MMPose 中提供了一组摄像头应用接口（Webcam API），用以快速搭建简单的姿态估计应用。在这篇教程中，我们将介绍摄像头应用接口的功能和使用方法。用户也可以在 接口文档 中查询详细信息。
摄像头应用接口主要由以下模块组成（如图 1 所示）：
-
执行器（
WebcamExecutor）：应用程序的主体，提供了启动程序、读取视频、显示输出等基本功能。此外，在执行器中会根据配置构建若干功能模块，分别执行不同的任务，如模型推理、数据处理、逻辑判断、图像绘制等。这些模块会在不同线程中异步运行。执行器在读入视频数据后，会控制数据在各个功能模块间的流动，最终将处理完毕的视频数据显示在屏幕上。与执行器相关的概念还有：- 配置文件（
Config）：包括执行器的基本参数，功能模块组成和模块间的逻辑关系。与 OpenMMLab 中常用的配置文件形式类似，我们使用 python 文件作为配置文件； - 启动脚本（如
mmpose/demo/webcam_demo.py）：读取配置文件，构建执行器类实例，并调用执行器接口启动应用程序。
- 配置文件（
-
节点 (
Node)：应用程序中的功能模块。一个节点通常用于实现一个基本功能，如DetectorNode用于实现目标检测，ObjectVisualizerNode用于绘制图像中物体的检测框和关键点，RecorderNode用于将视频输出保存到本地文件等。目前已经提供的节点根据功能可以分为模型节点（Model Node）、可视化节点（Visualizer Node）和辅助节点（Helper Node）。用户也可以根据需要，通过继承节点基类 Node 实现自定义的节点。 -
公共组件（
Utils）：提供了一些公共的底层模块，其中比较重要的有：- 消息类（
Message）：节点输入、输出的基本数据结构，其中可以包括图像、模型推理结果、文本以及用户自定义的数据内容； - 消息缓存器（
Buffer）：用于节点间的数据通信。由于各个节点是异步运行的，需要将上游节点的输出缓存下来，等待下游节点进行读取。换言之，节点之间并不直接进行数据交换，而是从指定的消息缓存器读入数据，并将输出到其他消息缓存器； - 事件（
Event）：用于执行器与节点间或不同节点间的事件通信。与数据流通过配置好的路线依次经过节点不同，事件可以立即被任意节点响应。例如，当用户按下键盘按键时，执行器会将该事件广播给所有节点，对应节点可以立即做出响应，从而实现与用户的互动。
- 消息类（
在了解摄像头应用接口的基本组成后，我们通过一个简单的例子，来介绍如何使用这组接口搭建应用程序。
通过以下指令，可以启动示例程序。它的作用是打开摄像头，将读取到的视频显示在屏幕上，同时将其保存在本地文件中：
# python demo/webcam_demo.py --config CONFIG_PATH [--debug]
python demo/webcam_demo.py --config demo/webcam_cfg/test_camera.py这个示例的功能模块如下所示：
# 摄像头应用配置
executor_cfg = dict(
name='Test Webcam', # 应用名称
camera_id=0, # 摄像头 ID（也可以用本地文件路径作为视频输入）
camera_max_fps=30, # 读取视频的最大帧率
nodes=[
# MonitorNode 用于显示系统和节点信息
dict(
type='MonitorNode', # 节点类型
name='monitor', # 节点名称
enable_key='m', # 开/关快捷键
enable=False, # 初始开/关状态
input_buffer='_frame_', # 输入缓存
output_buffer='display'), # 输出缓存
# RecorderNode 用于将视频保存到本地文件
dict(
type='RecorderNode', # 节点类型
name='recorder', # 节点名称
out_video_file='webcam_output.mp4', # 保存视频的路径
input_buffer='display', # 输入缓存
output_buffer='_display_') # 输出缓存
])可以看到，配置文件包含一个叫做 executor_cfg 的字典，其中的内容包括基本参数（如 name，camera_id 等，可以参考 WebcamExecutor 文档）和节点配置信息（nodes ）。节点配置信息是一个列表，其中每个元素是一个节点的参数字典。例如，在该示例中包括 2 个节点，类型分别是 MonitorNode 和 RecorderNode。关于节点的功能和参数，可以参考 节点文档。
在节点配置中有一类特殊参数——输入输出缓存器。这些配置定义了节点之间的上下游逻辑关系。比如这个例子中，MonitorNode 会从名为 "_frame_" 的缓存器中读取数据，并将输出存放到名为 "display" 的缓存器中；而 RecorderNode 则从缓存器 "display" 中读取数据，并将输出存放到缓存器 "_display_" 中。
