NVIDIA DeepStream 简介gst-dsexample以及人体姿态估计算法插件

Aster
人工智能领域新星创作者
2022-10-10 14:03:12

 

3.1 关于gst-dsexample

3.1.1 gst-dsexample简介

  gst-dsexample基于GStreamer开发,继承至GstBaseTransform类。gst-dsexample中共包含四个文件:gstdsexample.h,gstdsexample.cpp,dsexample_lib.h,dsexample_lib.c。gstdsexample主要实现插件的初始化,插件的注册等功能。dsexample_lib主要负责插件具体功能的实现,如目标检测与目标分类。每个插件均可单独配置不同的参数,用于对插件功能进行设置,如配置处理图像的宽和高、使用GPU的ID等。插件按数据流处理方式可分为直通式与非直通式。直通模式下,数据流直接通过插件,插件仅对流过的数据进行处理,并将处理后的结果附加在数据上传递给下游插件。如获取图像数据并通过算法进行目标检测,将目标检测结果附加在数据中,传递给下游组件,便于后续的分析。gst-dsexample就是直通式插件,获取图像数据并经过算法分析后,将分析结果附加在gst-buffer里,传递给下游组件。非直通模式下,数据流被插件截取并处理后再传递给下游插件,传递给下游的数据流可能由本插件生成,而不再是原始数据。例如图像缩放插件,当图像被放大时,图像数据空间已经改变,必须由缩放插件自行开辟数据空间,并将放大后的图像数据传递给下游。直通与非直通的区别,核心就在于数据流管理方式的不同。下面将对gst-dsexample的插件源码进行解析,关于GStreamer插件相关知识参考GStreamer官方介绍或者后续技术总结,本文会忽略相关知识。

3.1.2 gst-dsexample源码解析

http://orangeamoy.com/2019/04/12/DeepStream/

...全文
147 回复 打赏 收藏 转发到动态 举报
写回复
回复
切换为时间正序
请发表友善的回复…
发表回复
相关推荐
行为识别与分析的主要目的是根据摄像头捕捉到的视频来具体地分析并预测人体行为。传统的实现方式主要基于捕捉人体所佩戴的传感器所发出的信号,因此使用不够灵活、操作复杂、扩展性不强、用户体验查。随着深度学习近年来的爆发性成长,基于计算机视觉的行为识别能够很好地获取视频中的空间和时间信息。由于其扩展性强、灵活度好、准确率高,因此成为现阶段及未来的主流方式。行为识别与分析在视频监控、医疗康复、健身评估、人机交互等领域应用 广泛,是计算机视觉研究的热点问题之一。站在风口, 猪也能飞上天。行为识别与分析涉及领域及分支广、就业面宽,并且目前市场对行为识别与分析的需要是供小于求。尽管基于深度学习的识别与分析已经有了强有力的发展,但全网很少有系 统性从零到最新(2020) 介绍行为识别与分析的相关课程。目前全网在这个领域的教学课程成碎片化和过时化,且大多容易从传统算法和早期基于深度学习的算法下手,无法与时俱进,同时让学生产生迷惑并且难以快速入门。本课程沿着深度学习的脉络,-步一步向下过渡,探索其关联,由浅入深地让学员快速掌握行为识别与分析最新技术。作为保证就业的CV就业班的先导课,本课程将直接从基于深度学习的目标检测入手,从基础的目标检测的三个分支,过渡到人体姿态估计,并且重点深耕于基于人体姿态估计的行为识别与分析:从基础网络到与时俱进的最新分析器(2020)。课程在由浅入深讲明基础理论知识,刻画各时期主流模型之后,更重点着墨于现阶段性能强劲的主流算法,助学生一臂之力。

61

社区成员

发帖
与我相关
我的任务
社区描述
基于NVIDIA的DeepStream SDK开发技术交流社区。通过DeepStream可从USB/CSI/RTSP相机中获取流数据,用于快速构建具有AI能力的应用程序。
自动驾驶pytorch边缘计算 个人社区 陕西省·西安市
社区管理员
  • 鼾声鼾语
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告