登录社区云，与社区用户共同成长
邀请您加入社区
随着智能设备和物联网技术的发展，音视频处理已成为许多应用中不可或缺的组成部分，尤其是在实时通信和媒体应用中。对于鸿蒙OS（HarmonyOS）而言，音视频编解码性能的优化直接影响到系统的用户体验，尤其是在实时音视频通话、视频直播、在线教育等场景中，低延迟、高质量的音视频编解码技术是关键。鸿蒙OS通过高效的音视频编解码框架和算法，确保在各种硬件平台上实现卓越的音视频处理能力。
本文探讨了工业检测、医疗影像等领域中非标准分辨率信号采集的解决方案。针对640×512等非主流分辨率常见的兼容性问题，文章指出关键在于EDID（扩展显示标识数据）的正确配置与硬件支持。重点推荐同三维T100HSA采集卡，其具备三大优势：智能自动识别非标信号、硬件级画质优化引擎（包括去隔行和RGB三色独立调节）、以及稳定的多路扩展能力。该方案通过软硬件深度协同，有效解决了非标信号采集中的黑屏、画面撕
本文介绍了基于STM32H7芯片的JPEG硬解码小电视实现方案。针对USB全速接口传输速率不足的问题，作者利用H7内置JPEG解码器实现高效图像处理（5倍压缩图像仅需10ms解码），配合DMA2D转换YCbCr为RGB格式，并通过SPI接口输出到显示屏。文章详细说明了CubeMX配置要点：480MHz主频时钟设置、USB 48MHz时钟源、SPI接口配置，以及关键的JPEG解码器和DMA通道（DM
现存问题：业界主流DCVC-RT编码复杂度200kMACs/px，远超移动端硬件阈值；10kbps极低码率下现有方案MOS均值2.7，不满足指标；通用AI模型未做ARM架构适配，无法真机落地。本文基于通信原理、芯片算力模型、视频编码理论完成全闭环工程解算，含量化卡点、物理极限推导、路线选型、权责划分、排期、量产级FMEA、参数溯源与置信度，所有参数附公式、计算过程、单位、失效模式，无冗余表述，可直
对于政务、央国企、金融、能源、医疗等组织，私有云方案的价值不仅在于“开会”，更在于数据本地化、内网隔离、国产化适配、兼容利旧和业务融合。选型时建议把“4K能力、抗丢包能力、SVC自适应、音频质量、H.323/SIP兼容、信创适配、开放API、运维高可用”作为核心评估项，并在真实网络环境中完成测试。在国产化方面，成熟平台会适配鲲鹏、飞腾、海光等国产芯片，麒麟、统信、欧拉等国产操作系统，达梦、人大金仓
录像也是相机应用的最重要功能之一，录像是循环帧的捕获。
图片工具当前主要提供图片EXIF信息的读取与编辑能力。
当前示例提供完整的拍照流程介绍，方便开发者了解完整的接口调用顺序。
DRM会话管理（MediaKeySession）支持媒体密钥管理及媒体解密等.....
在DRM Kit里DRM解决方案以插件形式存在，所以也叫DRM插件。
相机框架提供动态照片拍摄能力.....
当前示例提供完整的录像流程介绍.......
图片编码指将PixelMap编码成不同格式的存档图片.....
当前示例提供完整的分段式拍照流程介绍
播放音量的管理主要包括对系统音量的管理和对音频流音量的管理。系统音量与音频流音量分别是指HarmonyOS系统的总音量和指定音频流的音量，其中音频流音量的大小受制于系统音量，管理两者的接口不同。
本实例基于AVCodec能力，提供基于视频编解码的视频播放和录制的功能。视频播放的主要流程是将视频文件通过解封装->解码->送显/播放。视频录制的主要流程是相机采集->编码->封装成mp4文件。
本文档系统记录了RK3588芯片的MPP模块学习内容。RK3588作为瑞芯微旗舰AIoT SoC，采用8nm工艺，具备6TOPS NPU算力和8K编解码能力。文档详细剖析了MPP分层架构、核心数据结构和源码组成，包括硬件编解码能力参数表（支持HEVC 8K@60fps解码/H.264 8K@30fps编码等）、关键外设接口以及MPI核心接口函数。通过10个章节全面覆盖芯片概览、编解码实战、FFmp
🎧 基于Python的智能音频降噪工具 本文介绍了一款开源Python音频处理工具，具有以下亮点： 双模处理：支持单文件精细调试和文件夹批量处理 智能降噪：采用谱减法+Butterworth滤波器的二级降噪算法 人声增强：可调节增益参数优化语音清晰度 交互友好：拖放操作、实时波形对比、多线程批量处理 跨平台支持：兼容Windows/macOS/Linux系统 项目包含完整的GUI界面，核心算法使
他接入了“守望者”系统。当摄像头捕捉到一台失控机器人时，不仅检测和描述，还会分析机器人的行为模式是否出现了“跨模态不一致”——比如，它的移动轨迹看起来很危险，但它的视觉外观看起来无害（可能是伪装）。他使用CLIP作为参考模型（因为CLIP的联合嵌入空间是稳定的、经过人类验证的），实时捕获“天工”子程序输出的图像特征和文本特征，计算它们与CLIP空间的对齐程度。沈莜找了几个居民帮忙描述——“一个六条
