6.1. 参考示例

本章节介绍多媒体库开发的多种功能示例，包括摄像头图像采集、视频编解码、视频显示、算法推理等功能。

6.1.1. 摄像头图像采集和显示

本示例vio2display示例实现了MIPI摄像头图像采集功能，并通过HDMI接口输出，用户可通过显示器预览画面。示例流程框图如下：
image-vio_to_display

环境准备：
- 开发板断电状态下，将MIPI摄像头接入开发板，连接方法可参考MIPI摄像头连接教程
- 通过HDMI线缆连接开发板和显示器
- 开发板上电，并通过命令行登录

运行方式： 示例代码以源码形式提供，需要使用make命令进行编译后运行，步骤如下：

sunrise@ubuntu:~$ cd /app/cdev_demo/vio2display
sunrise@ubuntu:/app/cdev_demo/vio2display$ sudo make
sunrise@ubuntu:/app/cdev_demo/vio2display$ sudo ./vio2display

预期效果： 程序正确运行后，开发板会通过显示器输出MIPI摄像头采集的实时画面。运行log如下：

sunrise@ubuntu:/tmp/nfs/sp_cdev/cdev_demo/vio2display$ sudo ./vio2display
[sudo] password for sunrise: 
disp_w=800, disp_h=480
mipi_w:1920,mipi_h:1080;dst_w:800,dst_h:480;
mipi_w:1920,mipi_h:1080;dst_w:1920,dst_h:1080;
start linear mode, sensor_name f37, setting_size = 3
sp_open_camera success!
libiar: hb_disp_set_timing done![ 6156.771952] iar_output1_reqbufs.

[ 6156.772663] iar_output_stream.

Press 'q' to Exit !

6.1.2. 摄像头图像本地保存

本示例vio_capture示例实现了MIPI摄像头图像采集，并将RAW和YUV两种格式的图像本地保存的功能。示例流程框图如下：
image-capture

环境准备：
- 开发板断电状态下，将MIPI摄像头接入开发板，连接方法可参考MIPI摄像头连接教程
- 通过HDMI线缆连接开发板和显示器
- 开发板上电，并通过命令行登录
运行方式： 示例代码以源码形式提供，需要使用make命令进行编译后运行，步骤如下：
```
sunrise@ubuntu:~$ cd /app/cdev_demo/vio_capture/
sunrise@ubuntu:/app/cdev_demo/vio_capture$ sudo make
sunrise@ubuntu:/app/cdev_demo/vio_capture$ sudo ./capture -b 12 -c 10 -h 1080 -w 1920
```
参数说明：
- -b: RAW图bit数，IMX477：12，others：10
- -c: 保存图像的数量
- -w: 保持图像的宽度
- -h: 保存图像的高度

预期效果： 程序正确运行后，当前目录保存指定数量的图片文件，RAW格式以raw_*.raw方式命名，YUV格式以yuv_*.yuv方式命名。运行log如下：

sunrise@ubuntu:/app/cdev_demo/vio_capture$ sudo ./capture -b 12 -c 10 -h 1080 -w 1920
Setting VPS channel-2: src_w:1920, src_h:1080; dst_w:1920, dst_h:1080;
Setting VPS channel-1: src_w:1920, src_h:1080; dst_w:1920, dst_h:1080;
jiale:start streaming...
capture time :0
capture time :1
capture time :2
capture time :3
capture time :4
capture time :5
capture time :6
capture time :7
capture time :8
capture time :9
sensor_name imx477, setting_size = 1
[  701.213210]hb_isp_algo_stop@main_user.c:389 GENERIC(ERR) :g_mutex destroy.

6.1.3. 摄像头图像采集并编码

本示例vio2encoder示例实现了 MIPI 摄像头图像采集功能，并编码后在本地保存，用户可通过显示器预览画面。示例流程框图如下：
image-vio_to_encoder

环境准备：
- 开发板断电状态下，将MIPI摄像头接入开发板，连接方法可参考MIPI摄像头连接教程
- 通过HDMI线缆连接开发板和显示器
- 开发板上电，并通过命令行登录
运行方式： 按照以下命令执行程序示例代码以源码形式提供，需要使用make命令进行编译后运行，步骤如下：
```
sunrise@ubuntu:~$ cd /app/cdev_demo/vio2encoder
sunrise@ubuntu:/app/cdev_demo/vio2encoder$ sudo make
sunrise@ubuntu:/app/cdev_demo/vio2encoder$ sudo ./vio2encoder -w 1920 -h 1080 -o stream.h264
```
参数说明：
- -w: 编码视频宽度
- -h: 编码视频高度
- -o: 编码输出路径

