CN109922319B - 基于多核cpu的rtsp协议多视频流并行预处理方法 - Google Patents
基于多核cpu的rtsp协议多视频流并行预处理方法 Download PDFInfo
- Publication number
- CN109922319B CN109922319B CN201910234515.0A CN201910234515A CN109922319B CN 109922319 B CN109922319 B CN 109922319B CN 201910234515 A CN201910234515 A CN 201910234515A CN 109922319 B CN109922319 B CN 109922319B
- Authority
- CN
- China
- Prior art keywords
- video
- image
- processing
- sub
- processing core
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于多核CPU的RTSP协议多视频流并行预处理方法，使用多个进程来进行视频等待和处理，再通过调度队列和主控进程来进行画面填充和拼接，并将拼接后的完整帧放入到GPU处理队列中统一处理。有益效果：先用多进程处理来输入和等待RTSP视频流，而不是传统的多线程；将多进程画面进行图像组合，形成一个完整的预处理图像，即完成的合成图composeImage；最后交由GPU来一次处理表面上的一张图像，而事实上的多张图像，最终实现了一次处理多张图像的问题，起到合理分配运算资源，并适当缩短视频处理等待时间的目的。
Description
技术领域
本发明涉及视频预处理方法技术领域，具体涉及一种基于多核CPU的RTSP协议多视频流并行预处理方法。
背景技术
近年来，以深度学习的人工智能服务器成为了云到端服务的支柱。然而，由于深度学习的巨量运算需要强大而昂贵的GPU计算支撑。使得人工智能的普及变得代价高昂。通常情况下，一张GPU卡上只能跑一个网络，甚至于多个GPU卡一起跑一个网络，而且这些网络通常还是单一功能的神经计算网络，这使得遍布生活中的摄像头面临着排队等着被计算且遥遥无期的局面。
现有摄像头一般分布于生活中的各个节点上，通过网络将它们连接在一起，一般可以通过RTSP流进行近实时的访问。但访问它们的过程是一个等待的过程，在IO过程中CPU基本上处于空等待的场面。究其原因在于：由于现有RTSP视频流多使用H.264编码，其的I/B/P帧是连续的。如果执行其它的耗时CPU操作，那可能会引起I帧丢失，造成马赛克、花屏乃至基本视频崩溃的场面，所以CPU必须等待而不能进行耗时过大的操作。而一旦我们拿到多个完整的视频画面，又面临只有一个GPU来执行的问题。
现有技术的缺陷：GPU同一时刻只能处理一张图像速度很慢，CPU等待GPU处理完才能工作，浪费计算资源。
发明内容
针对上述问题，本发明提供了一种基于多核CPU的RTSP协议多视频流并行预处理方法，使用多个进程来进行视频等待和处理，再通过调度队列和主控进程来进行画面填充和拼接，并将拼接后的完整帧放入到GPU处理队列中统一处理(如人流识别、人脸识别等)，从而最终实现了在一路GPU上同时处理多个RTSP流视频的目的。
其技术方案如下：
一种基于多核CPU的RTSP协议多视频流并行预处理方法，包括如下步骤：
S1，CPU的其中一个核作为主进程处理核，对主进程初始化，开始接收输入的n个RTSP视频流，其中，n＝m×m，m为正整数，且n≤CPU核数-1；
S2，所述主进程处理核建立视频共享管道videoPip，该视频共享管道videoPip中设有合成图composeImage框架；
令写入视频管道信号pipWriteable＝true，共享变量计数器numCounter＝0；
pipWriteable设为2种格式：true和false，其中pipWriteable＝true表示此时可以写入内容到videoPip中，pipWriteable＝false则表示此时不能写入；
S3，所述主进程处理核将n个RTSP视频流分别送至n个子进程处理核，所述子进程处理核为CPU中除主进程处理核之外的核，分配的时长一般在2秒内，主进程处理核最多等待2秒即可进行下一步运算；
S4，每个子进程处理核并行执行数据帧处理子进程，所述数据帧处理子进程用于得到各RTSP视频流的数据帧数据，并将所述数据帧数据依次写入合成图composeImage框架，形成完成的合成图composeImage；
S5，所述主进程处理核读取所述视频共享管道videoPip中最近一个完成的合成图composeImage，并将该完成的合成图composeImage压缩后送入GPU，GPU再进入正常的图像处理；
图像压缩通常根据识别模块的要求，如YOLO/SSD算法来进行解码后压缩处理；
S6，所述主进程处理核识别是否退出，是，直接退出流程，否，返回步骤S5。
