如何为OpenCV直播流添加多进程，解决多线程带来的直播延迟问题

你现有多线程方案的延迟根因是Python GIL全局解释器锁的限制，pyzbar解码属于CPU密集型任务，多线程场景下无法真正并行执行，解码耗时阻塞了帧采集和展示的链路。改用多进程可以绕过GIL限制，拆分逻辑后各模块互不阻塞，有效降低端到端延迟。

核心改动点 #

• 替换原线程队列为multiprocessing.Queue，保证跨进程数据传递的安全性，可设置队列最大长度避免帧积压放大延迟
• 把条形码扫描逻辑拆分为独立的处理函数，作为单独进程运行
• 三个进程职责拆分，完全解耦采集、处理、展示三个链路，互不阻塞

重构后完整代码 #

import cv2
import multiprocessing as mp
from pyzbar import pyzbar

# 独立拆分的条形码处理函数
def process_barcode(input_queue, output_queue):
    while True:
        if input_queue.empty():
            continue
        frame = input_queue.get()
        # 条码识别逻辑
        barcodes = pyzbar.decode(frame)
        for barcode in barcodes:
            x, y , w, h = barcode.rect
            barcode_info = barcode.data.decode('utf-8')
            print(barcode_info)
            cv2.rectangle(frame, (x, y),(x+w, y+h), (0, 255, 0), 2)
            font = cv2.FONT_HERSHEY_DUPLEX
            cv2.putText(frame, barcode_info, (x + 6, y - 6), font, 2.0, (255, 255, 255), 1)
        output_queue.put(frame)

# 帧采集进程：仅负责读取摄像头数据，无其他逻辑
def receive_frame(input_queue):
    print("开始采集视频帧")
    cap = cv2.VideoCapture(0)
    # 可按需设置摄像头采集分辨率，降低分辨率可进一步减少处理耗时
    # cap.set(cv2.CAP_PROP_FRAME_WIDTH, 1280)
    # cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 720)
    ret, frame = cap.read()
    if ret and not input_queue.full():
        input_queue.put(frame)
    while ret:
        ret, frame = cap.read()
        if ret and not input_queue.full():
            input_queue.put(frame)

# 帧展示进程：仅负责渲染画面，无其他计算逻辑
def display_frame(output_queue):
    print("开始展示处理后视频")
    while True:
        if output_queue.empty():
            continue
        frame = output_queue.get()
        cv2.imshow("Drone Stream", frame)
        if cv2.waitKey(20) & 0xFF == ord('q'):
            break
    cv2.destroyAllWindows()

if __name__=='__main__':
    # 队列最大长度，可根据设备性能调整，数值越小延迟越低，建议保持在1~3之间
    MAX_QUEUE_SIZE = 2
    input_queue = mp.Queue(maxsize=MAX_QUEUE_SIZE)
    output_queue = mp.Queue(maxsize=MAX_QUEUE_SIZE)

    # 初始化三个独立进程
    p_receive = mp.Process(target=receive_frame, args=(input_queue,))
    p_process = mp.Process(target=process_barcode, args=(input_queue, output_queue))
    p_display = mp.Process(target=display_frame, args=(output_queue,))

    p_receive.start()
    p_process.start()
    p_display.start()

    # 按q退出后自动终止所有子进程
    p_display.join()
    p_receive.terminate()
    p_process.terminate()

可选优化项 #

• 若设备性能有限，可在条码处理进程中增加跳帧逻辑，每2~3帧处理一次条码，不影响展示流畅度的前提下降低CPU占用
• 可按需调整队列最大长度，队列满时直接丢弃旧帧，保证始终处理最新的采集内容，进一步降低延迟
• cv2.waitKey的间隔可根据你的摄像头帧率调整，匹配采集节奏避免画面卡顿

内容的提问来源于stack exchange，提问作者user13973948