首页
›
嵌入式边缘AI与TinyML
›
046-算能BM1684BM1688边缘AI盒子部署
›
《算能边缘视频流接入:RTSP、解码、抽帧和推理流水线》
VIP20
本课程属于:046-算能BM1684BM1688边缘AI盒子部署
嵌入式边缘AI与TinyML · 共 20 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
📘
11. 算能边缘视频流接入:RTSP、解码、抽帧和推理流水线
共计 30 章节
点击此处阅读海量试读课程:100+行业、1000+细分领域
01
课程导入
学习目标 · 适用人群 · 算能边缘设备在视频流处理中的定位与典…
课程导入
学习目标
02
边缘视频流基础
视频流基本概念(帧率 · 分辨率 · 编码格式)
边缘视频流基础
视频流基本概念
03
算能平台概览
算能边缘设备(如BM1684/BM1… · 算力特性及支持的视频处理能力
算能平台概览
BM1684/BM1
04
开发环境搭建
安装算能SDK · 配置交叉编译环境 · 准备视频流测试源(本地文件与RTSP…
开发环境搭建
SDK
05
RTSP拉流实践
使用FFmpeg或GStreamer… · 处理网络延迟与丢包问题
RTSP
拉流实践
06
视频解码原理
H.264/H.265解码流程 · 硬解码与软解码的区别 · 算能硬件解码器(VDEC)的使用
视频解码原理
H.264/H.265
07
解码API详解
调用算能解码接口(如bmcv_vde… · 获取YUV帧数据
API
解码
08
抽帧策略
关键帧与全帧抽帧 · 抽帧间隔设置 · 基于场景的动态抽帧方法
抽帧策略
关键帧
09
图像预处理
解码后YUV转BGR/RGB · 缩放 · 裁剪
图像预处理
YUV
10
推理流水线设计
单线程与多线程流水线架构 · 生产者-消费者模型 · 队列与缓冲管理
推理流水线设计
单线程
11
算能推理框架
使用TPU推理引擎(如BMNNSDK… · 执行推理 · 获取结果
算能推理框架
TPU
12
模型适配与转换
将ONNX/PyTorch模型转换为… · 量化与精度调优
模型适配
转换
13
端到端流水线实战
从RTSP拉流到解码 · 抽帧 · 预处理
端到端流水线实战
RTSP
14
性能优化
多路视频流并发处理 · 线程池与异步IO · 减少CPU占用与内存拷贝
性能优化
多路视频流并发处…
15
延迟控制
降低端到端延迟的方法(减少缓冲 · 硬解码直通 · 推理批处理)
延迟控制
降低端到端延迟的…
16
资源管理
内存池复用 · 帧缓存管理 · 避免内存泄漏与碎片化
资源管理
内存池复用
17
错误处理与鲁棒性
网络断流重连 · 解码失败重试 · 异常帧跳过
错误处理
鲁棒性
18
案例实战
实时人形检测流水线——从RTSP摄像…
案例实战
RTSP
19
案例实战
车辆识别与车牌抓拍——结合抽帧策略与…
案例实战
车辆识别
20
案例实战
边缘端视频分析系统——多路视频流接入…
案例实战
边缘端视频分析系…
21
调试与性能分析
使用性能分析工具(如perf · bmprof)定位瓶颈 · 优化流水线
调试
性能分析
22
与云平台集成
将边缘推理结果上传至云端 · 使用MQTT/HTTP协议 · 实现边云协同
云平台集成
将边缘推理结果上…
23
安全与隐私
视频流加密传输(RTSP over… · 访问控制 · 数据脱敏
安全
隐私
24
常见问题排查
拉流卡顿 · 解码花屏 · 推理速度慢
常见问题排查
拉流卡顿
25
进阶技巧
动态分辨率切换 · ROI区域抽帧 · 多模型级联推理
进阶技巧
动态分辨率切换
26
容器化部署
使用Docker封装算能环境 · 实现快速部署与版本管理
容器化部署
Docker
27
测试与验证
构建自动化测试脚本 · 验证流水线正确性与稳定性
测试
验证
28
项目实战
从需求分析到交付的完整项目流程——以…
项目实战
从需求分析到交付…
29
综合提升
设计高可用 · 可扩展的边缘视频处理架构 · 考虑负载均衡与故障转移
综合提升
设计高可用
30
课程总结
核心知识点回顾 · 常见误区 · 学习路径建议与未来技术趋势
课程总结
核心知识点回顾
所属VIP或分类
同VIP:BM1684-Docker-SDK推理环境交付
同VIP:BM1684BM1688项目验收:帧率、延迟、准确率和稳定性测试
同VIP:BM1684检测分类跟踪多模型并行调度