通过上述设计，并串合一处理视频流：先用多进程处理来输入和等待RTSP视频流，而不是传统的多线程；将多进程画面进行图像组合，形成一个完整的预处理图像，即完成的合成图composeImage；最后交由GPU来一次处理表面上的一张图像，而事实上的多张图像，最终实现了一次处理多张图像的问题，起到合理分配运算资源，并适当缩短视频处理等待时间的目的。
进一步描述，步骤S4中所述数据帧处理子进程包括如下子步骤：
S4.1，所述子进程处理核对RTSP视频流初始化，通常包括对用户名、密码、IP地址等变量的初始化和对解码模块的初始化；
令允许加标志addable＝true；
S4.2，所述子进程处理核查看接收的RTSP视频流中当前画面是否完整；
是，进入步骤S4.3；
否，暂停此数据帧处理子进程，直到当前画面传输完毕再进入步骤S4.3；
S4.3，所述子进程处理核对所述当前画面进行裁剪，得到裁剪图像；
S4.4，所述子进程处理核将所述裁剪图像进行边缘填充，得到边缘填充图像；边缘填充的目的时在多图像拼接过程中自动区分开每个图像，分清各个RTSP视频流的来源；
S4.5，所述子进程处理核查看所述写入视频管道信号pipWriteable是否为true；
是，进入步骤S4.6；
否，暂停此数据帧处理子进程，直到所述写入视频管道信号pipWriteable＝true，再进入步骤S4.6；
S4.6，所述子进程处理核令所述写入视频管道信号pipWriteable＝false，并将步骤S4.4得到的所述边缘填充图像写入合成图composeImage框架的指定位置，所述指定位置是指与所述合成图composeImage框架中位置编号相对应的子进程处理核编号；
例如，编号规则均为0、1、2、……、n，主进程处理核编号为0，第一个子进程处理核编号为1，其处理的图像写入合成图composeImage框架中位置编号为0的位置，第二个子进程处理核编号为2，其处理的图像写入合成图composeImage框架中位置编号为1的位置，以此类推；
S4.7，所述子进程处理核查看允许加标志addable是否为true；
是，令共享变量计数器numCounter＝numCounter+1，允许加标志addable＝false，进入步骤S4.8；
否，直接进入步骤S4.8；
S4.8，所述子进程处理核查看所述共享变量计数器numCounter是否大于等于n-1；
是，令共享变量计数器numCounter＝0，所述合成图composeImage框架即为完成的合成图composeImage；
令允许加标志addable＝true，进入步骤S4.9；
否，直接进入步骤S4.9；
步骤S4.7与S4.8的设计是因为多个核在同时处理不同的视频流，其快慢不等，若其中一个处理速度较慢，无法在其他核处理完下一画面前填入合成图，其他核会继续处理后续的画面，但为了避免影响识别合成图是否完整，就通过计数器的数识别，每个子进程在每轮合成图拼接过程中只有第一次写入会计数器加一，允许加标志变为false，之后的画面处理会继续，但计数器不再加一，只有当所有子进程都经过一次加一后才会重置计数器，允许加标志变会true，此时能够判别合成图composeImage框架为完成的合成图；
S4.9，所述子进程处理核令所述写入视频管道信号pipWriteable＝true；
S4.10，所述子进程处理核识别是否终止；
是，终止本数据帧处理子进程；
否，返回步骤S4.2。
通过上述设计，子进程处理核以数据帧处理子进程作为生产者，主要工作是等待RTSP视频流和基础处理。一共有m×m个,每个都对图像先裁剪，再边缘填充，这样保证了组合图像能被快速分割开来。若干个核同时处理小图像，然后合成大图像，则GPU能处理的图像数量由1变为m×m，大大提高了处理效率。
更进一步设计，步骤S4.3中裁剪方法为以当前画面的短边为尺寸进行居中裁剪，形成正方形的裁剪图像，例如1280×720分辨率的画面裁剪为720×720的画面，这是因为现有的大多深度学习图像算法都需要输入是正方形的，所以将子画面裁剪为正方形后，再将这些子画面按m×m的阵列排布就能形成正方形的大画面，便于深度学习图像算法处理。
更进一步设计，步骤S4.4中边缘填充方法为对裁剪图像每边均填充四个像素宽的黑色，黑色不会干扰后续GPU对图像的处理。
更进一步设计，步骤S4中每生成一次完成的合成图composeImage到所述视频共享管道videoPip，视为一次生产，步骤S5每读取一次完成的合成图composeImage则视为一次消费；
步骤S5还包括如下内容：
当消费跟不上生产时，即子进程处理核合成图的速度比主进程处理核读取的速度更快，所述主进程处理核从所述视频共享管道videoPip中删除所有过期的完成的合成图composeImage；
过期的定义为：videoPip每经过一次读取后，两次读取间隔的所有composeImage就过期了；
当消费超过生产时，即主进程处理核读取的速度比子进程处理核合成图的速度更快，所述主进程处理核重复提取所述视频共享管道videoPip中最近一个完成的合成图composeImage，无需解码直接输出至GPU。
