GstAppSrc简介

1、应用程序可以通过appsrc元件向管道中插入数据。appsrc有别于其他GStreamer元件,它提供额外的API函数。通过链接libgstapp库来使用appsrc,直接调用其方法或者使用appsrc的响应信号。

2、在操作appsrc前,caps属性必须被设定为一个固定的caps,以描述被推进appsrc数据的格式。当推送缓存搭到一个未知的caps即caps没有被设置,这时会发生一个异常。当使用类似文件一样的源时,推送其原始数据到appsrc将会典型地发生这种情况。如果你不想准确地设定caps,你可以使用gst_app_src_push_sample函数,该函数获取与采样数据关联的caps,且该caps取代appsrc上先前已设定的caps(如果你设定的caps不同于原来采样的caps)。

3、主要的操作数据到appsrc元件中的方式是调用gst_app_src_push_buffer方法,或者是发送push-buffer响应信号,该操作将缓存放进了一个队列,appsrc将在它的流线程中读取该队列中的数据。值得注意的是数据传输过程不是在执行push-buffer操作的线程。

4、max-bytes属性控制了在被appsrc认为队列满之前有多少数据可以被放进appsrc里的队列中。内部队列满时将发出“enough-data”信号,该信号通知应用程序应该停止向appsrc中推送数据了。block属性将是appsrc阻塞push-buffer方法直到可以推进去数据。当内部队列没有可用的数据,“need-data”信号将被发送,该信号将通知应用程序应该推送更多的数据到appsrc中。

5、在“need-data”和“enough-data”之外,当stream-mode属性设置为seekable或者random-access时,appsrc能够发送“seek-data”信号。该信号的参数包含了新的希望在stream中设定的位置,且该参数以format属性为单位。在接收到seek-data信号后,应用程序应该从新的位置开始推送数据。这些信号(need-data,enought-data,和seek-data)允许应用程序以两种不同的方式操作appsrc。

6、推模式,应用程序重复的调用push-buffer/push-sample函数(来向appsrc中)推送一个新的buffer/sample。appsrc中队列里缓存的数量能够被控制,通过enough-data、need-data信号相应的停止或者开始调用push-buffer/push-sample。在stream-type属性为stream和seekable时,这是一种典型的模式。处理各种网络协议或者硬件设备(打交道)时使用这种模式。

7、拉模式,该模式下,need-data信号触发下一次push-buffer函数调用。该模式在random-access流类型下被典型使用。对于文件操作或者其他的可随机操作源使用这种模式,在这种模式下,由need-data信号确定字节数的缓存应该被推进appsrc中。

8、在所有模式下,appsrc的size属性都将以字节数表示包含的总的流数量。在random-access模式下务必要设置该属性,对于stream好seekable模式,该属性是可选但被推荐设置的。