在配置文件中，用户可以任意指定缓存器的名字，执行器会自动构建缓存器，并将缓存器与对应的节点建立关联。需要注意的是，以下 3 个是保留的缓存器名字，对应用于执行器与节点间数据交换的特殊缓存器：
"_input_"：存放执行器读入的视频帧，通常用于模型推理"_frame_"：存放执行器读入的视频帧（与"_input_"相同），通常用于可视化输出"_display_"：存放经过所有节点处理后的输出结果，用于执行器在屏幕上的显示
在应用程序中，所有的缓存器是由执行器中的 缓存管理器（BufferManager） 进行管理（可参考 缓存管理器文档）。
在程序运行时，部分节点（如 MonitorNode）可以通过键盘按键，实时控制是否生效。这类节点有以下参数：
enable_key：指定开/关节点功能的热键enable：指定节点开/关的初始状态
热键响应是通过事件机制实现的。应用程序中的事件，由执行器中的 事件管理器（EventManager） 进行管理（可参考 事件管理器文档）。节点在初始化时，可以注册与自己相关的事件，之后就可以在运行过程中触发、等待或清除这些事件。
在了解执行器、节点、缓存器、事件等基本概念后，我们可以用图 2 概括一个基于摄像头应用接口开发的应用程序的基本结构。
用户可以通过定义新的节点类，来扩展摄像头应用接口的功能。我们通过一些节点类实例，介绍自定义节点类的方法。
我们以实现目标检测功能为例，介绍实现节点类的一般步骤和注意事项。
在定义节点类时，需要继承基类 Node，并用注册器 NODES 注册新的节点类，使其可以通过配置参数构建实例。
from mmpose.apis.webcam.nodes import Node, NODES
@NODES.register_module()
class DetectorNode(Node):
...我们为 DetectorNode 类定义以下的初始化方法，代码如下：
def __init__(self,
name: str,
model_config: str,
model_checkpoint: str,
input_buffer: str,
output_buffer: Union[str, List[str]],
enable_key: Optional[Union[str, int]] = None,
enable: bool = True,
device: str = 'cuda:0',
bbox_thr: float = 0.5):
# 初始化基类
super().__init__(name=name, enable_key=enable_key, enable=enable)
# 初始化节点参数
self.model_config = get_config_path(model_config, 'mmdet')
self.model_checkpoint = model_checkpoint
self.device = device.lower()
self.bbox_thr = bbox_thr
self.model = init_detector(
self.model_config, self.model_checkpoint, device=self.device)
# 注册输入、输出缓存器
self.register_input_buffer(input_buffer, 'input', trigger=True) # 设为触发器
self.register_output_buffer(output_buffer)可以看出，初始化方法中一般会执行以下操作：
- 初始化基类：通常需要
name，enable_key和enable等参数； - 初始化节点参数：根据需要初始化子类的参数，如在本例中，对
model_config，device，bbox_thr等参数进行了初始化，并调用 MMDetection 中的init_detectorAPI 加载了检测模型； - 注册缓存器：节点收到配置参数中指定的输入、输出缓存器名称后，需要在初始化时对相应的缓存器进行注册，从而能在程序运行时自动从缓存器中存取数据。具体的方法是：
1.对每个输入缓存器，调用基类的
register_input_buffer()方法进行注册，将缓存器名（即来自配置文件的input_buffer参数）对应到一个输入名（即"input"）。完成注册后，就可以在运行时通过输入名访问对应缓存器的数据（详见下一节 "定义 process() 方法"）； 2. 调用基类的register_output_buffer()对所有的输出缓存器进行注册。完成注册后，节点在运行时每次的输出会被自动存入所有的输出缓存器（每个缓存器会存入一份输出的深拷贝）。
当节点有多个输入时，由于输入数据是异步到达的，需要指定至少一个输出缓存器为触发器（Trigger）。当所有被设为触发器的输入缓存器都有数据到达时，会触发节点执行一次操作（即执行一次 process() 方法）。当节点只有一个输入时，也应在注册时将其显示设置为触发器。
节点类的 process() 方法定义了节点的行为。我们在 DetectorNode 的 process() 方法中实现目标检测模型的推理过程：
def process(self, input_msgs):
