python - cv2需要很长时间才能更新框架

Question

我对python，opencv和raspberry pi非常陌生
我想从2 usb网络摄像头流式传输视频，并使用haarcascade来检测汽车(玩具车)。
我不知道我在做什么错，我通过使用pyimagesearch教程安装了opencv，请帮助我

import RPi.GPIO as GPIO
import time
import cv2
import numpy as np
import imutils
import sign
import subprocess

cascade_src = 'cars.xml'
car_cascade = cv2.CascadeClassifier(cascade_src)

ip_cam=[cv2.VideoCapture(0),cv2.VideoCapture(1)]

try:
    while True:
        detected = [0,0]
        
        for ip in range(len(ip_cam)):
            
            ret,img=ip_cam[ip].read()
            img=imutils.resize(img,width=300)
            gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
            cars = car_cascade.detectMultiScale(gray, 1.1, 1)
            
            for (x,y,w,h) in cars:
                cv2.rectangle(img,(x,y),(x+w,y+h),(0,0,255),2)
            cv2.imshow(str(ip), img)                      
            b=str(len(cars))
            a= int(b)
            detected[ip]=a
            n,s=detected
            
            print("------------------------------------------------")
            
            #print ("North: %d South: %d East: %d West: %d"%(n,s,e,w))
            print ("North: %d South: %d "%(n,s))
            
            if n>=2:
                
                print ("North More Traffic")
                sign.north()
                
                
            elif s>=2:
                print ("South More Traffic")
                sign.south()
                
                
                
            else:
                #red()
                sign.normal()
                print ("no traffic")                
            
            if cv2.waitKey(33) == 27:
                break
                
except KeyboardInterrupt:            
    cv2.destroyAllWindows()

Answer 1

您的代码没有错，但是正如Adrian自己在blogpost上指出的那样，在树莓派上执行这些操作将很慢。
建议在PC或笔记本电脑上进行处理，然后将结果发送回pi，或者如果需要在pi上进行处理，则不仅可以将图像宽度调整为300宽度，还可以将其调整为甚至更小比例，请查看文档here或仅使用以下代码:

dim = (width, height)
resized = cv2.resize(img, dim, interpolation = cv2.INTER_AREA)

我想尝试不同的宽度和高度，直到速度足够好为止。