预期效果：程序正确运行后，在当前目录下会生成名为stream.h264的视频文件。运行log如下：

sunrise@ubuntu:/tmp/nfs/sp_cdev/cdev_demo/vio2encoder$ sudo ./vio2encoder -w 1920 -h 1080 -o stream.h264
Setting VPS channel-2: src_w:1920, src_h:1080; dst_w:1920, dst_h:1080;
Setting VPS channel-1: src_w:1920, src_h:1080; dst_w:1920, dst_h:1080;
start linear mode, sensor_name f37, setting_size = 3
sp_open_camera success!
sp_start_encode success!
sp_module_bind(vio -> encoder) success!

6.1.4. 视频文件解码并显示

本示例decoder2display实现了视频文件解码，并通过HDMI接口输出的工，用户可通过显示器预览画面。示例流程框图如下：
image-decoder_to_display

环境准备：
- 通过HDMI线缆连接开发板和显示器
- 开发板上电，并通过命令行登录
- 准备视频编码文件stream.h264 作为输入。

运行方式： 示例代码以源码形式提供，需要使用make命令进行编译后运行，步骤如下：

sunrise@ubuntu:~$ cd /app/cdev_demo/decode2display
sunrise@ubuntu:/app/cdev_demo/decode2display$ sudo make
sunrise@ubuntu:/app/cdev_demo/decode2display$ sudo ./decoder2display -w 1920 -h 1080 -i stream.h264

参数说明：

-h: 视频文件的高度
-w: 视频文件的宽度
-i: 视频文件的路径

预期效果： 程序正确运行后，视频画面会通过开发板的HDMI接口输出，用户可以通过显示器预览视频画面。运行log如下：

sunrise@ubuntu:/app/cdev_demo/decode2display$ sudo./decoder2display -w 1920 -h 1080 -i stream.h264
disp_w=1024, disp_h=600
[x3_av_open_stream]:[380]:probesize: 5000000
sp_start_decode success!
libiar: hb_disp_set_timing done!
sp_start_display success!
sp_open_vps success!

6.1.5. RTSP拉流解码

本示例rtsp2display实现了拉取rtsp码流、解码，并通过HDMI输出视频图像的功能，用户可通过显示器预览画面。示例流程框图如下：

环境准备：
- 通过HDMI线缆连接开发板和显示器
- 开发板上电，并通过命令行登录
- 准备rtsp码流作为输入源

运行方式： 示例代码以源码形式提供，需要使用make命令进行编译后运行，步骤如下：

sunrise@ubuntu:~$ cd /app/cdev_demo/rtsp2display
sunrise@ubuntu:/app/cdev_demo/rtsp2display$ sudo make #可能会打印一些警告信息，无需理会
sunrise@ubuntu:/app/cdev_demo/decode2display$ sudo ./rtsp2display -i rtsp://admin:admin123@10.96.32.170:554/0 -t tcp

参数配置：

-i: 码流url地址
-t: 传输类型，可选tcp/udp

预期效果： 程序正确运行后，视频画面会通过开发板的HDMI接口输出，用户可以通过显示器预览视频画面。运行log如下：

sunrise@ubuntu:/app/cdev_demo/rtsp2display$ sudo ./rtsp2display -i rtsp://admin:admin123@10.96.32.170:554/0 -t tcp
avformat_open_input ok!
avformat_find_stream_info ok!
Input #0, rtsp, from 'rtsp://admin:admin123@10.96.32.170:554/0':
  Metadata:
    title           : h264.mp4
  Duration: N/A, start: 0.040000, bitrate: N/A
    Stream #0:0: Video: h264 (Main), yuvj420p(pc, bt709, progressive), 1920x1080, 25 tbr, 90k tbn, 180k tbc
    Stream #0:1: Audio: pcm_mulaw, 8000 Hz, 1 channels, s16, 64 kb/s
Input #1, rtsp, from 'rtsp://admin:admin123@10.96.32.170:554/0':
  Metadata:
    title           : h264.mp4
  Duration: N/A, start: 0.040000, bitrate: N/A
    Stream #1:0: Video: h264 (Main), yuvj420p(pc, bt709, progressive), 1920x1080, 25 tbr, 90k tbn, 180k tbc
    Stream #1:1: Audio: pcm_mulaw, 8000 Hz, 1 channels, s16, 64 kb/s
av_dump_format ok!
rtsp_w:1920,rtsp_h:1080
display_w:1024,dispaly_h:600
libiar: hb_disp_set_timing done!
sp_open_vps success!

