Question

目标是对视频帧进行图像处理。视频可以分成16个单独的区域，在这些区域上可以进行处理。因此，使用16个不同的进程同时进行处理（结果也存储在每个区域）。

import cv2
import multiprocessing

def process_region(n):
    cap = cv2.VideoCapture('/path/to/video.avi')

    ret, frame = cap.read()
    while ret:
        # crop frame to region n
        # process the region

        ret, frame = cap.read()

pool = multiprocessing.Pool()
pool.map(process_region, range(16))

这里一个明显的缺陷是所有进程都是分别加载视频。测试确实表明，在一定数量的过程之后，读取测试视频的性能确实下降了：

+------------+--------+
| #processes | T (s.) |
+------------+--------+
|      1     |  30.2  |
|      2     |  27.1  |
|      3     |  32.9  |
|      4     |  30.2  |
|      5     |  31.7  |
|      6     |  29.6  |
|      7     |  29.5  |
|      8     |  29.5  |
|      9     |  30.6  |
|     10     |  30.9  |
|     11     |  32.4  |
|     12     |  35.7  |
|     13     |  40.3  |
|     14     |  43.5  |
|     15     |  48.3  |
|     16     |  52.5  |
+------------+--------+

我尝试仅使用1个进程来读取所有视频帧，并将其与multiprocessing.Pipe一起发送到16个已启动的multiprocessing.Process进程。然而，这具有最差的性能（> 15分钟）。

我的问题是，是否有一种方法可以分配视频帧，而不是让所有进程加载视频本身。

请注意，这是在具有64GB内存的双8核计算机上运行。

Answer 1

您可能希望尝试使用numpy-sharedmem模块来制作单个图像（cv2中的NumPy数组），这些图像可由多个进程读取。我在one of my projects中完成了这个。

Python：在多个进程上分发视频帧

1 个答案: