Python OpenCV多USB摄像头快速开启及并发采集优化方案咨询

• 跳过不必要的属性协商：你现有代码是初始化完成后再设置分辨率，可改为在VideoCapture初始化阶段就传入参数减少后续驱动协商耗时。另外DSHOW后端默认会加载冗余的驱动兼容层，你可以在设备管理器中禁用无关的摄像头驱动项，同时初始化后直接关闭自动曝光、自动白平衡等默认自动配置，不要等摄像头自主协商参数，单台初始化可省1-2秒。
• 简化有效帧判断逻辑：现有代码用while循环反复判断帧是否有效，实际上USB摄像头初始化后前2-3帧通常是缓存的黑帧，直接固定丢弃前2帧再取图即可，省去反复判断的耗时，也能避免空帧报错。
• 编译轻量化OpenCV：官方预编译的OpenCV内置了很多不需要的采集后端、冗余组件，自行编译时只勾选CAP_DSHOW后端、移除其他不需要的组件，初始化速度可提升30%左右。

• 可通过多进程实现并发，不要用多线程：Python的GIL锁会导致多线程下IO密集型操作也存在阻塞，用multiprocessing库给每个摄像头分配独立进程做初始化+采集，20台摄像头的总耗时基本和单台耗时持平，不会串行累加。
• 提前规避USB带宽瓶颈：20台1080P USB摄像头如果接在同一个USB控制器下会出现带宽不足，需要把摄像头分散接到主板不同的USB Hub上，建议每个USB控制器下接入的1080P摄像头不超过4个，避免并发时出现初始化失败、掉帧问题。
• 单独捕获单进程异常：每个摄像头的采集进程单独做异常捕获，单台初始化失败不会影响其他摄像头的采集流程。

import cv2
import multiprocessing

# 优化后的单摄像头采集函数
def take_picture(camera_id, pos, cursor):
    # 初始化时加入超时参数减少无效等待
    cap = cv2.VideoCapture(camera_id, cv2.CAP_DSHOW, params=[cv2.CAP_PROP_READ_TIMEOUT, 1000])
    # 提前设置分辨率减少协商时间
    cap.set(cv2.CAP_PROP_FRAME_WIDTH, 1920)
    cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 1080)
    # 关闭自动配置加快初始化速度，有需求可自行调整参数
    cap.set(cv2.CAP_PROP_AUTO_EXPOSURE, 0)
    res = None
    name = None
    if cap.isOpened():
        # 直接丢弃前2帧缓存，无需循环判断
        for _ in range(2):
            cap.read()
        ret, frame = cap.read()
        if ret and frame is not None:
            real_location = f'station{pos}'
            name = f'{real_location}-collection{cursor}.png'
            res = frame
    cap.release()
    return (camera_id, name, res)

# 多进程并发调用示例
if __name__ == '__main__':
    # 按实际需求补全所有摄像头的（ID、对应工位pos、采集批次cursor）参数
    camera_params = [
        (0, 1, 1),
        (1, 2, 1),
        # 剩余18台摄像头参数在此补全
    ]
    # 进程池大小可根据CPU核心数调整，20台摄像头直接设20也可
    with multiprocessing.Pool(processes=20) as pool:
        results = pool.starmap(take_picture, camera_params)
    # 处理采集结果
    for camera_id, name, frame in results:
        if frame is not None:
            cv2.imwrite(name, frame)
        else:
            print(f"摄像头{camera_id}采集失败")

内容的提问来源于stack exchange，提问作者Xuanyuan Zhang