# 根据输入名 "input"，从输入缓存器获取数据
input_msg = input_msgs['input']
# 从输入数据中获取视频帧图像
img = input_msg.get_image()
# 使用 MMDetection API 进行检测模型推理
preds = inference_detector(self.model, img)
objects = self._post_process(preds)
# 将目标检测结果存入数据
input_msg.update_objects(objects)
# 返回节点处理结果
return input_msg这段代码主要完成了以下操作：
- 读取输入数据：
process()方法的参数input_msgs中包含所有已注册输入缓存器的数据，可以通过输入名（如"input"）获得对应缓存器的数据； - 解析输入数据：缓存器中的数据通常为“帧信息”（
FrameMessage，详见文档）。节点可以从中获取视频帧的图像，模型推理结果等信息。 - 处理输入数据：这里使用 MMDetection 中的
inference_detector()API 检测视频帧中的物体，并进行后处理（略）。 - 返回结果： 将模型推理得到的视频帧中的物体信息，通过
update_objects()方法添加进input_msg中，并将其返回。该结果会被自动发送到DetectorNode的所有输出缓存器，供下游节点读取。
由于允许通过热键开关 DetectorNode 的功能，因此需要实现 bypass() 方法，定义该节点在处于关闭状态时的行为。bypass() 方法与 process() 方法的接口完全相同。DetectorNode 在关闭时不需要对输入做任何处理，因此对 bypass() 实现如下：
def bypass(self, input_msgs):
return input_msgs['input']可视化节点是一类特殊的节点，它们的功能是对视频帧的图像进行编辑。为了方便拓展可视化功能，我们为可视化节点提供了更简单的抽象接口。这里以实现文字显示为例，介绍实现可视化节点的一般步骤和注意事项。
可视化节点基类 BaseVisualizerNode 继承自 Node 类，并对 process() 方法进行了进一步封装，暴露 draw() 接口供子类实现具体的可视化功能。与一般的节点类类似，可视化节点类需要继承 BaseVisualizerNode 并注册进 NODES。
from mmpose.apis.webcam.nodes import BaseVisualizerNode, NODES
@NODES.register_module()
class NoticeBoardNode(BaseVisualizerNode):
...节点初始化方法的实现方式与一般节点类似，请参考 定义 __init__() 方法。需要注意的是，可视化节点必须注册唯一的输入缓存器，对应于输入名 "input"。
可视化节点类的 draw() 方法用于绘制对帧图像的更新。draw() 方法有 1 个输入参数 input_msg，为来自 input 缓存器的数据；draw() 方法的返回值应为一幅图像（np.ndarray 类型），该图像将被用于更新 input_msg 中的图像。节点的输出即为更新图像后的 input_msg。
NoticeBoardNode 的 draw() 方法实现如下：
def draw(self, input_msg: FrameMessage) -> np.ndarray:
# 获取帧图像
img = input_msg.get_image()
# 创建画布图像
canvas = np.full(img.shape, self.background_color, dtype=img.dtype)
# 逐行将文字绘制在画布图像上
x = self.x_offset
y = self.y_offset
max_len = max([len(line) for line in self.content_lines])
def _put_line(line=''):
nonlocal y
cv2.putText(canvas, line, (x, y), cv2.FONT_HERSHEY_DUPLEX,
self.text_scale, self.text_color, 1)
y += self.y_delta
for line in self.content_lines:
_put_line(line)
# 将画布图像的有效区域叠加在帧图像上
x1 = max(0, self.x_offset)
x2 = min(img.shape[1], int(x + max_len * self.text_scale * 20))
y1 = max(0, self.y_offset - self.y_delta)
y2 = min(img.shape[0], y)
src1 = canvas[y1:y2, x1:x2]
src2 = img[y1:y2, x1:x2]
img[y1:y2, x1:x2] = cv2.addWeighted(src1, 0.5, src2, 0.5, 0)
# 返回绘制结果
return img