││信令服务││媒体服务││AI服务││。││(频道管理) ││(SFU转发)││(人脸/安全) ││。│警务融合平台│。
GPU作为一种专门用于图形处理的微处理器，自诞生以来经历了从专用图形处理到通用计算加速的重大转变，现已成为人工智能、科学计算、游戏娱乐等多个领域的核心算力支撑。其发展历程与技术演进深刻影响着现代数字世界的运行方式。。GPU从图形渲染的专用芯片演变为通用计算的算力引擎，其发展历程印证了硬件架构与软件生态协同创新的重要性。未来，随着人工智能、元宇宙等技术的深化应用，GPU将继续在数字世界中扮演核心角
今天咱们就拿FVC2002的指纹库开刀，手把手整活一个能跑通的指纹识别系统。跑完整个流程后发现：同一手指不同采集样本的匹配率能到85%，但不同指纹的误匹配率也有5%。有个坑得注意：FVC2002的.tif文件自带16位深度，直接imread会得到uint8数组，这时候用mat2gray转换才不会翻车。这里我封装了gabor2d函数（篇幅限制不展开），重点是用最大响应策略——每个像素点从16个不同方
摘要： 鸿蒙6.0 Camera Kit开放白平衡API，允许第三方应用精细控制色彩平衡。该功能通过WhiteBalance接口提供多种模式（自动、日光、阴天等）及手动色温设置，解决了三方相机与系统相机在色彩还原上的差距。开发者可通过setWhiteBalanceMode切换预设模式，或使用setWhiteBalance直接调整色温值（单位K），满足专业摄影、视频创作等场景的需求。API支持错误检
成为行业刚需，以好视通、华为为代表的国产方案，凭借自主核心技术、医疗场景深度定制、全链路安全合规与全国服务网络，为医疗机构提供全场景、高可靠的音视频通信支撑。需求深化，以好视通、华为等为代表的国产音视频通信企业，凭借自主核心技术与医疗场景深度定制能力，构建起安全、稳定、全适配的远程医疗协作体系，为分级诊疗落地与医疗资源高效下沉提供技术支撑。A：全面适配飞腾、鲲鹏、海光等国产CPU，银河麒麟、统信U
通过视觉、语言、视频与动作的联合建模，融合视频模型、VLA、世界模型等等路线，从而实现对真实环境的感知、规划、预测、执行和跨任务泛化，典型代表是去年 12 月发布的 Motus。目前关于 MotuBrain 的公开信息寥寥无几，但从这次双榜的成绩结构来看，它背后大概率不是传统的视频模型，也不是单纯的 VLA 或 policy model。这是预测世界的能力。，比方说模型能否在多任务、多环境下稳定执
本文介绍了基于虹软人脸识别SDK实现多路网络摄像头实时人脸检测的技术方案。文章首先分析了城市安防、智慧园区等场景对多路视频流人脸检测的需求背景，阐述了ONVIF协议和RTSP流媒体的关键技术。随后详细说明了开发前的准备工作，包括RTSP流获取、SDK申请和环境搭建。项目采用Spring Boot+Vue3架构，通过FFmpeg解码、OpenCV转码实现多路RTSP流并行处理，利用线程池确保虹软SD
最近在折腾工业质检项目，手头刚撸完一套PCB基板瑕疵检测系统。这套玩意儿用C#搭框架，Halcon做核心视觉处理，外挂OpenCV打辅助，实测效果比纯传统方案提升30%检测效率。这套系统踩过的坑比深圳电子厂的PCB板还多，但最终实现99.2%的检出率。工业相机的SDK能把人整疯，我们封装了个万用控制层。功能统计:多种缺陷检测、IO控制、相机控制、灯光控制、TCP/IP、视觉定位、激光校正。功能统计
PyVideoProc 是一个基于 CUDA 加速的 Python SDK，用于高效处理多路视频流分析。它通过多进程绕过 GIL 限制，减少主机-设备数据传输，并尽可能在 GPU 上计算以提升性能。项目支持多卡、多模型推理，提供开箱即用的解决方案，适合中小型项目快速部署。安装需满足 Docker、显卡驱动和 NVIDIA 容器工具版本要求，支持模型权重转换和 TensorRT 优化。项目开源且开发
通过采用SPWM调制方式和电压电流双闭环控制方式带前馈的控制策略，本模型实现了对电力系统的有效控制和稳定输出。本文将介绍在plecs（Power Electronics Control Simulation）仿真软件中建立的三相六开关PFC模型，并详细阐述其平均电流调制方式为SPWM及电压电流双闭环控制方式带前馈的控制策略。在plecs版本8.2的仿真环境中，我们成功构建了该模型，并通过仿真得到了