注意事项：
- 使用UDP协议传输码流时，可能出现因网络丢包导致的花屏现象，此时可切换成TCP协议传输解决。

6.1.6. VPS缩放示例

本示例实现了基于视频处理模块VPS的视频缩放功能，用户可通过显示器预览画面。

环境准备：
- 通过HDMI线缆连接开发板和显示器
- 开发板上电，并通过命令行登录
- 准备图像(NV12)、视频文件(H264)作为输入
运行方式： 示例代码以源码形式提供，需要使用make命令进行编译后运行，步骤如下：
```
sunrise@ubuntu:~$ cd /app/cdev_demo/vps
sunrise@ubuntu:/app/cdev_demo/vps$ sudo make
sunrise@ubuntu:/app/cdev_demo/decode2display$ sudo ./vps -m 1 -i stream.h264 -o output.yuv --iheight 1080 --iwidth 1920 --oheight 720 --owidth 1280
```
参数配置：
- -i: 待操作的文件路径
- -iheight: 输入高度
- -iwidth: 输入宽度
- -m: 输入模式，1:视频流；2:NV12图片
- -o: 输出路径
- -oheight: 输出高度
- -width: 输出宽度
- -skip:（可选）对于视频流输入，调过开头的帧数

预期效果： 程序正确运行后，当前目录会保存处理后的图像文件outpu.yuv。运行log如下：

sunrise@ubuntu:/app/cdev_demo/vps$ sudo ./vps -m 1 -i stream.h264 -o output.yuv --iheight 1080 --iwidth 1920 --oheight 720 --ow
idth 1280
[x3_av_open_stream]:[380]:probesize: 5000000
hb_vp_deinit success

6.1.7. 目标检测算法—fcos

本示例基于fcos模型，实现了本地视频流的目标检测算法功能，用户可通过显示器预览检测结果。

环境准备：
- 通过HDMI线缆连接开发板和显示器
- 开发板上电，并通过命令行登录
- 准备视频文件(H264)作为输入

运行方式： 示例代码以源码形式提供，需要使用make命令进行编译后运行，步骤如下：

sunrise@ubuntu:~$ cd /app/cdev_demo/bpu/src
sunrise@ubuntu:/app/cdev_demo/bpu/src$ sudo make
sunrise@ubuntu:/app/cdev_demo/bpu/src$ cd bin 
sunrise@ubuntu:/app/cdev_demo/bpu/src/bin$ sudo ./sample -f /app/model/basic/fcos_512x512_nv12.bin -m 1 -i 1080p_.h264 -w 1920 -h 1080

