尝试解决YOLOv5推理rtsp有延迟的一些方法

最新推荐文章于 2024-05-01 17:48:56 发布
最新推荐文章于 2024-05-01 17:48:56 发布
阅读量3.2k 收藏 23
点赞数 1
分类专栏： 计算机视觉 文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_44224801/article/details/125477829
版权

方法1

在这里插入图片描述

方法2

在这里插入图片描述

方法3

在这里，我想贡献一点。当我们在实时流上运行模型时，它需要一毫秒来执行，但大多数时候它会重复执行一些帧，因为我们由于fps而无法获取新帧。当新帧到达时，我们的模型正忙于执行旧帧，这会导致延迟。我在实时流上运行我的模型，它开始在数小时后产生显着的延迟。据我所知，它在4-5秒内给出了延迟。希望你喜欢这些变化
PR：修改参考

https://github.com/ultralytics/yolov5/issues/4465
一休哥※
关注
  • 1
    点赞
  • 踩
  • 23
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 4
    评论
专栏目录
opencv拉流yolov5-deepsort-rtmp ffmpeg推流 人车流统计计数
01-30
opencv拉流yolov5推理-deepsort追踪-rtmp ffmpeg推流 人车流统计计数
yolo-python-rtsp:通过实时流协议 (RTSP) 使用 Yolo、OpenCV 和 Python 的深度学习进行对象检测
05-29
通过实时流协议 (RTSP) 使用 Yolo、OpenCV 和 Python 进行对象检测 通过实时流协议 ( RTSP ) 使用 Yolo、OpenCV 和 Python 的深度学习进行对象检测 识别出的对象按日期存储在每个类的文件夹中，以供进一步培训或人脸识别。 OpenCV dnn模块支持在来自 Caffe、Torch 和 TensorFlow 等流行框架的预训练深度学习模型上运行推理。 在对象检测方面，流行的检测框架是 优洛 固态硬盘 更快的 R-CNN 最近在 OpenCV dnn 模块中添加了对运行 YOLO/DarkNet 的支持。 依赖关系 opencv 麻木 imageio-ffmpeg pip install numpy opencv-python imageio-ffmpeg 注意：不支持 Python 2.x YOLO（你只看一次） 从此下载预训练的
实时监控RTSP视频流并通过YOLOv5-seg进行智能分析处理
最新发布
qq_41808475的博客
05-01 316
脚本还包括后台处理、进程PID管理、文件系统事件监控以及资源清理功能，确保在接收到中断信号时能够妥善终止进程并清理文件，有效管理存储空间。在完成RTSP推流之后，尝试通过开发板接收的视频流数据进行目标检测，编写了一个shell脚本实现该功能，关于视频推流和rknn模型的部署请看之前的内容或者参考官方的文档。由于实例分割模型的FPS较低，所以有较高的延迟，后续可以使用目标检测模型进行测试，效果应该会更好。该脚本实现了一个自动化的视频监控流程，通过。
树莓派4B部署YOLOv5目标检测模型部署（包含加速方法以及模型训练方法总结）
weixin_47772846的博客
05-31 8267
树莓派4B部署YOLOv5目标检测模型 简介：
请帮我更改yolov5的detect.py函数，将其封装为能够对rtsp流进行检测，同时在模型检测到目标物体之后能够实时返回对应帧的图片以及指定几帧内的视频的函数...
weixin_42581003的博客
01-19 800
首先，您需要在 detect.py 中导入 cv2 库，用来读取和处理 RTSP 流。然后，您可以使用 cv2.VideoCapture() 函数打开 RTSP 流，并使用 while 循环不断读取帧。在每次循环中，您可以使用 YOLO 模型检测图像中的物体，并使用 cv2.imwrite() 函数将当前帧保存到硬盘上。如果检测到目标物体，您可以使用 cv2.imshow() 函数显示当前帧。还可...
使用YOLOv5实现多摄像头实时目标检测
Albert_yeager的博客
02-01 1万+
使用YOLOv5实现多摄像头实时目标检测，以及一些操作细节
【yolov5改编系列之四】多进程调用摄像头（也可以是视频流，如：rtsp://，http://）使两个检测文件同时运行，兵分两路
E_lsobj的博客
08-12 2925
基本原理：detect11.py和detect22.py两个文件是由一般的检测图片的文件改编的。使用方法：在官方yolov5-6.0文件夹中创建三个.py文件，将本节三个部分的内容分别放进去，配置好环境，然后运行process.py。本节内容是采用多进程，使两个detect.py文件同时检测摄像头（也可以是视频流，如：rtsp://，http://）采集到的图像（视频帧）。功能：你可以将其功能拓展，比如两个检测文件可以使用自己训练的不同的权重文件，分别执行不同的功能，分别输出，互不干扰。
window10+TensorRT-8.2.5.1+yolov5 v6.2 c++部署
fengxinzioo的博客
12-09 1419
Tensorrtx+yolov5 v6.2版本+windows10+vs2019+cuda11.5关键问题及步骤记录
yolov5 调用 usb 摄像头
热门推荐
weixin_50518868的博客
08-03 1万+
文章是在yolov5 v5.0版本的detect.py所修改编写 其他v1.0-v4.0没有试过，你们可以试试。 具体用法已经写在代码里面了。 import time import cv2 import numpy as np import torch from models.experimental import attempt_load from utils.datasets import letterbox from utils.general import check_img_size, n
【TensorRT】TensorRT+YOLOv5第六版C++部署全解
