Kivy集成OpenCV调用相机加载耗时长、程序无响应问题

• 相机视频流加载耗时极长，加载期间程序始终处于*Not Responding（无响应）*状态，完成相机加载需要1-2分钟。

class Attendance(Screen):
    def on_enter(self, *args):

        self.image = Image()

        self.capture = cv2.VideoCapture(0)
        Clock.schedule_interval(self.load_video, 1.0/30.0)

        self.add_widget(self.image)

        return super().on_enter(*args)

    def load_video(self, *args):
        frame = self.capture.read()
        self.iamge_frame = frame

        buffer = cv2.flip(frame, 0).tobytes()
        texture = Texture.create(size=(frame.shape[1], frame.shape[0]), colorfmt='bgr')
        texture.blit_buffer(buffer, colorfmt='bgr',bufferfmt = 'ubyte')

        self.image.texture = texture

• cv2.VideoCapture(0)是阻塞式IO操作，直接运行在Kivy UI主线程中，摄像头初始化的长耗时会直接阻塞UI事件循环，系统无法收到界面响应消息就会标记程序为无响应状态。
• 代码存在逻辑错误：cv2.VideoCapture.read()返回值为(读取状态标识, 帧数据)的元组，代码直接将元组赋值给frame变量，后续调用frame.shape等属性时实际存在类型不匹配问题；同时存在self.iamge_frame的拼写错误。
• 每帧渲染都重复创建Texture对象，存在无意义的性能开销，会进一步拖慢视频流加载和渲染速度。
• 缺少页面退出时的资源释放逻辑，摄像头资源持续占用会导致后续进入页面时初始化耗时进一步增加。

import threading
import cv2
from kivy.clock import Clock
from kivy.uix.image import Image
from kivy.graphics.texture import Texture
from kivy.uix.screenmanager import Screen


class Attendance(Screen):
    def on_enter(self, *args):
        self.image = Image()
        self.add_widget(self.image)
        self.capture = None
        self.render_texture = None
        # 将摄像头初始化操作放到守护子线程执行，避免阻塞UI主线程
        threading.Thread(target=self._init_camera, daemon=True).start()
        return super().on_enter(*args)

    def _init_camera(self):
        self.capture = cv2.VideoCapture(0)
        # 可根据实际需求设置摄像头采集分辨率，降低帧处理开销
        self.capture.set(cv2.CAP_PROP_FRAME_WIDTH, 640)
        self.capture.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)
        # 摄像头初始化完成后，再在主线程启动帧更新定时任务
        Clock.schedule_interval(self._load_video_frame, 1.0 / 30.0)

    def _load_video_frame(self, *args):
        # 摄像头未就绪时直接跳过
        if not self.capture or not self.capture.isOpened():
            return
        ret, frame = self.capture.read()
        # 帧读取失败直接跳过本次渲染
        if not ret:
            return
        self.image_frame = frame
        frame_buffer = cv2.flip(frame, 0).tobytes()
        # 纹理对象仅在首次创建或分辨率变化时更新，后续复用减少开销
        frame_size = (frame.shape[1], frame.shape[0])
        if self.render_texture is None or self.render_texture.size != frame_size:
            self.render_texture = Texture.create(size=frame_size, colorfmt='bgr')
        self.render_texture.blit_buffer(frame_buffer, colorfmt='bgr', bufferfmt='ubyte')
        self.image.texture = self.render_texture

    def on_leave(self, *args):
        # 离开页面时释放摄像头资源、取消定时任务，避免资源泄漏
        Clock.unschedule(self._load_video_frame)
        if self.capture and self.capture.isOpened():
            self.capture.release()
        return super().on_leave(*args)

• 阻塞式的摄像头初始化逻辑移到独立子线程执行，UI主线程不会被阻塞，不会再出现加载期无响应的问题。
• 补全了帧读取状态校验、变量拼写修正，避免运行时异常。
• 纹理对象做复用处理，减少每帧重复创建对象的性能开销。
• 增加页面退出时的资源回收逻辑，避免摄像头被持续占用导致的重复加载慢问题。

内容的提问来源于stack exchange，提问作者chicken