VideoPipe 项目下载及安装教程
2024-12-08 15:48:14作者:范垣楠Rhoda
1. 项目介绍
VideoPipe 是一个跨平台的视频结构化(视频分析)框架,使用 C++ 编写。它具有最小的依赖性,易于使用,并且操作类似于管道,其中每个节点都是独立的,可以以各种方式组合。VideoPipe 可以用于构建不同类型的视频分析应用程序,适用于视频结构化、图像搜索、人脸识别和交通/安全领域的行为分析(如交通事件检测)等场景。
2. 项目下载位置
要下载 VideoPipe 项目,请访问项目的 GitHub 仓库。您可以通过以下命令克隆项目到本地:
git clone https://github.com/sherlockchou86/video_pipe_c.git
3. 项目安装环境配置
3.1 系统要求
- Ubuntu 18.04 x86_64
- NVIDIA rtx/tesla GPUs
- Ubuntu 18.04 aarch64 NVIDIA jetson serials device (tx2 tested)
- Ubuntu 18.04 x86_64 Cambrian MLU serials device (MLU 370 tested, code not provided)
- Ubuntu 18.04 aarch64 Rockchip RK35** serials device (RK3588 tested, code not provided)
3.2 依赖库
- C++ 17
- OpenCV >= 4.6
- GStreamer 1.14.5 (Required by OpenCV)
- GCC >= 7.5
3.3 可选依赖
- CUDA
- TensorRT
- Paddle Inference
- ONNX Runtime
3.4 环境配置示例
以下是配置环境的示例步骤:
- 安装必要的依赖库:
sudo apt-get update
sudo apt-get install build-essential cmake git libopencv-dev libgstreamer1.0-dev
- 安装 CUDA 和 TensorRT(如果需要):
# 安装 CUDA
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin
sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub
sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/ /"
sudo apt-get update
sudo apt-get -y install cuda
# 安装 TensorRT
sudo apt-get install tensorrt
- 安装 Paddle Inference(如果需要):
# 下载并安装 Paddle Inference
wget https://paddle-inference-lib.bj.bcebos.com/2.2.2/cxx_c/Linux/GPU/x86-64_gcc8.2_avx_mkl_cuda11.2_cudnn8.1.1_trt7.2.3.4/paddle_inference.tgz
tar -xzvf paddle_inference.tgz
sudo cp -r paddle_inference /usr/local/
4. 项目安装方式
- 克隆项目到本地:
git clone https://github.com/sherlockchou86/video_pipe_c.git
cd video_pipe_c
- 创建并进入构建目录:
mkdir build
cd build
- 配置并编译项目:
cmake ..
make -j8
- 可选:启用 CUDA 和 TensorRT 模块:
cmake -DVP_WITH_CUDA=ON -DVP_WITH_TRT=ON ..
make -j8
5. 项目处理脚本
以下是一个简单的示例脚本,用于运行 VideoPipe 中的一个示例:
#include "vp_nodes/vp_file_src_node.h"
#include "vp_nodes/infers/vp_yunet_face_detector_node.h"
#include "vp_nodes/infers/vp_sface_feature_encoder_node.h"
#include "vp_nodes/osd/vp_face_osd_node_v2.h"
#include "vp_nodes/vp_screen_des_node.h"
#include "vp_nodes/vp_rtmp_des_node.h"
#include "vp_utils/analysis_board/vp_analysis_board.h"
int main() {
VP_SET_LOG_INCLUDE_CODE_LOCATION(false);
VP_SET_LOG_INCLUDE_THREAD_ID(false);
VP_LOGGER_INIT();
// 1. 创建节点
auto file_src_0 = std::make_shared<vp_nodes::vp_file_src_node>("file_src_0", 0, "/test_video/10.mp4", 0, 6);
// 2. 模型推理节点
auto yunet_face_detector = std::make_shared<vp_nodes::vp_yunet_face_detector_node>("yunet_face_detector", 0);
