OpenCV实时视频流处理：如何高效跳过积压帧获取最新画面

1. 实时视频处理的常见痛点

当你用OpenCV处理摄像头或网络视频流时，可能会遇到这样的场景：算法处理一帧需要1秒，但摄像头每秒产生30帧。这时候VideoCapture会像尽职的邮差，把每一封信（帧）都塞进你的信箱（缓冲区），结果信箱很快爆满，你拿到手的永远是积压的陈旧数据。

这种情况在智能门禁系统中尤其明显。假设你开发的人脸识别算法需要800ms处理一帧，而门口摄像头以25FPS的速率采集。不到半分钟，缓冲区就会堆积数百帧，系统始终在分析十几秒前的画面，等识别到可疑人员时，对方早就扬长而去了。

传统解决方案是简单粗暴地连续调用read()直到清空缓冲区：

while True:
    ret, frame = cap.read()  # 疯狂丢弃旧帧
    if not ret:
        break
# 然后处理最后一帧

但这种方法有两个致命缺陷：1) 浪费CPU资源反复解码无用帧 2) 在高速视频流中可能永远无法"追上"实时帧。

2. 多线程缓存机制设计

2.1 核心思路拆解

高效的解决方案需要引入生产者-消费者模型：

• 生产者线程：专职快速从视频源读取最新帧，更新共享缓存
• 主线程：按需从缓存获取最新帧进行处理

这就像餐厅的后厨与前台：

• 厨师（生产者）不断准备新鲜菜品（帧）
• 服务员（主线程）只需取用最新做好的那道菜

2.2 RTSCapture类实现细节

基于OpenCV的VideoCapture扩展类需要重点实现以下功能：

class RTSCapture(cv2.VideoCapture):
    _cur_frame = No