VideoPipe视频分析框架

专注于CV领域AI算法模型快速集成与落地。可广泛应用于人脸识别、车牌识别、图片检索、交通违章检测、多源视频融合、视频转码等多个应用场景，可跨平台部署在前智能设备、边缘服务器、数据中心。

可视化

提供可视化调试工具，程序管道的运行状态（各环节缓存大小、FPS、延时等）可在UI界面实时刷新显示，用于快速定位性能瓶颈、辅助优化代码。

跨平台

支持跨平台部署，可基于各硬件平台SDK（编解码、推理、图像加速）快速适配不同硬件平台。无需针对不同平台维护多套源码、减少人员投入。

易上手

基于原生C++实现，不依赖复杂的第三方框架（如GStreamer/GObject），案例丰富，覆盖了常见视频分析场景，开箱即用，二开门槛低。

编写程序就像组装管道一样简单

高度插件化，插件之间可以灵活组合，来解决不同种类的视频分析任务。

面向插件编程

VideoPipe采用面向插件的编码风格，可以根据不同的需求按需搭配，我们可以使用独立的插件（即框架中的 Node 类型），来构建不同类型的视频分析应用。实际开发中，先定义需要的插件类型，然后创建对应插件实例，最后将插件attach到一起，即可组成一个视频分析管道。管道支持多个输入和输出，管道中的多个分支既可以合并也可以拆分。

可视化调试视频分析管道

哪里有数据堆积，哪里处理速度达不到实时要求，哪里延时过高，一目了然 …

视频分析管道可视化

不同插件连接起来，组成了视频分析管道。框架支持对不同结构的分析管道进行可视化展示，管道运行状态可以实时在界面刷新，比如各个环节的处理速度（FPS）、缓存大小、以及当前环节的延时，方便开发人员快速定位性能瓶颈，优化程序代码。

轻松搞定复杂的视频分析相关技术栈

视频接入，编/解码，算法推理，目标跟踪，消息推送，录像截图，视频推送 …

内置视频分析常见插件

框架已经内置了常见的功能插件，比如视频接入、编解码、算法推理、目标跟踪等，这些插件开箱即用，开发者无需了解内部细节。部分时候内置插件可能不满足需求，需要自定义插件。以自定义推理插件为例，你只需准备好模型并了解如何解析其输出即可，推理可以基于不同的后端实现，如 OpenCV::DNN、TensorRT、PaddleInference、ONNXRuntime、RKNN 等，任何你喜欢的都可以。