【代码】多队列处理器

import time
from concurrent.futures.thread import ThreadPoolExecutor
from queue import Queue, Empty
from threading import Event, Lock, Condition


class QueueSet:
    """
    unique tasks =>q1=> process =>q2=> process... =>qn=> join()
    """

    def __init__(self, size, queue_size=0):
        self.queue_set = [Queue(queue_size) for _ in range(size)]
        self.size = size
        self.dirty = set()
        self.processing = 0
        self.mutex = Lock()
        self.finished = Condition(Lock())

    def get(self, index, block=True, timeout=None):
        item = self.queue_set[index].get(block, timeout)
        if index == 0:
            with self.mutex:
                self.dirty.remove(item)
        if index == self.size - 1:
            with self.finished:
                self.processing += 1
        return item

    def put(self, index, item):
        if index == 0:
            with self.mutex:
                if item in self.dirty:
                    return
                self.dirty.add(item)
        self.queue_set[index].put(item)

    def done(self):
        with self.finished:
            unfinished = self.processing - 1
            if unfinished <= 0:
                if unfinished < 0:
                    raise ValueError('done() called too many times')
                self.finished.notify_all()
            self.processing = unfinished

    def interrupt(self):
        for i, q in enumerate(self.queue_set):
            while not q.empty():
                try:
                    self.get(index=i, block=False, timeout=None)
                    if i == self.size - 1:
                        self.done()
                except Empty:
                    break

    def join(self):
        with self.finished:
            while self.processing or sum(q.qsize() for q in self.queue_set):
                self.finished.wait()
        self.dirty = set()


class Processor(object):
    """
    pop: pop tasks from delta fifo to work queue set
    start: start worker threads
    stop: stop worker threads
    """

    def __init__(self, work_queue: QueueSet):
        self.work_queue = work_queue
        self.threads = ThreadPoolExecutor(1000)
        self.stopped = Event()

    def pop(self):
        for item in range(1000):
            self.work_queue.put(index=0, item=item)
        print("pop from delta fifo done")

    def _first_worker(self):
        while not self.stopped.is_set():
            try:
                item = self.work_queue.get(index=0, timeout=1)
            except Empty:
                continue
            # print(f"filter {item}")
            [None for i in range(1000000)]
            if item % 3 == 0:
                self.work_queue.put(1, item)

        # print("filter done")

    def _second_worker(self):
        while not self.stopped.is_set():
            try:
                item = self.work_queue.get(index=1, timeout=1)
            except Empty:
                continue
            # print(f"work {item}")
            [None for i in range(1000000)]
            self.work_queue.done()

    def start(self):
        [self.threads.submit(self._first_worker) for _ in range(200)]
        [self.threads.submit(self._second_worker) for _ in range(200)]

    def stop(self):
        print("try end")
        self.stopped.set()
        self.threads.shutdown(wait=True)
        print("end")


if __name__ == '__main__':
    queue_set = QueueSet(size=2)
    print("=" * 100)
    processor = Processor(queue_set)
    processor.start()
    for i in range(1):
        processor.pop()
        time.sleep(0.5)
        queue_set.interrupt()
        print("interrupted")
        queue_set.join()
    processor.stop()
    time.sleep(1)

    print("=" * 100)
    processor = Processor(queue_set)
    processor.start()
    for i in range(1):
        processor.pop()
        queue_set.join()
        time.sleep(1)
    processor.stop()

本指南详细阐述基于Python编程语言结合OpenCV计算机视觉库构建实时眼部状态分析系统的技术流程。该系统能够准确识别眼部区域,并对眨眼动作与持续闭眼状态进行判别。OpenCV作为功能强大的图像处理工具库,配合Python简洁的语法特性与丰富的第三方模块支持,为开发此类视觉应用提供了理想环境。 在环境配置阶段,除基础Python运行环境外,还需安装OpenCV核心模块与dlib机器学习库。dlib库内置的HOG(方向梯度直方图)特征检测算法在面部特征定位方面表现卓越。 技术实现包含以下关键环节: - 面部区域检测:采用预训练的Haar级联分类器或HOG特征检测器完成初始人脸定位,为后续眼部分析建立基础坐标系 - 眼部精确定位:基于已识别的人脸区域,运用dlib提供的面部特征点预测模型准确标定双眼位置坐标 - 眼睑轮廓分析:通过OpenCV的轮廓提取算法精确勾勒眼睑边缘形态,为状态判别提供几何特征依据 - 眨眼动作识别:通过连续帧序列分析眼睑开合度变化,建立动态阈值模型判断瞬时闭合动作 - 持续闭眼检测:设定更严格的状态持续时间与闭合程度双重标准,准确识别长时间闭眼行为 - 实时处理架构:构建视频流处理管线,通过帧捕获、特征分析、状态判断的循环流程实现实时监控 完整的技术文档应包含模块化代码实现、依赖库安装指引、参数调优指南及常见问题解决方案。示例代码需具备完整的错误处理机制与性能优化建议,涵盖图像预处理、光照补偿等实际应用中的关键技术点。 掌握该技术体系不仅有助于深入理解计算机视觉原理,更为疲劳驾驶预警、医疗监护等实际应用场景提供了可靠的技术基础。后续优化方向可包括多模态特征融合、深度学习模型集成等进阶研究领域。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值