项目地址：https://github.com/sherlockchou86/video_pipe_c

往期文章：https://www.cnblogs.com/xiaozhi_5638/p/16857995.html

11月有3个更新，有兴趣的扫码加群交流。

支持推理结果序列化（vp_message_broker插件）

基于creal第三方库，对pipeline中的推理结果进行序列化输出。 序列化格式支持json和xml，输出位置支持Console、File、Socket（UDP）以及Kafka。

针对普通检测目标，序列化属性包括：

1 通道号channel_index
2 帧序列号frame_index
3 原始帧宽度width
4 原始帧高度height
5 原始帧fps
6 目标集合 [
7 目标一级推理检测ID primary_class_id
8 目标一级推理标签 primary_label
9 目标一级推理置信度 primary_score
10 目标位置x
11 目标位置y
12 目标宽度width
13 目标高度height
14 目标二级推理分类ID集合 secondary_class_ids
15 目标二级推理分类标签集合 secondary_labels
16 目标二级推理分类置信度集合 secondary_scores
17 目标包含子目标 sub_targets集合 [
18 子目标位置x
19 子目标位置y
20 子目标宽度width
21 子目标高度height
22 子目标检测ID class_id
23 子目标检测标签 label
24 子目标检测置信度 score
25 子目标附加数据 attachments
26 ]
27 目标特征 embeddings
28 目标跟踪ID track_id
29 ]

适配jetson嵌入式设备（或其他arm64平台）

代码在jetson tx2上调通运行，推理后端支持opencv::dnn 和 tenssorrt（其他硬件平台使用对应的推理SDK），下面是代码运行在jetson tx2上的效果：

新增15个sample说明

1-1-1_sample ↓

1个视频源输入，1种推理任务，1个输出。

**1-1-N_sample *↓***

1个视频源输入，1种推理任务，2个输出。

**1-N-N_sample *↓***

1个视频源输入，然后拆分成2个分支、2种推理任务，最后各自1个输出。

**N-1-N_sample *↓***

2个视频源输入，然后合并成1个分支、1种推理任务，最后拆开各自有多个输出。

**N_N_sample *↓***

各个pipeline独立运行互不干扰，每个pipe都是1-1-1结构（也可以是其他结构）。

**paddle_infer_sample *↓***

基于paddle推理后端的ocr文字识别。

**trt_infer_sample *↓***

基于tenssorrt推理后端的车辆检测。

**src_des_sample *↓***

演示SRC节点和DES节点如何工作，3种SRC节点（FILE，RTSP，UDP）和3种DES节点（SCREEN，RTMP，FAKE）。

**face_tracking_sample *↓***

演示基于vp_tracker_node的人脸跟踪。

**vehicle_tracking_sample *↓***

演示基于vp_tracker_node的车辆跟踪。

**message_broker_sample *↓***

演示推理结果序列化（xml->socket）

**message_broker_sample2 *↓***

演示推理结果序列化（json->console）

**interaction_with_pipe_sample *↓***

演示如何控制pipelien，比如开始、暂停某个通道。

**record_sample *↓***

演示录像功能。

**vp_logger_sample *↓***

演示日志接口使用。