Yolov5对本地视频进行推理时，实现跳帧检测，提高推理效率

今天在使用Yolov5的detect.py对本地视频进行推理时，发现推理速度受硬件性能影响比较大，为提高检测效率，在部分没必要逐帧检测的情况下，可以考虑设置跳帧检测。

对detect.py观察了一番之后，发现视频读取靠的是dataloaders.py库，于是继续观察。

最终得出了以下解决方案：

 if self.video_flag[self.count]:
            # Read video
            self.mode = 'video'
            ret_val, img0 = self.cap.read()

            # 设置要读取的下一帧，这里表示每次跳 10 帧
            self.cap.set(cv2.CAP_PROP_POS_FRAMES, self.frame + 10)

            while not ret_val:
                self.count += 1  # 需要推理的文件序数
                self.cap.release()
                if self.count == self.nf:
                    raise StopIteration
                path = self.files[self.count]
                self.new_video(path)
                ret_val, img0 = self.cap.read()

            self.frame += 10
            s = f'video {self.count + 1}/{self.nf} ({self.frame}/{self.frames}) {path}: '

 

注意事项：dataloaders.py 里面，跳帧之后，记得加个self.frame加跳帧数之后是否大于self.frames总帧数的判断，如果大于，就跳到下一段媒体内容进行检测，不然偶尔会一直循环下去，加载帧数超过视频实际总帧数。

思路如下：

图中代码236行 while not 仅判断了ret_val，是否读取到视频帧，可以同时加个“或”条件：

self.frame+跳帧数>self.frames

保存的检测结果视频属性帧率不变，但由于跳了帧，所以呈现出加速效果，请根据实际需求酌情修改。