Ionic/Wex5+大华摄像头+cordova封装 实现对接视频在线监控

本文介绍了如何对接大华摄像头,通过精简AS源码,封装为Cordova插件,实现Ionic/Wex5中一句代码即播的视频监控功能。集成过程涉及资源文件处理、依赖引入、异常调试,以及在不同机型上的适配。通过navigator['videoManager'].setPlayMode方法设置播放参数,进行视频流媒体的调用。
摘要由CSDN通过智能技术生成

前面写过对接海康视频封装cordova插件实现js一句代码全屏监控视频功能,今天来写写对接大华摄像头的,海康安卓版视频监控最初版用的eclipse开发的,后期改为as但是差别不大,改改eclipse版本的接口参数还是可以正常使用,大华的视频监控源码用的as开发的,相对来说难了不少,对比eclipse版本多了很多资源文件及arr依赖包,下面就具体来说说。

思路很清晰:

1.精简大华as版源码,固定参数,实现正常视频监控(能删的就删,不能删的想办法删)

2.将简化后的代码封装成cordova插件,用wex5或者ionic实现一句代码播放

3.集成到正式项目中,调试多种机型(CPU架构不同可能导致部分机型无法正常播放)

由于大华是自定义布局实现播放的,所以这次集成会有资源文件 对于类似的R文件的引用setContentView(R.layout.activity_play_online);都用下面这样的方式替换,集成后就不需要R文件了,省了好多异常
        setContentView(getResources().getIdentifier("activity_play_online", "layout", this.getPackageName()));

对于依赖文件的集成可参考如下方式:

和代码同级目录建一个xx.gradle文件,里面放原项目的所有依赖

插件引入项目后会自动引入如下所示:

在build.gradle中会引入生成的 项目名-xx.gradle

资源文件的引入和代码及so包引入一样,源资源在啥目录生成时就在啥目录,要不找不到,见下图,我有个图片是放在res/mipmap下的而其他的是放在res/drawable下的,可参考下图:

plugin.xml具体怎么配置可参考我其他的两篇博客,wex5+海康摄像头 cordova插件流媒体封装来实现

 

在ionic或wex5中调用navigator["videoManager"].setPlayMode('ip', '端口', '用户名', '密码','视频通道号',2, this.success, this.fail);

即可,参数中的2表示辅码流,1表示主码流,success 和fail表示回调成功或者失败执行的方法

navigator["videoManager"].是在plugin.xml中定义好的

 

下面在看下setPlayMode方法

修改下www/js文件:方法名我也懒得改了,修改下参数即可,传递几个参数加几个,参数和页面调用的参数对应起来即可

然后在看下exec方法执行的代码,接受参数并传递到原生播放的页面即可

原生页面接受这些参数,自动登录播放即可,所有这些步骤第一步最关键,精简代码可固定播放参数,方便集成,集成后打包过程可能报各种异常,可用android stdio加载项目,根据异常解决,基本通过修改build.gradle就能解决,大多是兼容性问题

本地other.grade引入项目可以参考拍照功能的引入方式

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
### 支持向量机非线性回归通用MATLAB程序解析 #### 一、概述 本文将详细介绍一个基于MATLAB的支持向量机(SVM)非线性回归的通用程序。该程序采用支持向量机方法来实现数据的非线性回归,并通过不同的核函数设置来适应不同类型的数据分布。此外,该程序还提供了数据预处理的方法,使得用户能够更加方便地应用此程序解决实际问题。 #### 二、核心功能与原理 ##### 1. 支持向量机(SVM) 支持向量机是一种监督学习模型,主要用于分类和回归分析。对于非线性回归任务,SVM通过引入核技巧(kernel trick)将原始低维空间中的非线性问题转换为高维空间中的线性问题,从而实现有效的非线性建模。 ##### 2. 核函数 核函数的选择直接影响到模型的性能。本程序内置了三种常用的核函数: - **线性核函数**:`K(x, y) = x'y` - **多项式核函数**:`K(x, y) = (x'y + 1)^d` - **径向基函数(RBF)**:`K(x, y) = exp(-γ|x - y|^2)` 其中RBF核函数被广泛应用于非线性问题中,因为它可以处理非常复杂的非线性关系。本程序默认使用的是RBF核函数,参数`D`用于控制高斯核函数的宽度。 ##### 3. 数据预处理 虽然程序本身没有直接涉及数据预处理的过程,但在实际应用中,对数据进行适当的预处理是非常重要的。常见的预处理步骤包括归一化、缺失值处理等。 ##### 4. 模型参数 - **Epsilon**: ε-insensitive loss function的ε值,控制回归带宽。 - **C**: 松弛变量的惩罚系数,控制模型复杂度与过拟合的风险之间的平衡。 #### 三、程序实现细节 ##### 1. 函数输入与输出 - **输入**: - `X`: 输入特征矩阵,维度为(n, l),其中n是特征数量,l是样本数量。 - `Y`: 目标值向量,长度为l。 - `Epsilon`: 回归带宽。 - `C`: 松弛变量的惩罚系数。 - `D`: RBF核函数的参数。 - **输出**: - `Alpha1`: 正的拉格朗日乘子向量。 - `Alpha2`: 负的拉格朗日乘子向量。 - `Alpha`: 拉格朗日乘子向量。 - `Flag`: 标记向量,表示每个样本的类型。 - `B`: 偏置项。 ##### 2. 核心代码解析 程序首先计算所有样本间的核矩阵`K`,然后构建二次规划问题并求解得到拉格朗日乘子向量。根据拉格朗日乘子的值确定支持向量,并计算偏置项`B`。 - **核矩阵计算**:采用RBF核函数,通过`exp(-(sum((xi-xj).^2)/D))`计算任意两个样本之间的相似度。 - **二次规划**:构建目标函数和约束条件,使用`quadprog`函数求解最小化问题。 - **支持向量识别**:根据拉格朗日乘子的大小判断每个样本是否为支持向量,并据此计算偏置项`B`。 #### 四、程序扩展与优化 - **多核函数支持**:可以通过增加更多的核函数选项,提高程序的灵活性。 - **自动调参**:实现参数自动选择的功能,例如通过交叉验证选择最优的`Epsilon`和`C`值。 - **并行计算**:利用MATLAB的并行计算工具箱加速计算过程,特别是当样本量很大时。 #### 五、应用场景 该程序适用于需要进行非线性回归预测的场景,如经济预测、天气预报等领域。通过调整核函数和参数,可以有效应对各种类型的非线性问题。 ### 总结 本程序提供了一个支持向量机非线性回归的完整实现框架,通过灵活的核函数设置和参数调整,能够有效地处理非线性问题。对于需要进行回归预测的应用场景,这是一个非常实用且强大的工具。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

博主逸尘

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值