directshow filter cpu占用100%

petera 2012-05-10 09:56:49
source filter是自己开发的,h264解码filter 用的ffdshow filter, 在程序内使用的智能连接,会再加上video renderer,把这三个filter连接上。接收到的h264数据放入我的source filter,就可以正常播放了。

现在的问题是,如果连接上后,IMediaControl run时,如果没有放入数据,cpu使用高,如果过一会有数据放入了,这时cpu使用就正常了。
在有数据放入的情况下,调用IMediaControl的run和Pause时,cpu使用正常,如果调用run--stop再run,cpu使用又过高了。


从工具上看,不管cpu使用正常,还是过高,线程切换次数高的是在我的source filter内。
source filter只有在run起来时,graph正常调用的,我没有去做什么,我的source filter是从例子ball例子改的。

有了解的朋友请帮忙。
...全文
174 2 打赏 收藏 转发到动态 举报
写回复
用AI写文章
2 条回复
切换为时间正序
请发表友善的回复…
发表回复
kerbel 2012-09-20
  • 打赏
  • 举报
回复
受用 谢谢
我接收端接收数据,当缓存空了,我就possmesagge给主线程去暂停,然后发现数据线程还是会在跑(一直调用fillbuffer),我在fillbuffer里如果buffer空了就直接return了,也没去settime;

然后我在数据线程里,在possmesagge后面加了sleep,发现数据线程不会一直在跑

我也不知道是不是和你一样的原因,也许只是绕过了问题.....帮俺分析下...谢谢
petera 2012-05-11
  • 打赏
  • 举报
回复
自己解决了,直接把总节写在网络笔记上了,copy过来分享。

在测试时发现,没有视频时要比有视频时cpu使用高很多,最后定位到zkfilter模块。filter连接好run后,FillBuffer会被自动调用,我们在FillBuffer内用数据填充buffer。

下面的是我们的filter的父类CSourceStream的代码
do {
while (!CheckRequest(&com)) {

IMediaSample *pSample;

HRESULT hr = GetDeliveryBuffer(&pSample,NULL,NULL,0);
if (FAILED(hr)) {
Sleep(1);
continue; // go round again. Perhaps the error will go away
// or the allocator is decommited & we will be asked to
// exit soon.
}

// Virtual function user will override.
hr = FillBuffer(pSample);

if (hr == S_OK) {
hr = Deliver(pSample);
pSample->Release();
........

filter连接好run后,GetDeliveryBuffer,看下游filter的buffer是否准备好,如果准备好,会返回,否则阻塞。然后调用我们的FillBuffer,我们把数据放入buffer, Deliver把放入buffer内的数据推下去,如果这时下游的filter要处理的数据已经完成,Deliver会返回,否则阻塞,直到下游戏filter处理完当前数据。

