()
# 停止计时器并显示 FPS 信息
fps.stop()
print("[INFO] elasped time: {:.2f}".format(fps.elapsed()))
print("[INFO] approx. FPS: {:.2f}".format(fps.fps()))
# 做一些清理工作
stream.release()
cv2.destroyAllWindows()

# 让我们看看我们从视频流中读取帧的线程代码：

# 创建了一个*线程*视频流，允许相机传感器预热，并启动 FPS 计数器
print("[INFO] sampling THREADED frames from webcam...")
vs = WebcamVideoStream(src=0).start()
fps = FPS().start()
# 循环某些帧…这一次使用线程流
while fps._numFrames < args["num_frames"]:
	# 从线程视频流中抓取帧并将其调整为最大宽度为 400 像素
	frame = vs.read()
	frame = imutils.resize(frame, width=400)
	# 检查帧是否应该显示到我们的屏幕上
	if args["display"] > 0:
		cv2.imshow("Frame", frame)
		key = cv2.waitKey(1) & 0xFF
	# 更新 FPS 计数器
	fps.update()
# 停止计时器并显示 FPS 信息
fps.stop()
print("[INFO] elasped time: {:.2f}".format(fps.elapsed()))
print("[INFO] approx. FPS: {:.2f}".format(fps.fps()))
# 做一些清理工作
cv2.destroyAllWindows()
vs.stop()

4.结果分析

要查看网络摄像头 I/O 线程在运行中的影响，只需执行以下命令：python fps_demo.py

正如我们所见，通过在 Python 脚本的主线程中不使用线程并从视频流中顺序读取帧，我们能够获得可观的 29.97 FPS。然而，一旦我们切换到使用线程相机 I/O，我们就达到了 143.71 FPS – 增加了 379% 以上！

这显然大大降低了我们的延迟，并显著提高了我们的FPS，这都是通过使用线程而获得的。

然而，正如我们即将发现的那样，使用 cv2.imshow 可以大大降低我们的 FPS。如果您考虑一下，这种行为是有道理的–cv2.show 函数只是另一种形式的 I/O，只是这次不是从视频流中读取帧，而是将帧发送到显示器上的输出。

注意:这里我们还使用了cv2.waitKey(1)函数，它确实为我们的主循环添加了1ms的延迟。也就是说，这个函数对于键盘交互和在屏幕上显示图像帧是必要的。

要演示 cv2.imshow I/O 如何降低 FPS，只需发出以下命令：python fps_demo.py --display 1

不使用线程，我们达到了 28.90 FPS。通过线程，我们达到了 39.93 FPS。 FPS 仍然增加了 38%，但远不及我们之前示例的 379%。

总的来说，我建议使用 cv2.imshow 函数来帮助调试您的程序——但如果您的最终生产代码不需要它，则没有理由包含它，因为您会损害您的 FPS。

这类程序的一个很好的例子就是开发一种家庭监控运动探测器，它会向你发送一条文本信息，其中包含一个刚刚走进你家前门的人的照片。实际上，您并不需要cv2.imshow函数。通过删除它，您可以提高运动检测器的性能，并允许它更快地处理更多帧。

参考目录

https://www.pyimagesearch.com/2015/12/21/increasing-webcam-fps-with-python-and-opencv/