Блог

Я новичок в многопроцессорной обработке. Я разрабатывал приложение, в котором пользователь может выбрать видео, а приложение выполнит распознавание лиц и покажет его. Я использовал concurrent.futures.ProcessPoolExecutor для многопроцессорной обработки кадров для увеличения общего требуемого времени. Моя проблема в том, что когда мне нужно интегрировать многопроцессорную часть распознавания лиц в приложение, мне нужно будет запустить все это в отдельном потоке, чтобы оно оставалось отзывчивым. Обычно, когда выполняется автономная многопроцессорная часть, ее можно остановить, создав исключение. Но при выполнении в отдельном потоке у них есть свой собственный стек. Я видел людей, предлагающих использовать сообщение для проверки, должен ли код продолжать выполняться или нет. Но моя вызывающая функция не выполняется в «цикле while», чтобы проверить это. Все, что я прошу, это, если есть какой-либо способ, которым я могу вызвать исключение, чтобы остановить оба потока или любой другой способ остановить запуск этого дочернего потока из основного потока. Мой код прилагается ниже. Sub() — это вызывающая функция, а process() — это функция, которая используется в качестве цели многопроцессорной обработки. Заранее спасибо.

 import cv2
import face_recognition
import numpy as np
import time
import pickle
import concurrent.futures
import queue
import file_video_stream


def process(sframe, facesencoded, knownfacenames,process_this_frame):
    
    if sframe is  not None :
        if process_this_frame:
            
            small_frame = cv2.resize(sframe, (0, 0), fx=0.5, fy=0.5)
            rgb_small_frame = small_frame[:, :, ::-1] 
            face_locations = face_recognition.face_locations(rgb_small_frame)   
            unknown_face_encodings = face_recognition.face_encodings(rgb_small_frame, face_locations)
            face_names = []
                
            for face_encoding in unknown_face_encodings:
                
                matches = face_recognition.compare_faces(facesencoded, face_encoding)
                name = "Unknown"
                face_distances = face_recognition.face_distance(facesencoded, face_encoding)
                best_match_index = np.argmin(face_distances)
                if matches[best_match_index]:
                    name = knownfacenames[best_match_index]

                face_names.append(name)
                
                for (top, right, bottom, left), name in zip(face_locations, face_names):
                # Scale back up face locations since the frame we detected in was scaled to 1/4 size
                    top *= 2
                    right *= 2
                    bottom *= 2
                    left *= 2

                    # Draw a box around the face
                    cv2.rectangle(sframe, (left-20, top-20), (right 20, bottom 20), (255, 0, 0), 2)

                    # Draw a label with a name below the face
                    cv2.rectangle(sframe, (left-20, bottom -15), (right 20, bottom 20), (255, 0, 0), cv2.FILLED)
                    font = cv2.FONT_HERSHEY_DUPLEX
                    cv2.putText(sframe, name, (left -20, bottom   15), font, 1.0, (255, 255, 255), 2)
            show_frame = cv2.resize(sframe, (1080,720))
            return show_frame
        else :
            show_frame = cv2.resize(sframe, (1080,720))
            return show_frame


def sub():
    
    list_original = []
    frame_number = 0
    alt_frame_number = 0
    proc_frame = 0
    q1= queue.Queue()
    with open("known.pickle", 'rb') as ki:
        faces = pickle.load(ki)

    faces_encoded = list(faces.values())
    known_face_names = list(faces.keys())

    fvs = file_video_stream.FileVideoStream('Attendance.mp4')
    fvs.start()
    time.sleep(1.0)
    process_this_frame = True
    with concurrent.futures.ProcessPoolExecutor() as executor:
        while fvs.more():
        #for _ in range (5):
            frame = fvs.read()
            time.sleep(0.1)
            list_element = executor.submit(process,frame,faces_encoded,known_face_names,process_this_frame)
            time.sleep(0.1)
            
            if list_element is  not None:
                frame_number  =1
                #print (frame_number)                    
                list_original.append(list_element)

            else :
                fvs.stop()
                break
            process_this_frame = not process_this_frame

    print ("Total number of frames read:",frame_number)
    #print ("Total number of frames processed:",alt_frame_number) 

    fvs.stop()    
    for res in list_original:
        q1.put(res.result())
               
    while not q1.empty():
        dump = q1.get()
        cv2.imshow('Video', dump)
        time.sleep(0.01)
        # Hit 'q' on the keyboard to quit!
        if cv2.waitKey(1) amp; 0xFF == ord('q'):
            break

    cv2.destroyAllWindows()
if __name__ == '__main__':
    sub()