多线程读取IP摄像头（Python版）

文章和资源同步发布于微信公众号：算法工程师之路

在深度学习时代（这么说也不为过）的今天，我们做各种视觉任务时候都会想到使用深度学习，但是大家也都知道深度学习的模型如果想要使用的话，设备必须得有，虽然各种各样的量化策略和剪枝策略大大加速了模型的推理能力，但是实时的话在低配电脑还是不可用！
但是实际中有些视觉任务不怎么依赖实时性，我们只需要保证1s处理一帧图片就可以了，或者几十秒处理一帧也可以。那么这种处理策略怎么处理呢？**特别对于IP摄像头，它是以数据流的形式传输，因此当其帧率较高时，本地处理程序会处理不过来，导致卡帧（延时）和程序卡死！**我们一起来看看吧！

threading模块（线程）

在Python中多线程模块有两个，分别是thread（Python3中改名为_thread）和threading模块，其中_thread模块只是提供了基本的线程和线程锁的功能，**而threading模块提供的是更加高级和安全的线程管理！**那什么是线程呢？

线程是操作系统能够进行运算调度的最小单位。它被包含在进程之中，是进程中的实际运作单位。一条线程指的是进程中一个单一顺序的控制流，一个进程中可以并发多个线程，每条线程并行执行不同的任务。一个线程是一个execution context（执行上下文），即一个cpu执行时所需要的一串指令。就类似于操作系统的多任务工作模式，我们可以形象的认为，CPU将一秒的执行时间分配给各个任务，在一个任务执行后，保存信息并切换到下一个任务，然后循环往复，这样就会增加CPU的执行效率，即使一个任务需要一直等待，那么CPU也会在等待的这段时间切换到其他任务执行！

当我们使用Threading模块创建线程时或者自定义线程任务时，最好的方法就是建立一个线程类，并继承于threading.Thead，然后重写run方法，这是最推荐大家使用的方法（最优雅）。当然也可以使用其他方式创建！主要有以下几个常用函数：

• threading.currentThread(): 返回当前的线程变量
• threading.enumerate(): 返回一个包含正在运行的线程的list。正在运行指线程启动后、结束前，不包括启动前和终止后的线程
• threading.activeCount(): 返回正在运行的线程数量，与len(threading.enumerate())有相同的结果
• run(): 线程活动的函数，自定义时需要重写
• start():启动线程活动，必须使用
• join([time]): 等待至线程中止。这阻塞调用线程直至线程的join() 方法被调用中止，正常退出或者抛出未处理的异常，或者是可选的超时发生，只有子线程都运行完了，主线程（main）才会退出！
• isAlive(): 返回线程是否活动的
• getName(): 返回线程名
• setName(): 设置线程名

代码示例

import threading
import time
class MyThread(threading.Thread):
    def __init__(self, n):
        super(MyThread, self).__init__()  # 重构run函数必须要写
        self.n = n

    def run(self):
        print("task", self.n)
        time.sleep(1)
        print('2s')
        time.sleep(1)
        print('1s')
        time.sleep(1)
        print('0s')