主进程作为消费者，它只负责生成子进程和使用GPU对组合图像进行消费；如果GPU消费比生产者慢，则只消费最新的图像，抛弃旧有的图像；否则直接输出上一次的结果。
更进一步设计，步骤S5将完成的合成图composeImage送入GPU后由GPU对图像进行处理，GPU处理完成后，所述CPU根据图像的填充边缘切分为n张子图像，用于分别显示，因为最后显示画面仍由n个显示器显示。
与现有技术相比，本发明的有益效果：
特征一、主进程作为消费者，它只负责生成子进程和使用GPU对组合图像进行消费；如果GPU消费比生产者慢，则只消费最新的图像，抛弃旧有的图像；否则直接输出上一次的结果；
特征二、主进程生成的生产者为m×m个。这样可以保证生成的组合图像是方形的；消费者和生产者不在同一核上，从而保证了生产者的数据不会丢失和崩溃；
特征三、子进程作为生产者主要工作是等待RTSP视频流和基础处理。一共有m×m个(记为n个),每个都对图像先裁剪，再填充，这样保证了组合图像能被分割开来，以便被还原；
特征四、多个图像合成一张大图，使用GPU一次处理,最终实现了一次处理多张图像的问题；这点在云端人工智能服务上的处理上大大的节约了GPU,也最大限制的使用了GPU，这显得非常重要。
附图说明
图1为主进程的示意图；
图2为子进程的示意图。
具体实施方式
以下结合实施例和附图对本发明作进一步说明。
一种基于多核CPU的RTSP协议多视频流并行预处理方法，其中6核CPU的其中一个核作为主进程处理核，令有4个核作为子进程处理核，包括如下步骤：
S1，主进程处理核对主进程初始化，开始接收输入的4个RTSP视频流；
S2，所述主进程处理核建立视频共享管道videoPip，该视频共享管道videoPip中设有合成图composeImage框架；
令写入视频管道信号pipWriteable＝true，共享变量计数器numCounter＝0；
S3，所述主进程处理核将4个RTSP视频流分别送至4个子进程处理核；
S4，每个子进程处理核并行执行数据帧处理子进程：
S4.1，所述子进程处理核对RTSP视频流初始化，令允许加标志addable＝true；
S4.2，所述子进程处理核查看接收的RTSP视频流中当前画面是否完整；
是，进入步骤S4.3；
否，暂停此数据帧处理子进程，直到当前画面传输完毕再进入步骤S4.3；
S4.3，所述子进程处理核对所述当前画面以其短边为尺寸进行居中裁剪，得到正方形的裁剪图像；
S4.4，所述子进程处理核将所述裁剪图像进行边缘填充，对裁剪图像每边均填充四个像素宽的黑色，得到边缘填充图像；
S4.5，所述子进程处理核查看所述写入视频管道信号pipWriteable是否为true；
是，进入步骤S4.6；
否，暂停此数据帧处理子进程，直到所述写入视频管道信号pipWriteable＝true，再进入步骤S4.6；
S4.6，所述子进程处理核令所述写入视频管道信号pipWriteable＝false，并将步骤S4.4得到的所述边缘填充图像写入合成图composeImage框架的指定位置，所述指定位置是指与所述合成图composeImage框架中位置编号相对应的子进程处理核编号；
S4.7，所述子进程处理核查看允许加标志addable是否为true；
是，令共享变量计数器numCounter＝numCounter+1，允许加标志addable＝false，进入步骤S4.8；
否，直接进入步骤S4.8；
S4.8，所述子进程处理核查看所述共享变量计数器numCounter是否大于等于n-1；
是，令共享变量计数器numCounter＝0，所述合成图composeImage框架即为完成的合成图composeImage；
令允许加标志addable＝true，进入步骤S4.9；
否，直接进入步骤S4.9；
S4.9，所述子进程处理核令所述写入视频管道信号pipWriteable＝true；
S4.10，所述子进程处理核识别是否终止；
是，终止本数据帧处理子进程；
否，返回步骤S4.2。
S5，所述主进程处理核读取所述视频共享管道videoPip中最近一个完成的合成图composeImage，并将该完成的合成图composeImage压缩后送入GPU；
每生成一次完成的合成图composeImage到所述视频共享管道videoPip，视为一次生产，步骤S5每读取一次完成的合成图composeImage则视为一次消费；
步骤S5还包括如下内容：
当消费跟不上生产时，所述主进程处理核从所述视频共享管道videoPip中删除所有过期的完成的合成图composeImage；
当消费超过生产时，所述主进程处理核重复提取所述视频共享管道videoPip中最近一个完成的合成图composeImage，无需解码直接输出至GPU。
S6，所述主进程处理核识别是否退出，是，直接退出流程，否，返回步骤S5。
步骤S5将完成的合成图composeImage送入GPU后由GPU对图像进行处理，GPU处理完成后，所述CPU根据图像的填充边缘切分为n张子图像，用于分别显示。