参数配置：

-f: 模型文件路径
-h: 输入视频的高度
-w: 输入视频的宽度
-i: 输入视频的路径
-m: 模型类型，默认为1

预期效果： 程序正确运行后，会通过HDMI接口输出视频和算法检测渲染后的画面，用户可通过显示器预览。运行log如下：

sunrise@ubuntu:/app/cdev_demo/bpu/src/bin$ sudo ./sample -f /app/model/basic/fcos_512x512_nv12.bin -m 1 -i 1080p_.h264 -w 1920 -h 1080
[BPU_PLAT]BPU Platform Version(1.3.1)!
[HBRT] set log level as 0. version = 3.14.5
[DNN] Runtime version = 1.9.7_(3.14.5 HBRT)
Model info:
model_name: fcos_512x512_nv12Input count: 1input[0]: tensorLayout: 2 tensorType: 1 validShape:(1, 3, 512, 512, ), alignedShape:(1, 3, 512, 512, )
Output count: 15Output[0]: tensorLayout: 0 tensorType: 13 validShape:(1, 64, 64, 80, ), alignedShape:(1, 64, 64, 80, )
Output[1]: tensorLayout: 0 tensorType: 13 validShape:(1, 32, 32, 80, ), alignedShape:(1, 32, 32, 80, )
Output[2]: tensorLayout: 0 tensorType: 13 validShape:(1, 16, 16, 80, ), alignedShape:(1, 16, 16, 80, )
Output[3]: tensorLayout: 0 tensorType: 13 validShape:(1, 8, 8, 80, ), alignedShape:(1, 8, 8, 80, )
Output[4]: tensorLayout: 0 tensorType: 13 validShape:(1, 4, 4, 80, ), alignedShape:(1, 4, 4, 80, )
Output[5]: tensorLayout: 0 tensorType: 13 validShape:(1, 64, 64, 4, ), alignedShape:(1, 64, 64, 4, )
Output[6]: tensorLayout: 0 tensorType: 13 validShape:(1, 32, 32, 4, ), alignedShape:(1, 32, 32, 4, )
Output[7]: tensorLayout: 0 tensorType: 13 validShape:(1, 16, 16, 4, ), alignedShape:(1, 16, 16, 4, )
Output[8]: tensorLayout: 0 tensorType: 13 validShape:(1, 8, 8, 4, ), alignedShape:(1, 8, 8, 4, )
Output[9]: tensorLayout: 0 tensorType: 13 validShape:(1, 4, 4, 4, ), alignedShape:(1, 4, 4, 4, )
Output[10]: tensorLayout: 0 tensorType: 13 validShape:(1, 64, 64, 1, ), alignedShape:(1, 64, 64, 1, )
Output[11]: tensorLayout: 0 tensorType: 13 validShape:(1, 32, 32, 1, ), alignedShape:(1, 32, 32, 1, )
Output[12]: tensorLayout: 0 tensorType: 13 validShape:(1, 16, 16, 1, ), alignedShape:(1, 16, 16, 1, )
Output[13]: tensorLayout: 0 tensorType: 13 validShape:(1, 8, 8, 1, ), alignedShape:(1, 8, 8, 1, )
Output[14]: tensorLayout: 0 tensorType: 13 validShape:(1, 4, 4, 1, ), alignedShape:(1, 4, 4, 1, )
libiar: hb_disp_set_timing done!
dispaly init ret = 0
vps open ret = 0
module bind vps & display ret = 0
display start ret = 0
[x3_av_open_stream]:[380]:probesize: 5000000
decode start ret = 0
module bind decoder & vps ret = 0
[ERROR]["vdec"][video/src/vdec_group.c:348] [8870.450264]vdec_channel_bump_thread[348]: VDEC_MODULE module try again

[draw_rect]:[137]:========point is 0,return========
fps:55.555556,processing time:18

6.1.8. 目标检测算法—YOLOv5

本示例基于YOLOv5模型，实现了摄像头目标检测算法功能，用户可通过显示器预览检测结果。

环境准备：
- 开发板断电状态下，将MIPI摄像头接入开发板，连接方法可参考MIPI摄像头连接教程
- 通过HDMI线缆连接开发板和显示器
- 开发板上电，并通过命令行登录

运行方式： 示例代码以源码形式提供，需要使用make命令进行编译后运行，步骤如下：

sunrise@ubuntu:~$ cd /app/cdev_demo/bpu/src
sunrise@ubuntu:/app/cdev_demo/bpu/src$ sudo make
sunrise@ubuntu:/app/cdev_demo/bpu/src$ cd bin 
sunrise@ubuntu:/app/cdev_demo/bpu/src/bin$ sudo ./sample -f /app/model/basic/yolov5_672x672_nv12.bin -m 0

参数配置：

-f: 模型的路径
-m: 模型类型，默认为0

预期效果： 程序正确运行后，会通过HDMI接口输出视频和算法检测渲染后的画面，用户可通过显示器预览。运行log如下：

sunrise@ubuntu:/app/cdev_demo/bpu/src/bin$ sudo ./sample -f /app/model/basic/yolov5_672x672_nv12.bin -m 0
[BPU_PLAT]BPU Platform Version(1.3.1)!
[HBRT] set log level as 0. version = 3.14.5
[DNN] Runtime version = 1.9.7_(3.14.5 HBRT)
Model info:
model_name: yolov5_672x672_nv12Input count: 1input[0]: tensorLayout: 2 tensorType: 1 validShape:(1, 3, 672, 672, ), alignedShape:(1, 3, 672, 672, )
Output count: 3Output[0]: tensorLayout: 0 tensorType: 13 validShape:(1, 84, 84, 255, ), alignedShape:(1, 84, 84, 255, )
Output[1]: tensorLayout: 0 tensorType: 13 validShape:(1, 42, 42, 255, ), alignedShape:(1, 42, 42, 255, )
Output[2]: tensorLayout: 0 tensorType: 13 validShape:(1, 21, 21, 255, ), alignedShape:(1, 21, 21, 255, )
Setting VPS channel-1: src_w:1920, src_h:1080; dst_w:672, dst_h:672;
Setting VPS channel-3: src_w:1920, src_h:1080; dst_w:1024, dst_h:600;
Setting VPS channel-2: src_w:1920, src_h:1080; dst_w:1920, dst_h:1080;
start linear mode, sensor_name f37, setting_size = 3
libiar: hb_disp_set_timing done!
yolov5_do_post fps:11.627907,processing time :86