一、简介
该系统包含以下几个部分:
- 从摄像头中读取数据
- 主线程将数据输出到窗口
- 后台线程完成计算机视觉的目标检测过程，并且将结果共享给主线程
- 主线程将结果画在输出图像上
下载yolvo5：
YOLOv5的源码放在 Github 地址：https://github.com/ultralytics/yolov5
我使用到的是 yolov5s.pt，yolvo5学习参考目标检测 YOLOv5使用入门
安装Yolov5所需模块
在命令行里，
输入“pip install -r requirements.txt”，等待安装完成即可。（pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple 命令会更快！！）
二、步骤
1.引入库
import cv2 as cv
import torch
from concurrent.futures import ThreadPoolExecutor
from pathlib import Path
from threading import Thread
2.打开摄像头
cap = cv.VideoCapture(0)
3.窗口输出
def show_frame(self):
print("thread1 open!")
while True:
self.ret, self.frame = cap.read()
if self.state:
cv.imshow("res", self.a)
if cv.waitKey(10) & 0xFF == ord('q'):# 按q退出
break
self.ret = False
self.thread_state = False
cap.release()
cv.destroyAllWindows()
print("t1 finished")
4.计算机视觉的目标检测推理过程
def process_frame(self):
print("thread2 open!")
model = torch.hub.load(self.path, "custom",
self.pt_path, source="local")
while True:
if self.ret:
res = model(self.frame)
res.render() # 打标签
self.a = res.ims[0]
self.state = True
elif self.thread_state is False:
break
print("t2 finished")
5.用线程池管理
线程池帮助你来管理线程，不再需要每个任务都创建一个线程进行处理任务。任务需要执行时，会从线程池申请线程，有则使用线程池的线程执行任务，如果没有就等着，其他在执行的任务执行完毕后释放线程，等待的任务就可以使用释放的线程来执行操作了。线程池使用可以参考 python线程池的使用方法
concurrent.futures模块提供了高度封装的异步调用接口
ThreadPoolExecutor：线程池，提供异步调用
submit(fn, *args, **kwargs)异步提交任务
#使用类来实现多线程通信
t1 = Mythread()
#创建一个包含2条线程的线程池
pool = ThreadPoolExecutor(max_workers=2) # 定义两个线程
#向线程池提交2个任务
thread1 = pool.submit(t1.show_frame)
thread2 = pool.submit(t1.process_frame)
这样我们就实现从摄像头中读取数据；主线程将数据输出到窗口，后台线程完成计算机视觉的目标检测过程，并且将结果共享给主线程，主线程将结果画在输出图像上。
三、完整代码
from concurrent.futures import ThreadPoolExecutor
from pathlib import Path
from threading import Thread
import cv2 as cv
import torch
cap = cv.VideoCapture(0)
class Mythread(Thread):
def __init__(self):
Thread.__init__(self)
cap = cv.VideoCapture(0)
self.ret = {
}
self.frame = {
}
self.a = {
}
self.state = False
self.thread_state = True
self.project = Path(__file__).resolve().parent.parent
self.path = self.project.joinpath("yolov5-master")
self.pt_path = self.path.joinpath("yolov5s.pt")
def process_frame(self):
print("thread2 open!")
model = torch.hub.load(self.path, "custom",
self.pt_path, source="local")
while True:
if self.ret:
res = model(self.frame)
res.render() # 打标签
self.a = res.ims[0]
self.state = True
elif self.thread_state is False:
break
print("t2 finished")
def show_frame(self):
print("thread1 open!")
while True:
self.ret, self.frame = cap.read()
if self.state:
cv.imshow("res", self.a)
if cv.waitKey(10) & 0xFF == ord('q'):
break
self.ret = False
self.thread_state = False
cap.release()
cv.destroyAllWindows()
print("t1 finished")
if __name__ == '__main__':
t1 = Mythread()
pool = ThreadPoolExecutor(max_workers=2) # 定义两个线程
thread1 = pool.submit(t1.show_frame)
thread2 = pool.submit(t1.process_frame)
以上内容是我的个人总结，如有疑问，欢迎私聊，谢谢！！