最后需要说明的是，上述描述仅仅为本发明的优选实施例，本领域的普通技术人员在本发明的启示下，在不违背本发明宗旨及权利要求的前提下，可以做出多种类似的表示，这样的变换均落入本发明的保护范围之内。
Claims (5)
1.一种基于多核CPU的RTSP协议多视频流并行预处理方法，其特征在于包括如下步骤：
S1，CPU的其中一个核作为主进程处理核，对主进程初始化，开始接收输入的n个RTSP视频流，其中，n＝m×m，m为正整数，且n≤CPU核数-1；
S2，所述主进程处理核建立视频共享管道videoPip，该视频共享管道videoPip中设有合成图composeImage框架；
令写入视频管道信号pipWriteable＝true，共享变量计数器numCounter＝0；
S3，所述主进程处理核将n个RTSP视频流分别送至n个子进程处理核，所述子进程处理核为CPU中除主进程处理核之外的核；
S4，每个子进程处理核并行执行数据帧处理子进程，所述数据帧处理子进程用于得到各RTSP视频流的数据帧数据，并将所述数据帧数据依次写入合成图composeImage框架，形成完成的合成图composeImage；
其中，所述数据帧处理子进程包括：所述子进程处理核对当前画面进行裁剪，得到裁剪图像，裁剪方法为以当前画面的短边为尺寸进行裁剪，形成正方形的裁剪图像；
S5，所述主进程处理核读取所述视频共享管道videoPip中最近一个完成的合成图composeImage，并将该完成的合成图composeImage压缩后送入GPU；
将完成的合成图composeImage送入GPU后由GPU对图像进行处理，GPU处理完成后，所述CPU根据图像的填充边缘切分为n张子图像，用于分别显示；
S6，所述主进程处理核识别是否退出，是，直接退出流程，否，返回步骤S5。
2.根据权利要求1所述基于多核CPU的RTSP协议多视频流并行预处理方法，其特征在于：步骤S4中所述数据帧处理子进程包括如下子步骤：
S4.1，所述子进程处理核对RTSP视频流初始化，令允许加标志addable＝true；
S4.2，所述子进程处理核查看接收的RTSP视频流中当前画面是否完整；
是，进入步骤S4.3；
否，暂停此数据帧处理子进程，直到当前画面传输完毕再进入步骤S4.3；
S4.3，所述子进程处理核对所述当前画面进行裁剪，得到裁剪图像；
S4.4，所述子进程处理核将所述裁剪图像进行边缘填充，得到边缘填充图像；
S4.5，所述子进程处理核查看所述写入视频管道信号pipWriteable是否为true；
是，进入步骤S4.6；
否，暂停此数据帧处理子进程，直到所述写入视频管道信号pipWriteable＝true，再进入步骤S4.6；
S4.6，所述子进程处理核令所述写入视频管道信号pipWriteable＝false，并将步骤S4.4得到的所述边缘填充图像写入合成图composeImage框架的指定位置，所述指定位置是指与所述合成图composeImage框架中位置编号相对应的子进程处理核编号；
S4.7，所述子进程处理核查看允许加标志addable是否为true；
是，令共享变量计数器numCounter＝numCounter+1，允许加标志addable＝false，进入步骤S4.8；
否，直接进入步骤S4.8；
S4.8，所述子进程处理核查看所述共享变量计数器numCounter是否大于等于n-1；
是，令共享变量计数器numCounter＝0，所述合成图composeImage框架即为完成的合成图composeImage；
令允许加标志addable＝true，进入步骤S4.9；
否，直接进入步骤S4.9；
S4.9，所述子进程处理核令所述写入视频管道信号pipWriteable＝true；
S4.10，所述子进程处理核识别是否终止；
是，终止本数据帧处理子进程；
否，返回步骤S4.2。
3.根据权利要求2所述基于多核CPU的RTSP协议多视频流并行预处理方法，其特征在于：步骤S4.3中裁剪方法为以当前画面的短边为尺寸进行居中裁剪，形成正方形的裁剪图像。
4.根据权利要求2所述基于多核CPU的RTSP协议多视频流并行预处理方法，其特征在于：步骤S4.4中边缘填充方法为对裁剪图像每边均填充四个像素宽的黑色。
5.根据权利要求1所述基于多核CPU的RTSP协议多视频流并行预处理方法，其特征在于：步骤S4中每生成一次完成的合成图composeImage到所述视频共享管道videoPip，视为一次生产，步骤S5每读取一次完成的合成图composeImage则视为一次消费；
步骤S5还包括如下内容：
当消费跟不上生产时，所述主进程处理核从所述视频共享管道videoPip中删除所有过期的完成的合成图composeImage；
