カメラからの映像を画像処理した映像が数秒止まる

 起こっている現象

四角形で囲んだところに物体（ボール）の中心座標が来ると、
音を鳴らすというプログラムを作成したのですが、
四角形に物体が入り音がなると映像が数秒止まってしまいます。

 質問内容

音を鳴らすと映像が止まる原因とその解決方法を教えていただきたいです。

 作成したプログラム

import cv2
import sys
import numpy as np
import pygame.mixer
import time

xmin,xmax = 112, 483  # 左上,右下のX座標
ymin,ymax = 172, 408  # 左上,右下のy座標

def dilation(dilationSize, kernelSize, img):  # 膨張した画像にして返す
    kernel = np.ones((kernelSize, kernelSize), np.uint8)
    element = cv2.getStructuringElement(cv2.MORPH_RECT, (2 * dilationSize + 1, 2 * dilationSize + 1), (dilationSize, dilationSize))
    dilation_img = cv2.dilate(img, kernel, element)
    return dilation_img


def detect(gray_diff, thresh_diff=100, dilationSize=9, kernelSize=20):  # 一定面積以上の物体を検出
    retval, black_diff = cv2.threshold(gray_diff, thresh_diff, 255, cv2.THRESH_BINARY)  # 2値化
    dilation_img = dilation(dilationSize, kernelSize, black_diff)  # 膨張処理
    img = dilation_img.copy()
    image, contours, hierarchy = cv2.findContours(dilation_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE,offset=(xmin,ymin))  # 境界線検出

    ball_pos = []

    for cnt in contours:  # 重心位置を計算
        M = cv2.moments(cnt, False)
        x, y = int(M["m10"] / M["m00"]), int(M["m01"] / M["m00"])
        ball_pos.append((x, y))

    return ball_pos, img

def displayCircle(image, ballList, thickness=5):
    cv2.rectangle(frame,(44,287),(489,237),(0,255,0),3) #長方形の描画
    rect = np.array([[44, 287], [43, 248], [489, 237], [494, 275]]) #ボール判定範囲設定

    for i in range(len(ballList)):
        x = int(ballList[i][0])
        y = int(ballList[i][1])

        if cv2.pointPolygonTest(rect,(x,y),False) >= 0:
            # 線の中にボールの中心が入っている赤色で表示。
            cv2.circle(image,(x,y),10,(0,0,255),thickness)
            pygame.mixer.init()
            pygame.mixer.music.load('sound.mp3')
            pygame.mixer.music.play(1) # loop count

            time.sleep(2)   #2秒再生
            pygame.mixer.music.stop()  #停止

    return image

def resizeImage(image, w=2, h=2):
    height = image.shape[0]
    width = image.shape[1]
    resizedImage = cv2.resize(image, (int(width / w), int(height / h)))
    return resizedImage


def blackToColor(bImage):
    colorImage = np.array((bImage, bImage, bImage))
    colorImage = colorImage.transpose(1, 2, 0)
    return colorImage


video = cv2.VideoCapture(0)  # カメラの映像を読み込む
# fourcc = cv2.VideoWriter_fourcc(*'MJPG')
fourcc = cv2.VideoWriter_fourcc(*'XVID')

if not video.isOpened():  # ファイルがオープンできない場合の処理.
    print("Could not open video")
    sys.exit()

vidw = video.get(cv2.CAP_PROP_FRAME_WIDTH)
vidh = video.get(cv2.CAP_PROP_FRAME_HEIGHT)
out = cv2.VideoWriter("tennis.mp4", fourcc, 20.0,(int(vidw), int(vidh)))  # 出力先のファイルを開く


ok, frame = video.read()  # 最初のフレームを読み込む
if not ok:
    print('Cannot read video file')
    sys.exit()

frame_pre = frame.copy()
frame_pre[ymin:ymax,xmin:xmax]

while True:
    ok, frame = video.read()  # フレームを読み込む
    if not ok:
        break

    frame_next = frame.copy()

    color_diff = cv2.absdiff(frame_next[ymin:ymax, xmin:xmax], frame_pre[ymin:ymax, xmin:xmax])  # フレーム間の差分計算
    gray_diff = cv2.cvtColor(color_diff, cv2.COLOR_BGR2GRAY)  # グレースケール変換
    retval, black_diff = cv2.threshold(gray_diff,30, 255, cv2.THRESH_BINARY)

    ball, dilation_img = detect(gray_diff)

    frame = displayCircle(frame, ball, 2)  # 丸で加工

    cv2.imshow("Tracking", frame)  # フレームを画面表示

    out.write(frame)

    frame_pre = frame_next.copy()  # 次のフレームの読み込み
    frame_pre[ymin:ymax, xmin:xmax]


    k = cv2.waitKey(10) & 0xff  # ESCを押したら中止
    if k == 27:
        break

video.release()
out.release()
cv2.destroyAllWindows()