音视频技术涉及采集、编码、传输、解码、播放等全链路流程，涵盖网络优化、设备兼容、安全加密等多个专业领域，自主开发门槛高、周期长、成本高。从日常的视频通话到企业的数字化转型，音视频SDK作为实时互动的“技术底座”，正在重塑人与人、人与设备、设备与设备之间的沟通方式。同时，成熟的音视频SDK具备跨平台适配能力，可无缝兼容iOS、Android、Windows、Mac、Web及微信小程序等主流终端，覆盖
YUVview (YUV/RGB 播放、帧对比（PSNR/SSIM/ 差分）、像素级检视、H.265/HEVC 比特流直接解码与内部信息可视化、参考软件（HM/JEM）集成)perf (Linux)：系统级性能分析，支持事件采样、调用图追踪，适合 Linux 平台编码器优化。Valgrind：内存泄漏检测、缓存命中率分析，适合编码器内存优化。核心功能：CPU/GPU 性能采样、瓶颈定位、缓存优化、
在永磁同步电机控制中，BP神经网络根据转速与给定值的误差，自动调整速度环PI的参数，以实现更优的控制效果。基于BP神经网络PI的永磁同步电机控制是一种先进的电机控制技术，其核心在于利用BP神经网络对永磁同步电机的速度环PI进行动态调整，从而增强控制的抗干扰性。在永磁同步电机控制中，除了BP神经网络PI控制外，还存在许多其他的控制策略，如传统PI控制、模糊控制、自适应控制等。BP神经网络采用梯度下降
智联视频超融合平台通过GB/T28181-2011/2016/2022、国网B接口、RTSP、RTMP、ONVIF、GB/T35114、GA1400、海康大华SDK/API等方式，接入海康、大华、宇视等各个厂家的摄像机、录像机，接入直播手机，接入下级平台，提供web客户端进行视频预览、录像回放、配置管理和智慧运维。提供标准RESTful格式的HTTP API，提供web播放器demo，满足二次开发
gpu读取速度344fps，不过这里是时间计算我感觉是有问题的，不知道gpu解码的时间有没有同步在gpu_times中，而且这里仅仅是解码的时间，如果在加上从显存到内存的时间，速度是很慢的。不过硬解码的视频本身就是为了送给ai预测的，所以没必要拷贝到内存。在此之前需要基于msvc编译器来编译gpu版opencv，详细内容请查看。可以看到gpu执行的速度还是非常快的，我这里是8k的视频，gpu设备是
mediamtx官方作者提供了docker的镜像，如下图，但是现在想要使用ffmpeg+RPI的版本无法下载，本文介绍使用ubuntu镜像运行mediamtx。刚开始想在创建的ubuntu18.04的镜像中使用systemctl做开启自启动mediamtx，但是镜像的目的是隔离，镜像中不支持systemctl，因此可以写启动脚本，在容器运行是执行开启脚本。
目前市场上音视频技术方案大致分为以下几类，WebRTC因其超低延时、集成音视频采集传输等优点，是在线教育、远程会议等领域首选技术。前言目前市场上音视频技术方案大致分为以下几类，WebRTC因其超低延时、集成音视频采集传输等优点，是在线教育、远程会议等领域首选技术。方案优势劣势应用场景基于浏览器插件的flash播放RTMP即将淘汰即将淘汰传统直播跨平台的HLS/DASH 播放方案- 跨端广泛支持：苹
ISCAS 宣布将于 2023 年 5 月 21 日 - 5 月 25 日在美国加州蒙特雷举办。作为 IEEE 旗下电路与系统学会旗舰会议，本届 ISCAS 将继续联合字节跳动多媒体实验室，举办第二届神经网络视频编码竞赛。
实时音视频（RTC）即基于IP技术实现的实时交互的音视频通信技术
多方音视频通信三种架构方案一、Mesh 方案即多个终端之间两两进行连接，形成一个网状结构。这种方案是1v1 WebRTC 通信模型的扩展版，任何两个结点都可以看成一个1v1 WebRTC 通信模型。优势：不需要服务器中转数据，STUN/TUTN 只是负责 NAT 穿越，这样利用现有 WebRTC 通信模型就可以实现，而不需要开发媒体服务器。劣势：需要给每一个参与人都转发一份媒体流，这样对上行带宽的
什么是 WebRTC ？WebRTC（Web Real-Time Communication）是 Google于2010以6829万美元从 Global IP Solutions 公司购买，并于2011年将其开源，旨在建立一个互联网浏览器间的实时通信的平台，让 WebRTC技术成为 H5标准之一。我们看官网（https://webrtc.org）的介绍其中：Web Real-Time Commun
视频编解码
——视频编解码
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
HarmonyOS开发者社区
DAMO开发者矩阵
AI硬件创业社区
AtomGit开源社区
openEuler 社区
2048 AI社区
AI Agent技术社区
脑启社区
人工智能6S服务平台
鲲鹏昇腾开发者社区
腾讯云开发者社区
