在Python中并行运行多个进程以独立处理IP摄像机的帧

Question

我正在使用 YOLOv7 和 Python 开发实时车牌识别系统。车牌识别分两个阶段完成，使用两个 YOLOv7 模型，每个模型都运行完美。

在这个系统中，我必须从位于停车场不同位置的网络摄像机中抓取帧，然后检查其中是否存在车牌以进行进一步处理。基于此功能，我决定专用一个

Process

来处理每个摄像头，以便对每个网关的监控并行且独立于其他摄像头，保持系统的实时行为。

我使用Docker来部署这个系统，安装方便，可移植。

这是代码：

main.py

# Receiving urls
camera_urls = ['camera_1_url', 'camera_2_url']
for i, camera_url in enumerate(camera_urls):
    cameras.append(Process(target=camera_process, args=(i + 1, camera_url)))
for camera in cameras:
    camera.start()
for camera in cameras:
    camera.join()

camera_process.py

def camera_process(cam_id, url):
    cam = Camera(cam_id, url)
    plate_detector = PlateDetector(DETECTION_MODEL)
    plate_reader = PlateReader(OCR_MODEL)

    while True:
            
        if cam.stopped:
            cam.attempt_to_connect()

        im = cam.get_frame()
        if im is None:
            continue
        sleep(cam.FPS)

        detected, plate = plate_detector.detect(im)

        if detected:
            
            successful, prediction = plate_reader.predict(plate)

            if successful:
                send_plate(cam_id, url, prediction, plate) # send detected plate to core software to check for access

相机.py

class Camera:
    def __init__(self, id, src):
        self.src = src
        self.id = id
        self.FPS = setting.FPS 
        self.capture = cv2.VideoCapture(self.src)
        self.stopped = True
        self.attempt_to_connect()


    def update(self):
        while self.capture.isOpened():
            (self.status, self.frame) = self.capture.read()
            if not self.status:
                self.capture.release()
                break
            time.sleep(self.FPS)
        self.stopped = True


    def get_frame(self):
        return self.frame


    def attempt_to_connect(self):
        while not self.capture.isOpened():
            time.sleep(5)
            self.capture = cv2.VideoCapture(self.src)
        self.capture.set(cv2.CAP_PROP_BUFFERSIZE, 2)

        self.thread = Thread(target=self.update, args=())
        self.thread.daemon = True
        self.thread.start()
        self.stopped = False 

问题 当我在使用单个 IP 摄像头的 20 核机器上运行我的程序时，系统的性能是可以接受的并且速度很快。但当我添加另一个摄像头时，性能会显着下降。我怀疑两者是否并行运行，尽管我的 77% 的 CPU 正在被使用。

我尝试运行两个单独的 Docker 镜像，每个镜像处理其中一个 url，但结果是相同的。

在寻找解决方案时，我遇到了this方法，该方法不会为每个相机创建单独的进程并循环抓取帧。我不确定这是一个好的解决方案。

现在我不知道如何克服这个问题并实现不同数量的相机的性能相同。

我错过了什么吗？ 和GIL有关系吗？ 我可以使用其他并行范例吗？ 或者Python对于这个功能来说不是一个好的选择，我必须切换到另一种编程语言？ （如果有，哪一个？）

如有任何帮助，我们将不胜感激。

Answer 1

我只需要使用

torch.multiprocessing.Process

类而不是使用

multiprocessing.Process

。在目标函数中，我还添加了

torch.set_num_threads(4)

。现在我的程序并行运行。