当消费超过生产时，所述主进程处理核重复提取所述视频共享管道videoPip中最近一个完成的合成图composeImage，无需解码直接输出至GPU。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910234515.0A CN109922319B (zh) | 2019-03-26 | 2019-03-26 | 基于多核cpu的rtsp协议多视频流并行预处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910234515.0A CN109922319B (zh) | 2019-03-26 | 2019-03-26 | 基于多核cpu的rtsp协议多视频流并行预处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109922319A CN109922319A (zh) | 2019-06-21 |
| CN109922319B true CN109922319B (zh) | 2020-10-09 |
Family
ID=66966785
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910234515.0A Active CN109922319B (zh) | 2019-03-26 | 2019-03-26 | 基于多核cpu的rtsp协议多视频流并行预处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109922319B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110287032B (zh) * | 2019-07-02 | 2022-09-20 | 南京理工大学 | 一种YoloV3-Tiny在多核片上系统的功耗优化调度方法 |
| CN112989875B (zh) * | 2019-12-13 | 2023-04-18 | 海信集团有限公司 | 人脸识别方法、装置及存储介质 |
| CN111124685A (zh) * | 2019-12-26 | 2020-05-08 | 神州数码医疗科技股份有限公司 | 大数据处理方法、装置、电子设备和存储介质 |
| CN114391260B (zh) * | 2019-12-30 | 2024-08-13 | 深圳市欢太科技有限公司 | 文字识别方法、装置、存储介质及电子设备 |
| CN115393781A (zh) * | 2021-05-08 | 2022-11-25 | 华为技术有限公司 | 视频监控数据的处理方法及装置 |
| CN113343836A (zh) * | 2021-06-02 | 2021-09-03 | 禾麦科技开发（深圳）有限公司 | 一种基于卷积神经网络的楼层电梯等候人群检测系统及方法 |
| CN114339271A (zh) * | 2021-12-06 | 2022-04-12 | 杭州当虹科技股份有限公司 | 基于多机位的慢直播架构及方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107018363A (zh) * | 2017-03-30 | 2017-08-04 | 安徽森度科技有限公司 | 一种多通道图像采集处理系统 |
| CN109413392A (zh) * | 2018-11-23 | 2019-03-01 | 中国兵器装备集团自动化研究所 | 一种嵌入式多通道视频图像采集与并行处理的系统及方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4556146B2 (ja) * | 2008-04-11 | 2010-10-06 | ソニー株式会社 | 情報処理装置および方法、プログラム、並びに情報処理システム |
| CN101908035B (zh) * | 2010-07-30 | 2012-09-05 | 北京华傲精创科技开发有限公司 | 视频编解码方法、gpu及其与cpu的交互方法及系统 |
| CN103279445A (zh) * | 2012-09-26 | 2013-09-04 | 上海中科高等研究院 | 运算任务的计算方法及超算系统 |
| US8982137B2 (en) * | 2012-12-18 | 2015-03-17 | Google Technology Holdings LLC | Methods and systems for overriding graphics commands |
| US20160150164A1 (en) * | 2014-11-24 | 2016-05-26 | Freescale Semiconductor, Inc. | System controller, multi-camera view system and a method of processing images |