auto sface_feature_encoder = std::make_shared<vp_nodes::vp_sface_feature_encoder_node>("sface_feature_encoder", 0);
// 3. 创建 OSD 节点
auto face_osd = std::make_shared<vp_nodes::vp_face_osd_node_v2>("face_osd", 0);
// 4. 创建输出节点
auto screen_des = std::make_shared<vp_nodes::vp_screen_des_node>("screen_des", 0);
auto rtmp_des = std::make_shared<vp_nodes::vp_rtmp_des_node>("rtmp_des", 0, "rtmp://your_rtmp_server");
// 5. 连接节点
file_src_0->link(yunet_face_detector);
yunet_face_detector->link(sface_feature_encoder);
sface_feature_encoder->link(face_osd);
face_osd->link(screen_des);
face_osd->link(rtmp_des);
// 6. 运行管道
file_src_0->run();
return 0;
}
请确保更新代码中的文件路径和 RTMP 服务器地址。
登录后查看全文
热门项目推荐
相关项目推荐
- DDeepSeek-R1-0528DeepSeek-R1-0528 是 DeepSeek R1 系列的小版本升级,通过增加计算资源和后训练算法优化,显著提升推理深度与推理能力,整体性能接近行业领先模型(如 O3、Gemini 2.5 Pro)Python00
cherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端TypeScript034deepflow
DeepFlow 是云杉网络 (opens new window)开发的一款可观测性产品,旨在为复杂的云基础设施及云原生应用提供深度可观测性。DeepFlow 基于 eBPF 实现了应用性能指标、分布式追踪、持续性能剖析等观测信号的零侵扰(Zero Code)采集,并结合智能标签(SmartEncoding)技术实现了所有观测信号的全栈(Full Stack)关联和高效存取。使用 DeepFlow,可以让云原生应用自动具有深度可观测性,从而消除开发者不断插桩的沉重负担,并为 DevOps/SRE 团队提供从代码到基础设施的监控及诊断能力。Go01
热门内容推荐
1 freeCodeCamp钢琴设计项目中的CSS盒模型设置优化2 freeCodeCamp音乐播放器项目中的函数调用问题解析3 freeCodeCamp博客页面开发中锚点跳转问题的技术解析4 freeCodeCamp课程中事件传单页面的CSS选择器问题解析5 freeCodeCamp课程中Todo应用测试用例的优化建议6 freeCodeCamp实时字符计数器实验的技术实现探讨7 freeCodeCamp课程中关于单选框样式定制的技术解析8 freeCodeCamp平台证书查看功能异常的技术分析9 freeCodeCamp课程中语义HTML测验集的扩展与优化10 freeCodeCamp全栈开发课程中关于HTML可访问性讲座的字幕修正
最新内容推荐
Ziggy路由工具v2.5.0版本发布:增强路由过滤与类型安全 XTuner项目中的大模型微调策略:QLoRA与多GPU训练实践 GalaxyBudsClient 5.1.2版本发布:三星耳机管理工具新特性解析 snacks.nvim项目中的图标系统重构解析 Proxmark3固件编译环境对14B读卡指令的影响分析 JDA 5.4.0版本发布:交互回调响应与安全事件处理能力升级 XTuner项目中Flash Attention版本兼容性问题解析 Cromite项目中的WebView字体指纹防护机制解析 DJL项目PyTorch引擎在CentOS 7.9上的兼容性问题解析 SuperSlicer 2.7.61.2版本更新解析:3D打印切片软件的重要修复与优化
项目优选
收起

React Native鸿蒙化仓库
C++
93
169

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
431
327

openGauss kernel ~ openGauss is an open source relational database management system
C++
49
116

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
270
439

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
328
33

基于仓颉编程语言构建的 LLM Agent 开发框架,其主要特点包括:Agent DSL、支持 MCP 协议,支持模块化调用,支持任务智能规划。
Cangjie
558
39

前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。
官网地址:https://matechat.gitcode.com
633
75

方舟分析器:面向ArkTS语言的静态程序分析框架
TypeScript
29
35

一个markdown解析和展示的库
Cangjie
27
3

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
342
214