所以我们的FillBuffer调用的时间间隔,由下游戏filter对数据的处理时间决定,如果我们FillBuffer时没有放入数据,则下游filter处理基本不用时间,这样就会占用过多cpu,
所以在我们的FillBuffer时,如果我们还没有数据,就先sleep(1)下,可以解决占用cpu过多的问题。
在FillBuffer内 调用Imediasample 的SetTime可以给下游filter设置大概的处理时间,如果不用sleep(1),仍然占用太多的cpu, 如果SetTime设置的时间间隔太大,视频显示有点问题。
source filter 每个输出pin单独一个线程,其中一个输出pin fillbuffer时sleep(1)不会对另一个输出pin 有影响。
随着元宇宙概念兴起与虚拟数字人技术快速发展,虚拟主播、在线教育虚拟助教、元宇宙社交等应用场景对实时动作表情驱动系统提出更高需求。当前主流动作捕捉方案多依赖专业光学动捕设备或深度相机,设备成本高昂、部署复杂,难以在普通用户场景普及。本研究设计并实现一套基于普通单目摄像头的虚拟数字人实时动作表情驱动系统,旨在降低数字人内容生产门槛。系统采用Unity作为主开发引擎,结合Blender进行数字人模型构建与BlendShape表情系统制作,使用MediaPipe框架实现人脸关键点检测与人体姿态估计,通过C#脚本完成实时数据处理与渲染控制。系统包含五个关键模块:人脸关键点检测(MediaPipe Face Mesh提取468个关键点)、人体姿态估计(MediaPipe Pose识别33个骨骼关键点)、表情迁移映射、动作平滑优化(卡尔曼滤波与贝塞尔曲线插值消除抖动)、实时渲染(60fps流畅渲染,支持直播推流与视频录制)。实验结果表明,系统在普通笔记本上可实现60fps实时驱动,人脸关键点检测准确率达98.7%,人体姿态估计平均误差小于5像素,表情迁移相似度达92.3%。 【课程报告内容】 摘要 第1章 绪论 第2章 相关技术与理论基础 第3章 系统架构设计 第4章 关键模块设计与实现 第5章 实验与结果分析 第6章 总结与展望 参考文献
内容概要:本文提出了一种基于蒙特卡洛模拟与拉格朗日松弛法的分散式优化策略,用于解决电动汽车充电站在分时电价机制下的有序充电调度问题。通过蒙特卡洛方法模拟电动汽车充电行为的随机性,生成多样化负荷场景,构建以降低电网负荷波动和用户充电成本为目标的优化模型;采用拉格朗日松弛法对耦合约束进行解耦,实现分布式求解,在保障用户隐私的同时提升计算效率。文中设计了详细的仿真场景,系统分析了该调度策略对电网负荷特性和用户经济性的影响,验证了所提方法在实际应用中的有效性与可行性。; 适合人群:具备电力系统运行、优化算法理论及Matlab编程能力的研究生、科研人员以及从事智能电网与电动汽车相关领域的工程技术人员。; 使用场景及目标:①应用于城市规模化充电站集群的有序充电管理,实现电网“削峰填谷”;②为电力公司制定科学合理的分时电价政策提供量化分析工具;③支撑智能电网中需求侧资源的分布式协同优化调度研究与系统设计。; 阅读建议:建议结合提供的Matlab代码深入理解算法实现流程,重点掌握蒙特卡洛场景生成机制与拉格朗日松弛迭代求解过程,可通过调整参数设置复现不同工况下的仿真结果,以深化对分散式优化机制与调度效果之间关系的理解。
内容概要:本文研究了基于阶跃响应的V-Tiger自动增益调整PID控制器优化方法,并提供了完整的Matlab代码实现。通过深入分析PID控制的核心性能指标与V-Tiger控制器的动态特性,提出了一种融合阶跃响应特征提取与多目标协同优化的自动整定方案,设计了具备自适应迭代校正能力的优化机制,有效提升了控制系统的响应速度、稳定性和抗干扰能力。文中系统阐述了整定原理、算法架构设计及性能验证流程,通过仿真实验充分验证了该方法在复杂工业控制场景下实现高精度参数自整定的可行性与优越性,为智能PID控制提供了可复现、可拓展的技术路径。; 适合人群:具备自动控制理论基础和Matlab编程能力,从事控制工程、自动化、电气工程等领域研究的研发人员及高校研究生。; 使用场景及目标:①应用于需要高精度PID参数整定的工业控制系统中,如电机驱动、温度控制、电力电子变换器等;②为科研人员提供一种可复现、可扩展的智能PID整定方法,用于提升系统动态性能与鲁棒性;③作为教学案例帮助学生理解PID整定原理与现代优化算法的融合应用。; 阅读建议:建议读者结合文中的Matlab代码逐模块运行与调试,重点关注阶跃响应特征提取与增益优化策略的实现逻辑,同时可尝试将其应用于实际控制系统中进行对比验证,以深化对自动整定机制的理解。

2,554

社区成员

发帖
与我相关
我的任务
社区描述
专题开发/技术/项目 多媒体/流媒体开发
社区管理员
  • 多媒体/流媒体开发社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