计算机视觉 / 系统课时

统计实时处理帧率

统计实时处理帧率

实时视频不能只看“画面是否流畅”,而要把处理耗时换算成可比较的 FPS。本节用 time.perf_counter() 统计稳定帧率,把结果叠加到 OpenCV 画面,并用单帧预算判断算法是否满足 30 FPS 或 60 FPS。

学习目标

  • 用高精度计时器计算一段时间内的实际处理 FPS。
  • 将平滑后的 FPS 叠加到视频画面,避免瞬时数值剧烈跳动。
  • 根据目标帧率换算单帧时间预算,并判断处理链是否超时。

用正确时间源计算帧率

FPS 的基本公式是“处理帧数 ÷ 实际经过秒数”。不要用 time.time() 做短周期性能测量,Python 中更适合的是单调递增、分辨率更高的 time.perf_counter()。下面示例每处理 30 帧更新一次统计值,既能反映实时速度,又不会每帧都刷新数字造成明显抖动。

python
import time
import cv2

cap = cv2.VideoCapture(0)
if not cap.isOpened():
    raise RuntimeError("无法打开摄像头 0")

window_frames = 30
count = 0
fps = 0.0
window_start = time.perf_counter()

# 统计窗口从第一轮循环开始,覆盖读取、处理和显示开销。
while True:
    ok, frame = cap.read()
    if not ok:
        break

    # 这里代表真实处理链,可替换为检测、分割或特征计算。
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    edges = cv2.Canny(gray, 100, 200)

    # 每 30 帧计算一次窗口平均值,比单帧倒数稳定。
    count += 1
    if count == window_frames:
        elapsed = time.perf_counter() - window_start
        fps = count / elapsed
        count = 0
        window_start = time.perf_counter()

    # 把最近一次测得的 FPS 直接叠加到输出画面。
    cv2.putText(
        edges,
        f"FPS: {fps:.1f}",
        (20, 35),
        cv2.FONT_HERSHEY_SIMPLEX,
        0.9,
        255,
        2,
        cv2.LINE_AA,
    )
    cv2.imshow("realtime", edges)

    if cv2.waitKey(1) & 0xFF == 27:
        break

cap.release()
cv2.destroyAllWindows()
print(f"Last measured FPS: {fps:.1f}")

预期输出

text
Last measured FPS: <FPS>

<FPS> 会随摄像头分辨率、CPU、OpenCV 构建方式和处理算法变化。运行后画面左上角也应出现同一量级的 FPS;如果一直是 0.0,通常是因为程序还没有累计到 30 帧,等待一个统计窗口即可。

把帧率换算成单帧预算

实时性更适合用“每帧最多能花多少毫秒”来判断。目标 30 FPS 时,预算约为 1000 / 30 = 33.3 ms;目标 60 FPS 时只有约 16.7 ms。如果完整处理链平均耗时 42 ms,即使摄像头本身能输出 30 FPS,程序理论上也只能处理约 1000 / 42 ≈ 23.8 FPS。

目标帧率 单帧总预算 建议算法预算
24 FPS 41.7 ms 约 35 ms 以内
30 FPS 33.3 ms 约 28 ms 以内
60 FPS 16.7 ms 约 13 ms 以内

“建议算法预算”预留了读取、显示和系统调度开销,不是 OpenCV 的硬限制。实际项目应同时记录平均值和较慢帧,例如每 100 帧统计一次最大耗时;只看平均 FPS 可能掩盖偶发的 80~100 ms 卡顿。

区分处理 FPS 与输入 FPS

CAP_PROP_FPS 表示视频源声明的帧率,不能替代实际处理速度。文件可能标称 30 FPS,但你的算法只能跑到 18 FPS;摄像头也可能因为曝光、驱动或分辨率设置而实际达不到标称值。因此验收时应把“输入帧率”和“处理 FPS”分开记录。

可以用 cap.get(cv2.CAP_PROP_FPS) 查看文件或设备报告值,但部分摄像头会返回 0 或不准确值。真正判断实时处理能力,应以 perf_counter() 测得的处理吞吐为准,并在目标硬件、目标分辨率和目标算法配置下测试。

避免把等待时间统计错

cv2.waitKey(1) 不是精确的 1 ms 定时器,窗口系统调度可能让它等待更久;如果把 FPS 统计放在显示逻辑之外或混入人为 sleep(),结果会偏离真实处理链。生产代码最好分别记录“读取”“算法”“显示”三段耗时,再计算端到端 FPS。

另一个常见错误是用单帧的 1 / elapsed 直接显示 FPS。某一帧从 12 ms 波动到 20 ms,显示值就会从 83 FPS 跳到 50 FPS,难以判断趋势。用 30 帧窗口或指数滑动平均能让读数更稳定,同时保留足够快的变化响应。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

统计实时处理帧率

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通