| CN106162674B (zh) * | 2015-03-24 | 2019-08-09 | 工业和信息化部电信研究院 | 一种系统性能测试方法和装置 |
| CN106162207B (zh) * | 2016-08-25 | 2019-02-12 | 北京字节跳动科技有限公司 | 一种全景视频并行编码方法和装置 |
| CN106878736A (zh) * | 2017-03-17 | 2017-06-20 | 郑州云海信息技术有限公司 | 一种视频编解码的方法与装置 |
| CN107197369B (zh) * | 2017-06-06 | 2020-01-14 | 清华大学 | 一种多子流协同的视频流媒体并行解码方法 |
-
2019
- 2019-03-26 CN CN201910234515.0A patent/CN109922319B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107018363A (zh) * | 2017-03-30 | 2017-08-04 | 安徽森度科技有限公司 | 一种多通道图像采集处理系统 |
| CN109413392A (zh) * | 2018-11-23 | 2019-03-01 | 中国兵器装备集团自动化研究所 | 一种嵌入式多通道视频图像采集与并行处理的系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109922319A (zh) | 2019-06-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109922319B (zh) | 基于多核cpu的rtsp协议多视频流并行预处理方法 | |
| US10110936B2 (en) | Web-based live broadcast | |
| CN109861948B (zh) | 虚拟现实数据处理方法、装置、存储介质和计算机设备 | |
| WO2021114708A1 (zh) | 多人视频直播业务实现方法、装置、计算机设备 | |
| WO2022048097A1 (zh) | 一种基于多显卡的单帧画面实时渲染方法 | |
| CN108235116B (zh) | 特征传播方法和装置、电子设备和介质 | |
| WO2019161814A2 (zh) | 一种全景成像系统及方法 | |
| WO2022257699A1 (zh) | 图像画面显示方法、装置、设备、存储介质及程序产品 | |
| CN104902193A (zh) | 一种基于fpga对图像数据进行分割处理和显示的方法 | |
| CN111818295B (zh) | 一种图像获取方法及装置 | |
| CN112262570B (zh) | 实时地自动修改高分辨率视频数据的方法和计算机系统 | |
| CN113727142A (zh) | 云渲染方法及装置、计算机可存储介质 | |
| WO2023066054A1 (zh) | 图像处理方法、云服务器、vr终端、存储介质 | |
| CN113034629A (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
| US20170221174A1 (en) | Gpu data sniffing and 3d streaming system and method | |
| CN113411660B (zh) | 视频数据的处理方法、装置和电子设备 | |
| CN113327303A (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
| US12112453B2 (en) | Image display control device, transmitting device, image display control method, and program for generating a substitute image | |
| CN110769241B (zh) | 视频帧处理方法、装置、用户端及存储介质 | |
| KR102417055B1 (ko) | 비디오 스트림의 후속 프로세싱을 위한 방법 및 디바이스 | |
| CN113127637A (zh) | 一种字符的还原方法及装置、存储介质、电子装置 | |
| KR20210052884A (ko) | 크로마키를 활용한 개인 맞춤형 영상 제작 시스템 및 방법 | |
| CN111246274A (zh) | 确定用于显示信息的数据的方法及显示信息的方法、装置 | |
| CN113259680A (zh) | 视频流解码方法、装置、计算机设备和存储介质 | |
| CN110969672A (zh) | 图像压缩方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |