本文已参与「新人创作礼」活动，一起开启掘金创作之路。
cv2.VideoCapture从摄像头获取视频流并处理但是处理速度慢 在做深度学习视觉相关项目的时候，经常会遇到无法做到实时的情况。比如处理一帧图像要3s，但是摄像头采集的视频里在这3s内，可能已经读了好几十帧（假如fps是20）。那么处理完这一帧之后，下一次cap.read()返回的是第二帧还是第62帧。 source：Opencv读取摄像头缓冲区拥塞，有延迟情况下，处理最新帧的方法 实际上Opencv的videocapture读取摄像头时，摄像头的每帧数据会全部存入缓冲区，每次cap.read()都是从缓冲区里取出一帧数据。如果你的处理速度小于存进缓冲区的速度，那么缓冲区的图片就越积累越多，而你处理的图片可能是摄像头拍摄的好几秒前的数据。 一般这种情况下，如果实在不能提升处理速度，那就只能尝试其他方法了，比如： 多线程 在要求不那么严格的情况下，采用跳帧处理的方法。每隔一定的帧数处理一次。 跳帧主要用到了， cv2.VideoCapture.grab()函数 函数cv2.VideoCapture.grab()用来指向下一帧，其语法格式为： retval = cv2.VideoCapture.grab() import cv2 cap = cv2.VideoCapture("rtsp://admin:xxxx@192.168.x.x:554/h264/ch31/main/av_stream") #ret,frame = cap.read() ret = cap.isOpened() fps = cap.get(5)/10000 #查询帧率 while ret: ret,frame = cap.read() tstep = cap.get(1) cv2.imshow("frame",frame) iloop=fps/2 #每秒处理2帧 while iloop: cap.grab() #只取帧不解码， iloop =iloop - 1 if iloop <1 : break if cv2.waitKey(1) & 0xFF == ord('q'): break cv2.destroyAllWindows() cap.release()
