如何在Python中使用GPU计算FPS

Question

我正在从事一个计算机视觉项目，其中所有处理或推理都在 GPU 上进行。我需要计算从视频流中获得的实时 FPS。该视频流可以是视频文件或RTSP视频流。

我写了一个简单的逻辑来计算FPS。如下所示：

cap = cv2.VideoCapture(0)

fps_start_time = datetime.datetime.now()
fps = 0
total_frames = 1

while True:
    ret, frame = cap.read()
    total_frames = total_frames + 1

    """
    All the processing and 
    inferencing happens here
    """

    fps_end_time = datetime.datetime.now()
    time_diff = fps_end_time - fps_start_time
    fps = (total_frames / time_diff.seconds)

    fps_text = "FPS: {:.2f}".format(fps)
    print(fps_text)
    cv2.putText(frame, fps_text, (5, 30), cv2.FONT_HERSHEY_COMPLEX_SMALL, 1, (0, 0, 255), 1)

    cv2.imshow("Application", frame)
    key = cv2.waitKey(1)
    if key == ord('q'):
        break

为了解释上述逻辑，我在开始推理之前先取

fps_start_time

。推理完成后，我将采用

fps_end_time

，然后用开始时间减去结束时间，并将时间差异除以帧以获得 FPS。如果您在 CPU 上进行所有推理，则此方法效果很好。但如果你的推理发生在 GPU 上，它会显示错误的值。

我有一个定制的硬件，其中 GPU 非常高端，而 CPU 较低，因此在推理时我可以在输出视频中看到，没有滞后/延迟，但 FPS 仍然保持在 6-7 左右，实际上它看起来像25-30。发生这种情况的原因是，推理时的 CPU 使用率始终在 95% 左右，因此 FPS 很低。如果我们使用 GPU 进行 FPS（大多数时候为 50-60%），那么我们可能会得到正确的值。

是否有任何预构建的库或方法可供我们用来获取 GPU 的 FPS？

Answer 1

1. 我想你做得对，所以基本上，FPS = 1/('当前操作时间' - '先前操作时间')。

2. 还要检查您的相机是否确实以 60 fps 进行流传输。您可以使用它在 OpenCV 中完成此操作。

   cap = cv2.VideoCapture(0)

   fps =  cap.get(cv2.CAP_PROP_FPS)

3. 大多数网络摄像头都锁定在 30 fps。

如果您找到解决方案，请告诉我。