优化视频保存Python的Opencv代码

我已经编写了一段python代码，其中我正在使用

opencv

显示和保存实时摄影机流，并制作10分钟的剪辑

我已经为100多台摄像机做了这项工作，但目前我正在为5台摄像机做这项工作（通过从一台摄像机中获取多个流）

现在，问题是我的脚本消耗了大约12%的CPU和125 MB的RAM。它不可能处理100多个摄像头。因此，我想优化代码，使其消耗很少的资源，这将有助于我运行100个摄像头

如果使用

opencv

无法做到这一点，我甚至准备换一个不同的库

代码：

---

IMHO这不是优化一个简单的Python脚本，而是回到绘图板。让我们忘记可视化，考虑减压是可以忽略不计的。现在，您解压缩每个传入帧，然后再次压缩它。对于

640x480x3x10字节/秒或大约9 MB/s的每个流。对于其中100个，这接近每秒1千兆字节（大致相当于每秒110帧的超高清（4k）视频）。因此，我要问的第一件事是，哪种编解码器可以在空闲时间内处理这个问题，以及它需要什么样的硬件来处理这个问题。
# organize imports
import numpy as np
import cv2
import time
from threading import Thread


def multi_stream(video_id):
    start_time = time.time()
    count = 1

    # This will return video from the first webcam on your computer.
    cap = cv2.VideoCapture("rtsp://admin:vaaan@123@192.168.1.51/Streaming/Channels/2")

    # Define the codec and create VideoWriter object
    fourcc = cv2.VideoWriter_fourcc(*'XVID')
    out = cv2.VideoWriter('Output_{}/{}.avi'.format(video_id, count), fourcc, 10, (640, 480))

    # loop runs if capturing has been initialized.
    while(True):
        # reads frames from a camera
        # ret checks return at each frame
        ret, frame = cap.read()

        # output the frame
        out.write(frame)

        # this will help to create 10 min video clips
        if time.time() - start_time >= 600:
            count += 1
            start_time = time.time()
            out = cv2.VideoWriter('Output_{}/{}.avi'.format(video_id, count), fourcc, 10, (640, 480))
        
        # The original input frame is shown in the window
        cv2.imshow('Original_{}'.format(video_id), frame)

    
        # Wait for 'a' key to stop the program
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break


    # Close the window / Release webcam
    cap.release()
    # After we release our webcam, we also release the output
    out.release()
    # De-allocate any associated memory usage
    cv2.destroyAllWindows()


t1 = Thread(target=multi_stream, args=(1,))
t2 = Thread(target=multi_stream, args=(2,))
t3 = Thread(target=multi_stream, args=(3,))
t4 = Thread(target=multi_stream, args=(4,))
t5 = Thread(target=multi_stream, args=(5,))

t1.start()
t2.start()
t3.start()
t4.start()
t5.start()