Python调用JS子进程执行Human库图像分析无输出问题求助

核心问题拆解 #

1. JS端异步处理未正确收尾：human.detect是异步操作，当前代码未等待其完成就可能退出，且直接输出对象会导致无法正常传输。
2. 数据传输方式错误：
   • Python端传递文件名而非图像二进制数据，不符合"不存文件"的需求；
   • JS端设置了utf-8编码读取stdin，无法正确处理二进制图像数据。
3. 资源重复初始化：每次收到数据都重新创建Human实例，导致性能低下且可能引发初始化问题。

修正后的JavaScript代码（detect.js） #

const tf = require('@tensorflow/tfjs-node');
const Human = require('@vladmandic/human').default;

// 只初始化一次Human实例，避免重复加载模型
const config = {
    modelBasePath: 'file://HumanNPM/node_modules/@vladmandic/human/models',
    body: { enabled: true, modelPath: 'file://node_modules/@vladmandic/human/models/models.json' },
};
const human = new Human(config);

// 用二进制模式读取stdin
process.stdin.setEncoding('binary');
let rawData = '';

// 收集二进制数据
process.stdin.on('data', (chunk) => {
    rawData += chunk;
});

// 数据接收完成后处理
process.stdin.on('end', async () => {
    try {
        // 将二进制数据转为Buffer
        const buffer = Buffer.from(rawData, 'binary');
        // 解码图像为tensor
        const tensor = tf.node.decodeImage(buffer);
        // 执行检测（await等待异步完成）
        const result = await human.detect(tensor, config);
        // 将结果转为JSON字符串输出，确保Python能解析
        process.stdout.write(JSON.stringify(result));
        // 清理tensor避免内存泄漏
        tensor.dispose();
    } catch (err) {
        // 错误输出到stderr，Python可以捕获
        process.stderr.write(JSON.stringify({ error: err.message }));
    } finally {
        process.exit();
    }
});

修正后的Python代码 #

import cv2
import json
import subprocess
import numpy as np

def capture():
    video_capture = cv2.VideoCapture(0)
    # 只创建一次子进程命令模板，避免重复定义
    js_command = ['node', 'detect.js']
    
    while True:
        ret, frame = video_capture.read()
        if not ret:
            break
        
        try:
            # 将cv2的BGR帧转为PNG二进制数据
            _, img_encoded = cv2.imencode('.png', frame)
            img_bytes = img_encoded.tobytes()
            
            # 启动子进程，用二进制模式通信
            process = subprocess.Popen(
                js_command,
                stdin=subprocess.PIPE,
                stdout=subprocess.PIPE,
                stderr=subprocess.PIPE,
                text=False  # 二进制模式确保图像数据正确传输
            )
            # 传递图像二进制数据，等待子进程完成处理
            output, error = process.communicate(input=img_bytes)
            
            if error:
                # 解析JS端输出的错误信息
                err_data = json.loads(error.decode('utf-8'))
                print(f'JS Error: {err_data["error"]}')
            else:
                # 解析检测结果并输出
                result = json.loads(output.decode('utf-8'))
                print(f'Detection Result: {result}')
                
        except Exception as e:
            print(f'Python Error: {str(e)}')
    
    video_capture.release()

if __name__ == '__main__':
    capture()

关键修改说明 #

• JS端：
  • 全局初始化Human实例，避免重复加载模型浪费资源；
  • 切换为二进制模式读取stdin，确保图像数据完整接收；
  • 使用await等待human.detect异步执行完成，保证结果能正常输出；
  • 将检测结果转为JSON字符串输出，解决对象直接输出的传输错误；
  • 添加tensor资源清理和错误捕获，避免内存泄漏与静默失败。
• Python端：
  • 直接将cv2捕获的帧编码为PNG二进制，无需保存到文件；
  • 子进程使用二进制模式通信，确保图像数据无损耗传输；
  • 捕获并解析JS的stderr输出，便于调试定位问题；
  • 循环复用子进程命令，优化执行效率。

内容的提问来源于stack exchange，提问作者elbarto