关于结合 OpenCV 和 PIL Image 的多处理性能的问题

Question

我目前正在开展一个项目，我必须对视频数据进行一些繁重的分析。基本上我有大约 20 个视频，每个 1-2 小时长，以及执行我的分析的功能。对一个视频执行分析会产生大约 30 FPS 的处理性能，所以我希望在多处理方法中同时评估多个视频时达到 30 FPS，但是这并不成立，我宁愿在每个视频上获得约 5 FPS。我有 20 多个 CPU 内核可用，因此理论上计算机应该有足够的功率。 我的代码基本结构如下：

class Task:
    def __init__(videos):
        self.videos = videos

    def execute(self):
        jobs = []
        for video in self.videos:
            worker = VideoWorker(video=video)
            jobs.append(worker)
            worker.start()

        for j in jobs:
            j.join()

class VideoWorker(multiprocessing.Process):
    def __init__(self, video):
        self.video = video

    def run(self):
        self.eval_video()

    def eval_video(self)
        cap = cv2.VideoCapture(video.path_to_video)

        while cap.isOpened():
            frame = cap.read()

            """
            ... processing
            """
            im = Image.fromarray(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB))
            resized_im = im.resize((8, 8))

            """
            ... further processing
            """

Task 类管理多处理，VideoWorker 进行评估。我在分析代码时注意到调整图像大小（使用 PIL）占用的 CPU 时间最多，但是在是否采用多处理时计算时间存在很大差异。与多处理方法中一个进程所需的时间相比，在没有多处理的情况下，调整大小的速度要快 5 到 10 倍。

有什么办法可以加快速度或“正常”吗？我的假设是每个进程都将在其中一个内核上运行，因此与仅使用一个 CPU 相比，性能不会下降太多。这些进程不相互通信，我还没有实现某种形式的结果收集。

Answer 1

从 PIL.Image.resize 切换到 OpenCV 的 cv2.resize 实现了 cmets 中已经建议的技巧。