9、当应用程序完成推送数据到appsrc,其应该调用gst_app_src_end_of_stream函数,或者发送end-of-stream响应信号。在调用该函数后,不应该再由缓存被推送到appsrc,直到立即定位发生或者是appsrc切换到了REAY状态。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 以下是使用DeepStream进行推流的Python示例代码: ```python import gi gi.require_version('Gst', '1.0') from gi.repository import GObject, Gst GObject.threads_init() Gst.init(None) pipeline = Gst.parse_launch("deepstream-app -c /path/to/config/file") # 获取nvstreammux元素 streammux = pipeline.get_by_name("streammux") # 创建一个GstAppSink元素 appsink = Gst.ElementFactory.make("appsink", "output") # 设置AppSink属性 appsink.set_property("emit-signals", True) appsink.set_property("sync", False) # 将AppSink添加到管道中 pipeline.add(appsink) # 将nvstreammux元素的src pad连接到appsink元素的sink pad streammux.link(appsink) # 启动管道 pipeline.set_state(Gst.State.PLAYING) # 等待EOS信号 bus = pipeline.get_bus() msg = bus.timed_pop_filtered(Gst.CLOCK_TIME_NONE, Gst.MessageType.EOS | Gst.MessageType.ERROR) # 停止管道 pipeline.set_state(Gst.State.NULL) ``` 在上述示例中,我们使用`Gst.parse_launch()`函数创建了一个GStreamer管道,其中包含DeepStream应用程序。我们获取`nvstreammux`元素,并创建一个`GstAppSink`元素作为输出。然后,我们将`AppSink`元素添加到管道中,并使用`link()`函数将`nvstreammux`元素的源pad连接到`AppSink`元素的sink pad。 最后,我们启动管道并等待管道发送EOS(end of stream)或错误消息。一旦收到这些消息,我们将停止管道并释放资源。 ### 回答2: DeepStream是一个用于实时视频分析和处理的开源平台。推流是将实时视频流传送到远程服务器或网络上,以供其他用户或设备观看和处理。 DeepStream提供了一个强大的C++ API,可以用来开发推流代码。下面是一个简单的DeepStream推流代码示例: ```cpp #include <iostream> #include <cstring> #include <unistd.h> #include <gst/gst.h> #include <gst/app/gstappsrc.h> // 回调函数,用于向appsrc推送视频数据 static void pushData(GstAppSrc *src, guint size, gpointer user_data) { static guint8 *data = new guint8[size]; GstBuffer *buffer; // 读取数据到缓冲区 // 这里假设视频数据保存在data变量中 memcpy(data, getVideoData(), size); // 创建GstBuffer对象 buffer = gst_buffer_new_wrapped_full(GST_MEMORY_FLAG_READONLY, data, size, 0, size, data, deleteData); // 发送缓冲区到appsrc gst_app_src_push_buffer(src, buffer); } int main(int argc, char *argv[]) { gst_init(&argc, &argv); // 创建GstPipeline对象 GstElement *pipeline = gst_pipeline_new("streaming-pipeline"); // 创建GstAppSrc对象 GstElement *appsrc = gst_element_factory_make("appsrc", "source"); // 设置appsrc属性 g_object_set(G_OBJECT(appsrc), "caps", gst_caps_new_simple("video/x-raw", "format", G_TYPE_STRING, "RGB", "width", G_TYPE_INT, 640, "height", G_TYPE_INT, 480, NULL), NULL); // 设置appsrc的push-data回调函数 g_signal_connect(appsrc, "need-data", G_CALLBACK(pushData), NULL); // 创建GstVideoConvert对象 GstElement *videoconvert = gst_element_factory_make("videoconvert", "videoconvert"); // 创建GstX264Enc对象 GstElement *x264enc = gst_element_factory_make("x264enc", "x264enc"); // 创建GstRtspSink对象 GstElement *rtspsink = gst_element_factory_make("rtspsink", "rtsp-sink"); // 设置rtsp服务器地址 g_object_set(G_OBJECT(rtspsink), "location", "rtsp://<server_ip>:<port>/<stream_name>", NULL); // 将所有元素添加到pipeline gst_bin_add_many(GST_BIN(pipeline), appsrc, videoconvert, x264enc, rtspsink, NULL); // 连接元素 gst_element_link_many(appsrc, videoconvert, x264enc, rtspsink, NULL); // 启动pipeline gst_element_set_state(pipeline, GST_STATE_PLAYING); // 主循环 GstBus *bus = gst_element_get_bus(pipeline); gst_bus_timed_pop_filtered(bus, GST_CLOCK_TIME_NONE, (GstMessageType) (GST_MESSAGE_STATE_CHANGED | GST_MESSAGE_ERROR | GST_MESSAGE_EOS)); // 停止和清理 gst_element_set_state(pipeline, GST_STATE_NULL); gst_object_unref(bus); gst_object_unref(pipeline); return 0; } ``` 以上代码演示了一个基本的DeepStream推流流程。其中,`pushData`函数作为回调函数被设置到appsrc的"need-data"信号上,用于向appsrc推送视频数据。`GstPipeline`对象和各个GStreamer元素如`GstAppSrc`、`GstVideoConvert`、`GstX264Enc`和`GstRtspSink`等用于构建整个流水线。最后,将流水线状态设置为播放状态,启动视频推流。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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