豆芽菜
05-02 3715
注意CUDA环境与TensorRT版本匹配，否则会有问题： Could not load library cudnn_cnn_infer64_8.dll. Error code 126Please make sure cudnn_cnn_infer64_8.dll is in your library path! 交代一下软件相关版本信息，防止翻车！ Win10 x64CUDA11.0.2cuDNN8.2.0TensorRT8.4.0VS2017OpenCV4.5...
rknn yolov5 rtsp
04-21
里面有rk3588 yolov5的推理示例程序，也包括Android推理实例程序，但是Android平台不支持rstp实时推理 本项目用ffmpeg拉流，mpp硬解码，然后rknn yolov5推理跑通， 调用代码在MainActivity，识别结果mpp硬编码保存为...
视频流识别的最好算法YOLOV5-2.rar
12-11
yolov5-v5.0的官方改进版，可直接运行，加上口罩数据集就可识别口罩
HTML5 播放 RTSP 视频的实例代码
12-07
目前大多数网络摄像头都是通过 RTSP 协议传输视频流的，但是 HTML 并不标准支持 RTSP 流。除了 Firefox 浏览器可以直接播放 RTSP 流之外，...目前已有 RTSP 播放方案的对比 既然是做直播，就需要延迟较低。当摄像头掉线
html5播放rtsp视频流.zip
05-27
html5播放rtsp，需要简单的搭建node.js和ffmpeg环境，直接运行index.js并修改html网页中的url即可
yolov5_6.0经典目标检测算法Python源码，深度学习必备
07-03
下载后解压源码，pip install -r requirement.txt，安装所需python依赖，然后直接python detect.py运行程序，输入源可以设定为webcam、图片、视频、文件夹、网络视频、rtsp视频流等，权重文件使用yolov5s.pt效果最好...
C++ Deepstream TensorRT多流检测追踪，推流到rtsp保证实时性案例
pvmsmfchcs的博客
06-24 853
demo使用C++、Deepstream、TensorRT、GStreamer，pipeline为：多RTSP视频流，检测、追踪、OSD绘制、推流，并做了两个示范例子（越界、流量）。在Jetson NANO和NX上都可以达到实时处理的目标参考cpp_projs/先build engine。
C/C++ TensorRT引擎多线程推理多个rtsp流并显示或保存
highoooo的博客
11-24 4404
文章目录主要思路一、超参数和常量二、简易的WrapData类三、opencv获取rtsp流四、.engine 推理部分五、主函数流程 主要思路 每个thread负责一个rtsp流，主线程里定义WrapData类型的消息队列（目的是包含frame和对应的rtsp信息），传到每个线程里面去通过opencv获取frame，将frame和rtsp信息包装到WrapData后push到队列中，主函数中捕捉到队列长度大于1则进行.front()推理并在推理结束后.pop() 一、超参数和常量 #define NMS_
opencv、VLC、海康SDK读rtsp视频流延迟测试
fanzy1234的博客
06-16 6882
发现帧率越低，延迟越高，测试时采用的帧率是2 FPS opencv读取海康的网络相机实时视频流延迟过高，网上搜到的解决方案1,2： 1、修改输出格式 https://blog.csdn.net/qq_43443531/article/details/97375918 延迟4.456s、4.31s、4.71s、4.37s、4.53s 2、多线程 https://zhuanlan.zhihu.com/p/38136322 延迟4.3s、4.36s、4.5s、4.47s 3、VLC中设置最低.
yolov8 tracking编码为web 和 rtsp流输出
qianbo042311的博客
12-31 1775
使用python pytorch yolov8 track进行reid 识别后将识别后的图片通过websocket 协议和内存共享发送到web端和 rtsp server端，可通过web显示或者通过rtsp 客户端拉流
yolov5接受rtsp流
08-18
是的，Yolov5是支持接受RTSP流的。在Yolov5中，你可以通过使用OpenCV库中的`VideoCapture`类来接收RTSP流。你需要提供RTSP流的URL作为参数，然后使用`read()`函数来读取视频帧。接下来，你可以将读取到的视频帧传递给Yolov5算法进行目标检测。通过不断读取和处理视频帧，你可以实时地检测出RTSP流中的目标物体。使用Yolov5进行RTSP流目标检测的具体代码实现可以参考Yolov5的官方文档、代码示例以及相关的开源项目。 [2 [3<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [Yolov5](https://blog.csdn.net/qq_58652978/article/details/123326631)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [Ubuntu20.04部署yolov5目标检测算法，无人车/无人机应用](https://blog.csdn.net/qq_42257666/article/details/125303980)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“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 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

一休哥※

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

实付元
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