多路视频流推理
1 介绍
多路视频流推理基于MindXSDK开发，在晟腾芯片上进行目标检测，可以对常见的80类物件行框选和分类，将检测结果可输出。项目主要流程为：通过live555服务器进行多流输入视频，然后进行视频解码将264格式的视频解码为YUV格式的图片，图片缩放后经过模型推理进行物件框选与分类，识别结果可输出，包括分类的类型与方框的对角点信息。本样例支持8路视频流推理。
1.1 支持的产品
昇腾310(推理),昇腾200dk
1.2 支持的版本
本样例配套的CANN版本为5.0.5。支持的SDK版本为2.0.4。
MindX SDK安装前准备可参考《用户指南》，安装教程
1.3 软件方案介绍
表1.1 系统方案各子系统功能描述：
| 序号 | 子系统 | 功能描述 |
|---|---|---|
| 1 | 视频输入 | 接收外部调用接口的输入视频路径，对视频进行拉流，并发送到下游插件。 |
| 2 | 视频解码 | 用于视频解码，当前只支持H264/H265格式。 |
| 3 | 数据跳帧 | 数据进行跳帧处理，跳过的帧数为2。 |
| 4 | 图像处理 | 对解码后的YUV格式的图像进行指定宽高的缩放，暂时只支持YUV格式 的图像。 |
| 5 | 模型推理插件 | 目标分类或检测。 |
| 6 | 模型后处理插件 | 实现对yolov3模型输出的tensor解析，获取目标检测框以及分类类型。 |
| 7 | 输出插件 | 输入推理结果数据。 |
1.4 代码目录结构与说明
本工程名称为MultiChannelVideoInfer，工程目录如下图所示：
├── models
│ └── yolov3
│ ├── coco.names
│ ├── yolov3_tf_bs1_fp16.cfg
│ └── yolov3_tf_bs1_fp16.om
├── pipeline
│ ├── multi_infer1_8.pipeline
│ └── multi_infer2_4.pipeline
├── README.md
└── main_infer.py
1.5 技术实现流程图
2 环境依赖
环境搭建可参考200dk开发板环境搭建
在编译运行项目前，需要设置环境变量： 1、根据自己安装的ascend-toolkit下的set_env.sh以及sdk下的set_env.sh设置环境变量。 2、通过命令把全局日志级别设置为error级别 ''' export ASCEND_GLOBAL_LOG_LEVEL=3 '''
3 软件依赖
推理中涉及到第三方软件依赖如下表所示。
| 依赖软件 | 版本 | 说明 | 使用教程 |
|---|---|---|---|
| live555 | 1.09 | 实现视频转rstp进行推流 | 链接 |
| ffmpeg | 2021-07-21 | 实现mp4格式视频转为264格式视频 | 链接 |
4 模型获取
本项目中适用的模型是yolov3模型，om模型可以直接下载。
5 准备
按照第3小结软件依赖安装live555和ffmpeg，按照 Live555离线视频转RTSP说明文档将mp4视频转换为h264格式。并将生成的264格式的视频上传到live/mediaServer目录下，然后修改MultiChannelVideoInfer/pipeline目录下的multi_infer2_4.pipeline和multi_infer1_8.pipeline文件中mxpi_rtspsrc插件的内容。如下：
"mxpi_rtspsrc0": {
"factory": "mxpi_rtspsrc",
"props": {
"rtspUrl":"rtsp://xxx.xxx.xxx.xxx:xxxx/xxx.264", // 修改为自己所使用的的服务器和文件名
"channelId": "0"
},
"next": "mxpi_videodecoder0"
},
6 编译与运行
步骤1 按照第2小结环境依赖中的步骤设置环境变量。
步骤2 按照第 4 小节 模型获取 中的步骤获得模型文件，把yolov3放置在 models 目录下。
步骤3 运行。进入 MultiChannelVideoInfer 目录，在目录下执行命令：
python3 main_infer.py
命令执行成功后会在终端输出检测框的信息已经分类信息。
7 性能测试
测试帧率：
本样例统计出每秒处理的帧数，输入为25帧率的视频，8路推理，3帧里面取一帧，理应每秒处理25 / 3 * 8 = 66.6帧，如统计每秒的帧率达到66.6则性能达标。本样例中提供4路推理和8路模型推理的pipeline，读者可以在main_infer.py中修改。经实验，更多路数模型推理可以提高并发，从而提高推理的性能。
注：输入视频帧率应高于25，否则无法发挥全部性能。