自定义应用程序中的DeepStream python应用程序

问题描述

在此link中，我们想访问gstreamer管道缓冲区并转换为numpy数组中的帧缓冲区，我想知道，如何访问GPU mem中的帧缓冲区，然后将其馈送到我的自定义处理器中无需将帧转换为numpy数组。

对于深度流解码器的使用，我们有两种解决方案（比opencv + gstreamer更有效的方法）： 一种方法是，我们需要编写处理的自定义元素并在gstreamer中注册，然后将自定义元素放入管道中，然后对帧缓冲区进行处理。这种方式很好，但是需要编写和了解gstreamer编程。这种方式与深流相同。 第二种方法是我们仅使用来自link的帧的解码，然后将帧传递到自定义处理器单元。对于这一部分，我有两个问题：

1- gstreamer的循环与asyncio编程的循环相同吗？

2-如您所知，如果我们在pad prob函数中添加了其他操作，则会导致性能下降，但我想知道，是否可以将帧放入pad prob函数中，并且 loop.create_task（process（frame））像异步吗？这导致我们在这里不必等待执行处理。像这样：

def tiler_sink_pad_buffer_probe(pad,info,u_data):
    ....
    ### capture the frames in GPU buffer without converting into numpy
    loop.create_task(process(frame))
    ....
    return Gst.PadProbeReturn.OK

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）